AI冲击之下，年轻人与高学历女性更受伤

牵着海龟逛沙漠

问AI · Anthropic研究如何用真实数据刷新AI就业影响认知？
. n5 B- K9 c$ J

9 C5 X' J6 L/ P0 v: V
- X. V$ z% w8 f) ^ 3.30‍‍‍‍‍‍‍
知识分子
/ O  ^+ Q: H* w& Q! ~The Intellectual
* I+ N) ?/ q( X+ O/ E5 O1 s
" v3 _/ n% c- l& R8 s
9 @! n9 j+ i0 }" L2 A) q) \
图源：Unsplash / julien Tromeur
撰文｜知识分子
: K9 Y# I' Z: ^; G! Y

●                  ●                   ●

* p, B2 I* Z/ I7 V5 w1 O$ \
0 ?( j8 F  s  }0 ^7 m/ n, @
( o  ~3 J" i! M( s" h$ M% {过去两年，关于人工智能是否会大规模取代人类工作、重塑劳动力市场的讨论几乎充斥了全球的媒体、学术和政策圈。预测、报告和热议层出不穷，但真正基于真实使用数据、可以量化 AI 对不同职业影响的研究却寥寥无几。

$ s6 r! ~$ ?* V- U: n3 t/ j
5 W, r2 X+ K5 k( S$ _; l近日，美国人工智能公司 Anthropic 发布的Anthropic经济指数（Anthropic Economic Index）提供了一种全新的观察视角。Anthropic 是 OpenAI 之外全球最重要的大模型研发机构之一，旗下的Claude已经成为最著名的AI大模型之一，而且在AI编程方面影响力突出。
% K: a) P# E5 }9 C0 f* K& C
$ K% ?- U  j5 w! N1 S1 U
1 w# D. o) ^! K7 }( z; r过去关于 AI 与就业的研究，大多遵循一种相似的思路，先把一项职业拆解成许多具体任务，再根据任务描述，推断它们在多大程度上可能被 AI 替代。这种方法引出的很多结论实际上是建立在推断上，而不是来自真实的使用数据。


但是作为最有影响力的AI公司，Anthropic 有着可靠的一手数据，研究者直接观察现实世界里人们是如何使用 AI 的。通过对 Claude大量使用数据进行整理，并与美国劳工部的 O*NET 职业数据库进行匹配，做出了全新的分析[1]。
' `2 p$ T% M4 y/ h3 O- V/ Z3 L

研究团队没有只停留在AI能完成什么任务的能力评估上，他们试图进一步回答一个更现实的问题:这些理论上可以由大模型完成的任务，在真实的专业工作流程中，究竟有多少真的被AI接管了。
/ x9 U5 A4 J2 U9 p6 z
, x9 x- ?( s/ l* {! S2 ?
01

$ P! W3 R( G  P0 {- e' N9 G
AI对当下就业的冲击没有达到预期
8 y! W& l" D: P- o* q9 B. T/ `9 w
2 ]9 @# T8 r8 J" ?& t7 f$ u

1 q4 v/ k# D7 u+ p& k9 b从结果上看，这项研究发现，AI实际的应用远远没有达到理论估计的潜力。
5 x9 j% u% y* `8 [
! `3 H3 d. K4 u: B9 Z
/ x' V9 V. v$ [5 y7 ^# ~, ]; W) |( F下图蓝色的部分，是2023年由OpenAI研究人员在一项发表在SCIence的研究中做出的理论估计，在这份估计中，计算机和数学类职业理论上约 94% 的任务，都有可能被人工智能加速完成[2]。管理、商业金融、法律等等行业都是重灾区，这更符合我们对于AI带来就业危机的想象。
4 ^$ W1 n2 T+ U4 {* H( I
2 S& X8 H( U, w# J% S  i3 a
, y6 ^/ M# q# T# S但按照Anthropic研究的结论，AI实际的影响范围，只有初看这幅图时可能不会注意到的红色部分，Claude 目前只覆盖了计算机与数学类职业33%的任务，而这几乎是AI影响最大的一个领域了。
; T8 `$ {/ j: {# T: y2 W( L" D
4 T1 e$ y% N' N1 O1 K0 ^- ^
, o- `: ^6 _% k. h$ }

