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？
: A5 i# Q  v) u& E
4 c8 q6 D) R4 Z

$ a, r! N( [9 w. y 3.30‍‍‍‍‍‍‍
( v' K* P- ?' p; w知识分子
The Intellectual
% y, N  R; m9 l3 w
' t* Z$ e& T, N$ f  u: n. c; ~* n

8 L. y- _% u: J; f! y3 J图源：Unsplash / julien Tromeur
7 s  C2 Y7 M8 }9 d撰文｜知识分子


' T5 _$ |* T+ ~2 h

●                  ●                   ●

9 u+ R% r! |4 Z1 V
9 `7 _! A1 ~1 ]+ Y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。
: M# ~& K+ e& d- N; Z
0 y% X1 U5 o+ z+ a
- d# r1 s5 P% t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。


' B# ~( W; c8 l2 w$ r5 H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。
& ~8 k7 T( C/ y! ]. ^& @7 ~1 }
% v$ Z6 h6 u- M% q/ I
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]。
+ I# N% e9 ?7 v9 L6 S) [! D1 ^  X

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。


/ J2 U$ }( O9 p01
4 |* ^( Q! M# o% J5 t2 \4 \

AI对当下就业的冲击没有达到预期
8 p9 t& n5 n/ a

5 C9 _; X: s9 M
8 [1 |. r; f% H9 d' z  R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。


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。
/ f" Z+ n! h2 y  ^4 I; B" I/ p

3 {# Q! x) Y% I  O) `, h# v# z- a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。
8 y) c5 ^. U9 h! r6 |) [- \" \! m
3 f. K3 [+ i4 C5 Z# t$ d

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）

8 w7 p0 ]+ a$ x) f8 ?


' T; L) W; S! C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。
6 B( h' r5 s& B1 W8 Z

+ k& }7 p$ I9 {2 }/ J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。


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。


7 y, n0 f$ a$ f* r+ n$ {( q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。
1 @* s  ~  N" [) D" X

0 P" W, x* |/ N8 F2 |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。


* i1 A* V6 n2 t- K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。
6 S5 J/ ]! Y3 X/ ^: b% y1 j

. R5 y, m6 F1 B/ v% z在此基础上，研究团队进一步区分了两种不同的使用情境。
- @3 J( m5 F% H, o2 |! t/ ]
* ~8 Z9 ^8 m7 b/ ]0 t! W& |# V
9 @, R  X- a4 O; q! B" _, y$ _: f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。
& E* g4 t5 N+ d7 u

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。
1 `7 }+ d' ?- V

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。


( A# \+ H  q6 J2 G02
; `9 g% m  _& n
6 c6 n0 Z% b7 c; x" f
程序员才是最大AI受害者？

+ ^% i  f* k9 M; o0 F2 ?% s
6 b  t- h* a6 e# I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。
- U9 u( l- T3 m# ~2 I
: b! h" @. W1 h
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。
  [9 s- W# B; j# C3 s* n
6 n, `% ?4 x9 o4 M7 ^9 @
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。


9 ^0 b: D; d- K


3 e6 l4 H& C- y9 Z' S. I2 M4 `0 f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]。


# b$ b8 G. }  p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。
# j" W3 L- V# o) [* h& m
2 i/ ?2 i" v- {
5 g+ t4 S+ r; \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。
/ {- E) G4 Q4 w6 |# [4 d
+ ]- ^; E, G% |  j
6 n5 k0 E' B5 g6 G3 v+ U1 L* q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。


% T% J; t; w4 P( {. Z4 q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) b' |& X1 Q2 n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。
  i2 r( u3 R$ G) X* R$ O) `* e
) O3 @) W+ Q/ Q+ w9 z, Z
03

( Y4 I, H  U" Z; `6 ~7 L9 Z
9 k/ W4 K4 |6 c4 Z# x0 f受冲击的工作没有消失，但是逐渐不招人了


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。
3 B0 N8 M# o2 q  X
; n: p0 o+ n" i. J
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。


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。

# X; P1 G" \. }# W2 ]
0 [; L( W! l1 w7 \5 `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。


. r' _& L& y& {6 y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%。
8 `4 O- Q! a  p" d, ^* B. ?
9 M( r& D9 i: p6 A: B1 w8 z
/ s. ~& ~3 ]* `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。


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。


- S5 g' k# w% K. w2 n6 m% d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。
3 |4 \4 {6 ]! P1 V4 Y2 e

2 I# i4 E  G8 t! i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。
  g) k$ v+ n3 z5 P9 w( L+ R6 u% h' p

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。

, i! M6 t# J' X+ l$ A* d
* u$ Z: f' o' j; s' z" {. R1 T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。


# l6 A2 J9 b; i4 ]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。


: a+ d9 w6 d" H+ ]3 u! Z5 ] 参考资料：
[1] Anthropic. (2026, March 5).Labor market impacts of AI: A new measure and early evidence. Anthropic.
; V4 p( R) x  k# v( B[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.
( X& @# p0 i6 Q) `2 K/ k+ q[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