整理 | 華衛(wèi)

近日，Anthropic 發(fā)布了一項研究，精確描繪了當(dāng)前 AI 正在替代哪些工作。最容易受到影響的群體出乎意料：他們更年長、受教育程度更高、收入也更高（比平均水平高出 47%）。并且，他們擁有研究生學(xué)歷的概率幾乎是那些尚未被 AI 影響人群的四倍。

而研究顯示，AI 遠(yuǎn)未達(dá)到其理論能力上限，當(dāng)前實際覆蓋范圍也只是可實現(xiàn)場景的一小部分。具體來說，部分任務(wù)雖具備理論 AI 落地可行性，卻未形成規(guī)模化實際應(yīng)用，核心原因包括模型本身的功能局限、法律法規(guī)約束、專用軟件適配門檻、人工核驗硬性要求等多重阻礙。

值得注意的是，發(fā)布這項研究的公司，正是出售知名大模型 Claude 的公司。一家賣 AI 的公司，發(fā)布了最不利自己的數(shù)據(jù)。Anthropic 本可以出于商業(yè)動機(jī)弱化這些結(jié)論，但它依然選擇了公開。

10 大“高?！甭殬I(yè)出爐，

哪些工作處在邊界之外？

在展示研究結(jié)果前，Anthropic 首先介紹道，“目前來看，AI 對就業(yè)的影響證據(jù)仍然有限。我們的目標(biāo)是建立一套衡量 AI 如何影響就業(yè)的方法，并在未來定期更新分析。這一方法無法捕捉 AI 重塑勞動力市場的所有路徑，但通過在顯著影響尚未出現(xiàn)前建立基礎(chǔ)，我們希望未來能夠更可靠地識別經(jīng)濟(jì)沖擊，而不是事后歸因。AI 的影響也許最終會非常明顯。但在影響尚不清晰時，這一框架尤其有用，有助于在替代真正發(fā)生之前識別最脆弱的崗位?！?/p>

他們研究的邏輯很直接。Anthropic 構(gòu)建了一個新的指標(biāo)，叫做“實際暴露度（observed exposure）”，不看 AI 理論上“能做什么”，只關(guān)注它在真實職業(yè)環(huán)境中“正在做什么”。當(dāng)前，這個指標(biāo)基于企業(yè)用戶數(shù)百萬條真實的 Claude 對話數(shù)據(jù)測得。如果你花了四年時間和 20 萬美元拿到一個學(xué)位，只為進(jìn)入白領(lǐng)職業(yè)，那么開發(fā) Claude 的公司剛剛確認(rèn)：你的崗位暴露度，可能比你畢業(yè)典禮上給你倒酒的調(diào)酒師還要高。

例如，在計算機(jī)與數(shù)學(xué)相關(guān)崗位中，大模型理論任務(wù)適配率達(dá) 94%，但當(dāng)前實際覆蓋僅 33%；在辦公室和行政崗位中，理論能力為 90%，當(dāng)前實際使用為 40%。AI“能做什么”和“已經(jīng)在做什么”之間的差距仍然巨大。研究人員也明確指出接下來會發(fā)生什么：隨著能力提升和應(yīng)用加深，現(xiàn)實使用將逐步填滿理論能力。

數(shù)據(jù)顯示，高 AI 實際暴露度十大職業(yè)榜上，程序員以 74.5% 的任務(wù)覆蓋率位居榜首（契合代碼開發(fā)類 AI 高頻使用特征）；客服專員依托官方 API 接口的高頻應(yīng)用位列第二，為 70.1%；數(shù)據(jù)錄入員因資料錄入流程高度自動化，覆蓋率達(dá) 67%，排名第三。

再往下看，醫(yī)療檔案專員為 66.7%；市場研究分析師與營銷專員為 64.8%；批發(fā)與制造業(yè)銷售代表（不含技術(shù)與科學(xué)產(chǎn)品）為 62.8%；金融與投資分析師為 57.2%；軟件質(zhì)量保障分析師與測試員為 51.9%；信息安全分析師為 48.6%；計算機(jī)用戶支持專員為 46.8%。

以上這些都不是預(yù)測，而是當(dāng)前已經(jīng)在 AI 平臺上發(fā)生的真實工作替代情況。

另外，這項正在重塑白領(lǐng)職業(yè)的技術(shù)，對大約三分之一的勞動力來說幾乎毫無影響。從尾部群體來看，30% 的從業(yè)者完全沒有任何 AI 暴露，其工作任務(wù)在統(tǒng)計樣本中頻次過低，未達(dá)到測算閾值，工作內(nèi)容的 AI 任務(wù)覆蓋率為零，典型崗位包含廚師、摩托車維修工、救生員、調(diào)酒師、洗碗工、更衣室服務(wù)人員等。同時，還有大量工作仍長期處于 AI 能力邊界之外，包括樹木修剪、農(nóng)機(jī)操作等體力農(nóng)業(yè)勞動，以及法庭代理等法律實務(wù)工作。