大语言模型在理论上可以执行的工作任务占比（蓝色区域），以及研究者基于实际使用数据得出的岗位覆盖度指标（红色区域）

6 n. h; Y3 ?0 d0 J, T

* S$ W; N+ x5 W  @/ A
为什么这次得出的结论和过去差距很大？因为作者根据Claude的真实数据，进行了更详细的任务权重分配，并且在把工作拆解成任务之后，还用真实数据估测了每项任务的在工作中占据的时间。

& Y! j! y" X/ h1 l6 G+ w
" g, o, {- V7 D: L过去的研究很多只是简单计算了各个工作任务是不是能由AI替代，从而得出一项工作整体的AI替代情况。可是AI虽然能够替人完成工作中的很多内容，却往往处理不了一项工作中最重要、最费时的任务，这导致理论上的替代率和实际的使用情况相差极大。
% u$ `# p* c0 `6 N8 i7 b

0 d. ^: |8 \. O, I" G/ `+ e这次，研究者从任务和时间两个层面入手来衡量职业对 AI 的“观察到的暴露度”（observed exposure）。具体方法是把一个职业里所有任务的 AI 暴露程度算出来，再根据这些任务在工作中占多少时间进行加权平均。
9 T- p0 m- x0 p! U  ~

8 w& [# H& J" q5 N) e. T6 D首先，研究团队统计了 Claude 中所有被分类为工作相关的任务，并利用已有方法将教育或个人用途的对话剔除，只留下工作场景下相关的内容。比如，用 AI 辅助讲解科学课程或提供健康建议，并不等同于自动化教师或护士的核心工作，因此不纳入统计。

6 P" v, z5 ^( ^) V. d
接下来，作者将这些使用记录与职业数据库中的任务进行匹配。他们先识别出一批在能力上理论上可以被大模型加速的任务，例如撰写说明、总结资料、检索信息或对文本进行分类。这些都是大语言模型能够处理的信息型工作。

6 D, w' O- m2 b3 D0 v& d  y
6 x6 u/ n6 o6 K! f! H5 q最后，研究者再利用大模型 API 的调用记录来观察这些任务在现实中的使用情况。当企业或软件系统通过接口调用模型时，会留下调用频率、提示词以及使用方式等信息。通过分析这些数据，研究者能够大致还原出 AI 在实际工作流程中的位置，并判断这些任务究竟是被自动完成，还是仅仅作为辅助工具使用。
; @  T5 N. i" \! q; u. s

) o$ P! X% V' H' v在此基础上，研究团队进一步区分了两种不同的使用情境。

& M: \5 u  F8 S, j0 C% I
+ j9 G( e  X# I& t4 H如果某项任务在 API 流量中表现出明显的自动化特征。例如，模型的输出会被系统直接接收并进入下一步流程，这种不需要人工介入的情况。研究者便将其视为完全自动化，并在统计中赋予 1 的权重。这意味着，这部分工作已经基本由机器承担。

' u0 Z$ o' F% g6 k0 p) _* w1 a# M
, h+ k5 F1 Q  |' C0 a6 P3 P. t另一种更常见的情况，则是 AI 被当作辅助工具。例如生成报告初稿、总结资料，或提供若干备选方案，随后仍需要由人类进行筛选、修改和定稿。在这种人机协作的场景中，研究者将该任务记为 0.5 的权重。
' L1 b, |/ u8 x) o+ r9 B% \
  E( ?5 u' w- @8 m1 R
$ f1 c" _. E2 ]: o; }. ~, W" A/ \至于每个任务在工作中占多长时间，这里研究团队用了独家数据，在去年年底的一项研究里，他们从 Claude中抽取了十万次真实对话，估算这些对话中有无 AI 辅助，以及每个任务所需时间。
5 H+ n4 W; w1 E* N: b) x

5 G6 S9 [$ V3 O& U+ b02
* F' X6 Z6 D7 P3 Y1 c

( I' O0 d8 l2 [3 ~7 |" s0 r程序员才是最大AI受害者？

! O+ C9 Q4 B5 t+ k# e/ |# x' }
利用新的分析结果，研究团队重排了AI暴露最严重，也就是受影响最大的十个具体工种，这些职业大多数都是信息处理相关。

