圖源：Unsplash / julien Tromeur

撰文｜知識分子

過去兩年，關(guān)于人工智能是否會大規(guī)模取代人類工作、重塑勞動力市場的討論幾乎充斥了全球的媒體、學(xué)術(shù)和政策圈。預(yù)測、報告和熱議層出不窮，但真正基于真實使用數(shù)據(jù)、可以量化 AI 對不同職業(yè)影響的研究卻寥寥無幾。

近日，美國人工智能公司 Anthropic 發(fā)布的Anthropic經(jīng)濟指數(shù)（Anthropic Economic Index）提供了一種全新的觀察視角。Anthropic 是 OpenAI 之外全球最重要的大模型研發(fā)機構(gòu)之一，旗下的Claude已經(jīng)成為最著名的AI大模型之一，而且在AI編程方面影響力突出。

過去關(guān)于 AI 與就業(yè)的研究，大多遵循一種相似的思路，先把一項職業(yè)拆解成許多具體任務(wù)，再根據(jù)任務(wù)描述，推斷它們在多大程度上可能被 AI 替代。這種方法引出的很多結(jié)論實際上是建立在推斷上，而不是來自真實的使用數(shù)據(jù)。

但是作為最有影響力的AI公司，Anthropic 有著可靠的一手數(shù)據(jù)，研究者直接觀察現(xiàn)實世界里人們是如何使用 AI 的。通過對 Claude大量使用數(shù)據(jù)進行整理，并與美國勞工部的 O*NET 職業(yè)數(shù)據(jù)庫進行匹配，做出了全新的分析[1]。

研究團隊沒有只停留在AI能完成什么任務(wù)的能力評估上，他們試圖進一步回答一個更現(xiàn)實的問題:這些理論上可以由大模型完成的任務(wù)，在真實的專業(yè)工作流程中，究竟有多少真的被AI接管了。

01 AI對當下就業(yè)的沖擊沒有達到預(yù)期

從結(jié)果上看，這項研究發(fā)現(xiàn)，AI實際的應(yīng)用遠遠沒有達到理論估計的潛力。

下圖藍色的部分，是2023年由OpenAI研究人員在一項發(fā)表在Science的研究中做出的理論估計，在這份估計中，計算機和數(shù)學(xué)類職業(yè)理論上約 94% 的任務(wù)，都有可能被人工智能加速完成[2]。管理、商業(yè)金融、法律等等行業(yè)都是重災(zāi)區(qū)，這更符合我們對于AI帶來就業(yè)危機的想象。

但按照Anthropic研究的結(jié)論，AI實際的影響范圍，只有初看這幅圖時可能不會注意到的紅色部分，Claude 目前只覆蓋了計算機與數(shù)學(xué)類職業(yè)33%的任務(wù)，而這幾乎是AI影響最大的一個領(lǐng)域了。

大語言模型在理論上可以執(zhí)行的工作任務(wù)占比（藍色區(qū)域），以及研究者基于實際使用數(shù)據(jù)得出的崗位覆蓋度指標（紅色區(qū)域）

為什么這次得出的結(jié)論和過去差距很大？因為作者根據(jù)Claude的真實數(shù)據(jù)，進行了更詳細的任務(wù)權(quán)重分配，并且在把工作拆解成任務(wù)之后，還用真實數(shù)據(jù)估測了每項任務(wù)的在工作中占據(jù)的時間。

過去的研究很多只是簡單計算了各個工作任務(wù)是不是能由AI替代，從而得出一項工作整體的AI替代情況?？墒茿I雖然能夠替人完成工作中的很多內(nèi)容，卻往往處理不了一項工作中最重要、最費時的任務(wù)，這導(dǎo)致理論上的替代率和實際的使用情況相差極大。

這次，研究者從任務(wù)和時間兩個層面入手來衡量職業(yè)對 AI 的“觀察到的暴露度”（observed exposure）。具體方法是把一個職業(yè)里所有任務(wù)的 AI 暴露程度算出來，再根據(jù)這些任務(wù)在工作中占多少時間進行加權(quán)平均。

首先，研究團隊統(tǒng)計了 Claude 中所有被分類為工作相關(guān)的任務(wù)，并利用已有方法將教育或個人用途的對話剔除，只留下工作場景下相關(guān)的內(nèi)容。比如，用 AI 輔助講解科學(xué)課程或提供健康建議，并不等同于自動化教師或護士的核心工作，因此不納入統(tǒng)計。

接下來，作者將這些使用記錄與職業(yè)數(shù)據(jù)庫中的任務(wù)進行匹配。他們先識別出一批在能力上理論上可以被大模型加速的任務(wù)，例如撰寫說明、總結(jié)資料、檢索信息或?qū)ξ谋具M行分類。這些都是大語言模型能夠處理的信息型工作。