分化不再是“高技能 vs 低技能”，而是“是否被 AI 覆蓋”。以現(xiàn)有就業(yè)規(guī)模為權(quán)重開展職業(yè)層面回歸分析，結(jié)果顯示：AI 實際暴露度越高，崗位增長預(yù)期越疲軟。任務(wù)覆蓋率每提升 10 個百分點，BLS 崗位增長預(yù)測值對應(yīng)下降 0.6 個百分點。這一弱相關(guān)性，驗證了本指標(biāo)與專業(yè)勞動力市場研判數(shù)據(jù)的一致性；值得注意的是，僅依靠傳統(tǒng)理論能力系數(shù) β，無法觀測到該關(guān)聯(lián)特征。

學(xué)歷層次更高，還更容易失業(yè)了

真正讓人不安的是人口結(jié)構(gòu)層面的發(fā)現(xiàn)。對比高暴露度前 25% 群體與零暴露度 30% 群體的從業(yè)者畫像，兩類群體差異顯著：高暴露度群體女性占比高出 16 個百分點，白人占比高出 11 個百分點，亞裔占比近乎翻倍。

并且，AI 暴露度最高的群體，其平均收入比暴露度最低的群體高出 47%，且整體學(xué)歷層次更高。其中，零暴露度群體研究生學(xué)歷占比僅 4.5%，而高暴露度群體達(dá) 17.4%，差距近四倍。

極端情景測算顯示，倘若排名前 10% 的高暴露崗位員工遭到大規(guī)模裁員，高暴露度前四分之一群體的失業(yè)率將從 3% 飆升至 43%，整體失業(yè)率也會從 4% 上升至 13%。

而這些人，正是那些原本被認(rèn)為“受教育可以保護(hù)”的人群。有網(wǎng)友評價道，“說實話，這挺讓人驚訝的，但也說得通，因為他們可能擁有可以輕松轉(zhuǎn)移到快速發(fā)展的技術(shù)領(lǐng)域的技能?！?/p>

青年勞動者尤為值得關(guān)注，Brynjolfsson 等人報告稱，在 22 至 25 歲的人群中，高暴露職業(yè)的就業(yè)規(guī)模下降了 6%~16%。研究認(rèn)為，就業(yè)減少的主要原因是企業(yè)招聘放緩，而非離職或裁員人數(shù)增加。

此外，Anthropic 的研究人員發(fā)現(xiàn)，剔除 2020 至 2021 年特殊波動周期后，2024 年兩類崗位的青年招聘走勢出現(xiàn)明顯分化：企業(yè)面向青年群體的高 AI 暴露類崗位招聘意愿顯著下降。其中，低暴露度職業(yè)月度新增入職率穩(wěn)定維持在 2%，而高暴露度崗位新人入職比例下降約 0.5 個百分點。綜合測算顯示，自 ChatGPT 普及以來，高暴露職業(yè)的青年入職率較 2022 年下滑 14%，該結(jié)果處于邊際統(tǒng)計顯著水平；而 25 歲以上勞動者并未出現(xiàn)同類招聘萎縮現(xiàn)象。

初級崗位從來不只是“工作”，它們是訓(xùn)練場：初級分析師在這里成長為資深分析師，初級律師在這里學(xué)會如何構(gòu)建論證。如果這一層消失了，那么未來資深專業(yè)人士從哪里來？這個問題，目前還沒有答案。

同時，有網(wǎng)友感慨道，“如果 AI 取代所有知識型勞動者與技術(shù)技能人才，那么一旦模型當(dāng)前的訓(xùn)練數(shù)據(jù)趨于陳舊老化，由誰來生產(chǎn)下一代訓(xùn)練素材？又由誰來創(chuàng)作網(wǎng)絡(luò)上可檢索的海量內(nèi)容，這些內(nèi)容不正是 AI 模型生成輸出的核心原料？除此之外，當(dāng)絕大多數(shù) AI 核心使用群體都面臨失業(yè)，又有誰來持續(xù)承擔(dān)龐大的算力成本，為 AI 的運行與迭代提供資金支撐？”

https://www.anthropic.com/research/labor-market-impacts

聲明：本文為 AI 前線整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

世界模型的下一個突破在哪？Agent 從 Demo 到工程化還差什么？安全與可信這道坎怎么過？研發(fā)體系不重構(gòu)，還能撐多久？

AICon 上海站 2026，4 大核心專題等你來：世界模型與多模態(tài)智能突破、Agent 架構(gòu)與工程化實踐、Agent 安全與可信治理、企業(yè)級研發(fā)體系重構(gòu)。14 個專題全面開放征稿。

誠摯邀請你登臺分享實戰(zhàn)經(jīng)驗。AICon 2026，期待與你同行。

今日薦文

你也「在看」嗎？