3 W* D! X) o, r1 M& t3 T" X
排在首位的是程序员，他们的日常工作中约有74.5%的任务可以被 AI 覆盖。其次是客服，这项工作是调用API，也就是自动化的比例最高的。数据录入员、医疗信息录入员，以及金融、市场分析师、信息安全分析师这种分析数据的工作，工作的内容很大程度上也会被替代。


+ L. J" q, T; g5 D: |所有工作里，有30%完全没有AI暴露度，比如厨师、摩托车机械师、救生员、调酒师、洗碗工等等。这些工作的内容不太可能被AI替代，因为利用AI数据太少，它们甚至无法被有效统计。

8 W3 a$ t! C$ y% ?5 f
0 p- F, n0 a3 w) P7 V
0 z3 [" Q: p# b: N3 e" j& N
, _) N) w$ c8 N) T
- i! y& N$ T/ L* c, v, A8 r( o: H工作内容被AI替代不一定直接等同于工作消失，但是工作的形态可能会发生变化。研究团队在今年年初的另一项研究中做了一项推演，他们尝试去掉那些可以被AI接管的任务，看看剩下的工作内容会是什么。需要注意的是，这个推演是比较理想化的，它更多反映了一种理论上的可能性，而非短期内必然发生的职业演化[3]。


2 s# N/ C* X& X% [/ s! E推演的结果是，对于许多白领职业而言，首要的影响是技能降级（deskilling），由于 AI 承担了原本需要高学历才能胜任的任务，这些工作的专业护城河正在崩坏。

5 I; W3 c4 v2 l3 }4 u" v
以技术写作这个职业为例，过去需要完成一些含金量高的任务，如“分析特定领域发展以确定修订需求”，通常需要 18.7 年的受教育背景。或者“审阅已发布材料并提出修改建议”，大约需要 16.4 年的教育。


当算法接管了这些脑力活后，留给人类的任务便退化成了“画草图说明材料”这类，它的门槛低多了，仅需 13 年左右的受教育年限。和过去相比，岗位整体技能水平明显下降，如果说以前需要的是大学生，现在高中生就能完成了。可以做这份工作的人多了，但是它的门槛也没了，薪资可能会受到冲击。
% H3 W9 D$ _7 g: e# o" Y
/ }8 s1 Z$ g/ s, y' C( M9 s( @# U$ E
与之相反，部分职业可能经历技能升级（Upskilling），被迫走上高学历路线。房地产经理便是一个典型。当 AI 自动化处理了维护记录（12.8 年）和比对租金（12.6 年）等行政杂事后，剩下的工作内容反而向更高阶的谈判、贷款申请和利益相关者沟通集中。这种演化的结局是，职业门槛被进一步拉高，就业人数可能会减少，但留下的精英群体将获得更高的薪资溢价。
% l- d" S6 {: k# e

" a$ N- a* b! s7 q' v. V; n9 E对高学历群体而言，他们从事的职业可能会向两极演变。要么像房地产经理那样，向高技能、高判断力任务集中实现升级，但代价是行业只能容纳一小部分精英。要么就像技术写作行业一样，向标准化、低技能靠拢，高学历群体只能眼睁睁看着自己多年寒窗苦读换来的专业技能，在算法的蚕食下失去价值。

! s1 o* Q0 N1 z6 g( ^
03


受冲击的工作没有消失，但是逐渐不招人了

" c/ {; E" X' w8 r4 h
哪种工作，哪个人群最容易受到AI的冲击，也是讨论AI就业冲击的经久不衰话题。

4 ~0 X2 P3 x0 y3 R
* T8 r/ |" H: z9 w. j8 F% r1 F. d在分析中，研究者根据各职业的“观察到的暴露度”（observed exposure）对所有职业进行了排序，并按暴露程度划分为四个等份。其中，暴露度最高的 25% 职业被归为“高暴露”群体，而暴露度最低的 25% 职业则被视为“低暴露”或“未暴露”群体。


9 F8 j3 e$ t2 v2 K, B" ~7 o按照这一划分方式，一些计算机与数学类、商业与金融类、办公室与行政支持类以及销售类职业往往出现在暴露度较高的区间，因为这些岗位包含大量可以被 AI 辅助或自动化完成的信息处理任务。相反，一些需要现场操作或体力劳动的职业，例如厨师、机械维修工、救生员、酒吧服务员或洗碗工则几乎没有出现在 AI 使用数据中，因此被归入暴露度最低的区间。