最后，研究者再利用大模型 API 的調(diào)用記錄來觀察這些任務(wù)在現(xiàn)實中的使用情況。當企業(yè)或軟件系統(tǒng)通過接口調(diào)用模型時，會留下調(diào)用頻率、提示詞以及使用方式等信息。通過分析這些數(shù)據(jù)，研究者能夠大致還原出 AI 在實際工作流程中的位置，并判斷這些任務(wù)究竟是被自動完成，還是僅僅作為輔助工具使用。

在此基礎(chǔ)上，研究團隊進一步區(qū)分了兩種不同的使用情境。

如果某項任務(wù)在 API 流量中表現(xiàn)出明顯的自動化特征。例如，模型的輸出會被系統(tǒng)直接接收并進入下一步流程，這種不需要人工介入的情況。研究者便將其視為完全自動化，并在統(tǒng)計中賦予 1 的權(quán)重。這意味著，這部分工作已經(jīng)基本由機器承擔(dān)。

另一種更常見的情況，則是 AI 被當作輔助工具。例如生成報告初稿、總結(jié)資料，或提供若干備選方案，隨后仍需要由人類進行篩選、修改和定稿。在這種人機協(xié)作的場景中，研究者將該任務(wù)記為 0.5 的權(quán)重。

至于每個任務(wù)在工作中占多長時間，這里研究團隊用了獨家數(shù)據(jù)，在去年年底的一項研究里，他們從 Claude中抽取了十萬次真實對話，估算這些對話中有無 AI 輔助，以及每個任務(wù)所需時間。

02 程序員才是最大AI受害者？

利用新的分析結(jié)果，研究團隊重排了AI暴露最嚴重，也就是受影響最大的十個具體工種，這些職業(yè)大多數(shù)都是信息處理相關(guān)。

排在首位的是程序員，他們的日常工作中約有74.5%的任務(wù)可以被 AI 覆蓋。其次是客服，這項工作是調(diào)用API，也就是自動化的比例最高的。數(shù)據(jù)錄入員、醫(yī)療信息錄入員，以及金融、市場分析師、信息安全分析師這種分析數(shù)據(jù)的工作，工作的內(nèi)容很大程度上也會被替代。

所有工作里，有30%完全沒有AI暴露度，比如廚師、摩托車機械師、救生員、調(diào)酒師、洗碗工等等。這些工作的內(nèi)容不太可能被AI替代，因為利用AI數(shù)據(jù)太少，它們甚至無法被有效統(tǒng)計。

工作內(nèi)容被AI替代不一定直接等同于工作消失，但是工作的形態(tài)可能會發(fā)生變化。研究團隊在今年年初的另一項研究中做了一項推演，他們嘗試去掉那些可以被AI接管的任務(wù)，看看剩下的工作內(nèi)容是會是什么。需要注意的是，這個推演是比較理想化的，它更多反映了一種理論上的可能性，而非短期內(nèi)必然發(fā)生的職業(yè)演化[3]。

推演的結(jié)果是，對于許多白領(lǐng)職業(yè)而言，首要的影響是技能降級（deskilling），由于 AI 承擔(dān)了原本需要高學(xué)歷才能勝任的任務(wù)，這些工作的專業(yè)護城河正在崩壞。

以技術(shù)寫作這個職業(yè)為例，過去需要完成一些含金量高的任務(wù)，如“分析特定領(lǐng)域發(fā)展以確定修訂需求”，通常需要 18.7 年的受教育背景。或者“審閱已發(fā)布材料并提出修改建議”，大約需要 16.4 年的教育。

當算法接管了這些腦力活后，留給人類的任務(wù)便退化成了“畫草圖說明材料”這類，它的門檻低多了，僅需 13 年左右的受教育年限。和過去相比，崗位整體技能水平明顯下降，如果說以前需要的是大學(xué)生，現(xiàn)在高中生就能完成了?？梢宰鲞@份工作的人多了，但是它的門檻也沒了，薪資可能會受到?jīng)_擊。

與之相反，部分職業(yè)可能經(jīng)歷技能升級（Upskilling），被迫走上高學(xué)歷路線。房地產(chǎn)經(jīng)理便是一個典型。當 AI 自動化處理了維護記錄（12.8 年）和比對租金（12.6 年）等行政雜事后，剩下的工作內(nèi)容反而向更高階的談判、貸款申請和利益相關(guān)者溝通集中。這種演化的結(jié)局是，職業(yè)門檻被進一步拉高，就業(yè)人數(shù)可能會減少，但留下的精英群體將獲得更高的薪資溢價。

對高學(xué)歷群體而言，他們從事的職業(yè)可能會像兩極演變。要么像房地產(chǎn)經(jīng)理那樣，向高技能、高判斷力任務(wù)集中實現(xiàn)升級，但代價是行業(yè)只能容納一小部分精英。要么就像技術(shù)寫作行業(yè)一樣，像標準化、低技能靠攏，高學(xué)歷群體只能眼睜睜看著自己多年寒窗苦讀換來的專業(yè)技能，在算法的蠶食下失去價值。

03 受沖擊的工作沒有消失，但是逐漸不招人了

哪種工作，哪個人群最容易受到AI的沖擊，也是討論AI就業(yè)沖擊的經(jīng)久不衰話題。

在分析中，研究者根據(jù)各職業(yè)的“觀察到的暴露度”（observed exposure）對所有職業(yè)進行了排序，并按暴露程度劃分為四個等份。其中，暴露度最高的 25% 職業(yè)被歸為“高暴露”群體，而暴露度最低的 25% 職業(yè)則被視為“低暴露”或“未暴露”群體。

按照這一劃分方式，一些計算機與數(shù)學(xué)類、商業(yè)與金融類、辦公室與行政支持類以及銷售類職業(yè)往往出現(xiàn)在暴露度較高的區(qū)間，因為這些崗位包含大量可以被 AI 輔助或自動化完成的信息處理任務(wù)。相反，一些需要現(xiàn)場操作或體力勞動的職業(yè)，例如廚師、機械維修工、救生員、酒吧服務(wù)員或洗碗工則幾乎沒有出現(xiàn)在 AI 使用數(shù)據(jù)中，因此被歸入暴露度最低的區(qū)間。

AI高暴露的職業(yè)，往往是傳統(tǒng)上我們印象中的辦公室工作，或者說白領(lǐng)、知識性的工作。這些勞動者普遍擁有著高學(xué)歷，女性、亞裔的比例也更高。

統(tǒng)計顯示，在 AI 暴露度最高的職業(yè)中，女性比例比低暴露職業(yè)高出約 16 個百分點。同時，這些職業(yè)中的勞動者通常具有更高的教育水平和更高的收入。例如，擁有研究生學(xué)歷的比例在高暴露職業(yè)中達到 17.4%，而在低暴露職業(yè)中僅為 4.5%。

從總體就業(yè)角度看，目前仍沒有明顯證據(jù)表明人工智能已經(jīng)導(dǎo)致失業(yè)率上升。自 ChatGPT 在 2022 年末發(fā)布以來，美國勞動力市場中那些 AI 暴露程度最高的職業(yè)群體，其失業(yè)率變化與其他職業(yè)群體基本相同。這意味著，至少在目前階段，人工智能尚未引發(fā)大規(guī)模的就業(yè)沖擊。

但暴露度最高的職業(yè)，未來就業(yè)的增長可能有著溫水煮青蛙的風(fēng)險。美國勞工部下屬的 U.S. Bureau of Labor Statistics 定期發(fā)布的職業(yè)就業(yè)預(yù)測顯示，將職業(yè) AI 覆蓋率與 2024—2034 年的就業(yè)增長預(yù)測進行比較后可以發(fā)現(xiàn)，覆蓋率每增加 10 個百分點，對應(yīng)的就業(yè)增長預(yù)測平均下降約 0.6 個百分點。

雖然幅度看似不大，但在長期累積下，這意味著 AI 使用最密集的職業(yè)，未來擴張空間會持續(xù)受到壓制。換句話說，那些以信息處理為主的白領(lǐng)崗位，雖然還沒直接面臨裁員的危機，但就業(yè)前景可能會緩慢收緊。

另外，失業(yè)率維持平穩(wěn)背后可能隱藏著一個統(tǒng)計上陷阱。一個人得先有一份工作，才有資格在丟掉它時被計入失業(yè)統(tǒng)計。對于那群剛走出校門，簡歷還沒投出去，就撞上行業(yè)大門緊閉的年輕人來說，他們甚至連在統(tǒng)計系統(tǒng)里獲得一個職業(yè)標簽的機會都沒有。

數(shù)據(jù)細節(jié)顯示，如今低暴露職業(yè)的月均入職率穩(wěn)定在 2% 左右，而進入高暴露職業(yè)的入職率則下降了約 0.5 個百分點。

更直白的數(shù)據(jù)是，與 2022 年相比，ChatGPT 發(fā)布后高暴露職業(yè)的入職率平均下降了 14%，盡管這個變化在統(tǒng)計上還不夠顯著。值得注意的是，這種招聘放緩的現(xiàn)象在 25 歲以上的勞動者群體中并未出現(xiàn)。

原本以為 AI 帶來的就業(yè)危機會是一場大規(guī)模的裁員，將人掃地出門?？涩F(xiàn)實卻是，它并沒有急著趕走屋子里的人，而是把本就對年輕人敞開程度有限的職場大門，關(guān)得更緊了。

參考資料：

• [1] Anthropic. (2026, March 5).Labor market impacts of AI: A new measure and early evidence. Anthropic.
• [2] Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023).GPTs are GPTs: An early look at the labor market impact potential of large language models. Science.
• [3] Appel, R., Massenkoff, M., McCrory, P., McCain, M., Heller, R., Neylon, T., & Tamkin, A. (2026, January 15).Anthropic Economic Index report: January 2026. Anthropic.