AI高暴露的职业，往往是传统上我们印象中的办公室工作，或者说白领、知识性的工作。这些劳动者普遍拥有着高学历，女性、亚裔的比例也更高。

- N. l6 I9 u) {6 _2 P: ?- h1 m
统计显示，在 AI 暴露度最高的职业中，女性比例比低暴露职业高出约 16 个百分点。同时，这些职业中的劳动者通常具有更高的教育水平和更高的收入。例如，拥有研究生学历的比例在高暴露职业中达到 17.4%，而在低暴露职业中仅为 4.5%。
/ E  j7 K: h# q) U- g- L+ N% b
  s' H' E' ?0 ]( l
3 H. e2 t0 s5 l3 U$ }从总体就业角度看，目前仍没有明显证据表明人工智能已经导致失业率上升。自 ChatGPT 在 2022 年末发布以来，美国劳动力市场中那些 AI 暴露程度最高的职业群体，其失业率变化与其他职业群体基本相同。这意味着，至少在目前阶段，人工智能尚未引发大规模的就业冲击。
% c! t+ A: E' R* W

但暴露度最高的职业，未来就业的增长可能有着温水煮青蛙的风险。美国劳工部下属的 U.S. Bureau of Labor Statistics 定期发布的职业就业预测显示，将职业 AI 覆盖率与 2024—2034 年的就业增长预测进行比较后可以发现，覆盖率每增加 10 个百分点，对应的就业增长预测平均下降约 0.6 个百分点。

: X8 E4 q/ E3 ]  F. W& Q/ K
虽然幅度看似不大，但在长期累积下，这意味着 AI 使用最密集的职业，未来扩张空间会持续受到压制。换句话说，那些以信息处理为主的白领岗位，虽然还没直接面临裁员的危机，但就业前景可能会缓慢收紧。

% [4 T$ J/ R8 {2 A2 J7 P$ H! l
- b2 V. O9 `/ m$ {: f* z% M7 y! V8 g另外，失业率维持平稳背后可能隐藏着一个统计上陷阱。一个人得先有一份工作，才有资格在丢掉它时被计入失业统计。对于那群刚走出校门，简历还没投出去，就撞上行业大门紧闭的年轻人来说，他们甚至连在统计系统里获得一个职业标签的机会都没有。
. I' x+ R3 D3 b; o2 e! q4 y8 F

# ]1 F  l4 h9 [数据细节显示，如今低暴露职业的月均入职率稳定在 2% 左右，而进入高暴露职业的入职率则下降了约 0.5 个百分点。


+ ?$ h; q' N5 T4 G  X: Y, `更直白的数据是，与 2022 年相比，ChatGPT 发布后高暴露职业的入职率平均下降了 14%，尽管这个变化在统计上还不够显著。值得注意的是，这种招聘放缓的现象在 25 岁以上的劳动者群体中并未出现。

7 v7 S  `6 o" z, b$ v
) D* j$ |3 d6 i) }! H原本以为 AI 带来的就业危机会是一场大规模的裁员，将人扫地出门。可现实却是，它并没有急着赶走屋子里的人，而是把本就对年轻人敞开程度有限的职场大门，关得更紧了。


9 X. F: \9 {0 `( T5 v7 J& d4 `7 S 参考资料：
' }+ V) @- J# C  S  x( w8 @5 c" d[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.
6 s  B- \2 V8 D# _) d[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.

@Xizi_9Pu2IBhJ

图解新闻：一图读懂

雷霆教主杨永信

未来是“替代”与“收益”无关的，因为社会学和政治学上来讲，大量工作被替代，然后财富与收益减少，人越多越不稳定，会出事的～

o我是怪叔叔o

要么冲到行业顶层做不可替代的决策，要么主动学落地实操技能，卡在中间的普通脑力岗，最先被AI挤兑

悲惨世界悲惨我

实操技能，比如电工、水管工等等，是不会被替代。但同样会受到冲击。因为被AI替代下来的白领会涌入这些行业，用更高的学习能力降维打击。现在学电工的人已经开始变多了。

小Biu

@元宝