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？
9 p# A. }, U- @
, n' T* R3 \! A+ t6 r% H1 h
# z  Q4 g7 b$ M1 I2 t. o
( V7 X7 y5 T8 F  S* S1 M 3.30‍‍‍‍‍‍‍
0 b  _0 _6 b' }; G' |6 ]# D知识分子
: J0 c( V# A0 V7 `$ b  Y+ b, AThe Intellectual
1 P: |7 d. }6 @' L


/ U6 w5 _- p5 I' B' v8 H图源：Unsplash / julien Tromeur
撰文｜知识分子

●                  ●                   ●

, A! Q' w! R; B* z9 G9 f$ @( O
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。
8 P: u/ I# P# H  B. \+ E& h9 ~

  K1 V; z& g$ ~( c! _2 i0 I# g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。
$ p; \& l( m8 B' B7 B

' P% B3 T  v; r% X6 B4 n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。
+ P6 H7 d  w! A! l, p9 u% @

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]。
; q6 \8 M) E) W: O2 m

2 h7 x6 o# q% c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。


01
( h1 x3 d7 S- j2 O

AI对当下就业的冲击没有达到预期
9 O  H7 C+ B/ y. c9 r

' y5 g2 g; u& z& Y: w- Y
! L( F1 r: M9 h! r7 M* ^- d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。
6 {- p$ z  M, t, Y1 v/ o! o

# z7 \& Z: ?) a' k/ Q& U) W0 v2 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。
4 X4 l( |+ w3 A# k0 p

& S$ B. i' }* I

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）

  [) M1 N, @8 c/ \) }/ F
: ]5 d1 b1 q* B0 t. R2 q2 z
+ u% k  G2 d4 E/ O2 u; w, E' z( G
8 F1 n$ K7 T6 v9 a0 B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。


  R: d5 j' d6 v5 C) k8 A* G) J2 Z3 i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。

& R# X- ]0 a; x1 u% d* T$ v
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。

) D6 A4 K# Z  U# y2 l/ ^
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。

7 D- k- H( ^3 o4 a
  a  Q0 `& [# G0 h2 S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。
2 z6 v' a' ~  D( E

' C3 Q" W( z' g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。

- a6 V- X8 R: R, S
在此基础上，研究团队进一步区分了两种不同的使用情境。

  R' R9 B- c# M! {' t
. D" O6 G' m' [* U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。


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。
% l. _8 u' U( a, G) K' p
' T7 H# I0 T( ]
# S6 B) d7 J2 N8 u6 L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。
6 T2 L2 {' i) j4 N4 T, I$ M# K

02
; ?8 k; }9 Q* Q, L

& B3 M7 {+ q1 G2 F! X程序员才是最大AI受害者？


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。

% v, J) |8 y" M- z9 w) y; T+ C3 F
7 D0 s' p9 K6 P& Z# m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。
( u1 y, I. u, l; |+ P& p
: q! _  C! L5 Y, u: t- _/ ?# P
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。
$ D( P" k. N# x9 l4 P6 q' Z9 y; N
" v, U; u" _7 r- T* |
8 A' j) }3 @6 G$ B( W8 t: h

1 W: t5 ]1 t/ o/ i, Z
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]。
: J$ z, P( D. z
7 ?/ K( F, Z- j' j
7 `% q0 e  l8 @, G. T' i% \$ R( C6 B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。


7 w' U0 z1 x2 o+ c; k0 S8 y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。


% I+ h. ]( L& v, B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。
$ k$ G# A! Q4 a5 A
( c3 E3 o- i% j( v* W! C' b, ~
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。
) i7 S; Q  M/ @1 ?) J# [
! e; S2 A& v2 @; ^; ?+ u3 Z2 f
8 ?% f0 t" r: @. O7 d/ B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。
, c2 {0 r" m! t% w( A
/ K/ F% i$ y% Q' E, [. Z* {
7 h, A' F9 K# ^! N4 _03
5 X; O" n9 ]$ x/ k
3 q% u' L9 A8 p- O) d( f" E8 F
受冲击的工作没有消失，但是逐渐不招人了
- |0 m, |0 C/ v' R2 ^
* C7 A1 U! {1 f
3 V% Z/ g; H8 G+ B9 A# v8 W: m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。

7 [3 h9 h, K1 h5 y. W8 x# f
# u4 K6 p* }# Q0 g& {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。


8 f- J' q! P+ c4 H$ w, A1 D. ~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。

1 U$ T; |+ b* a" O/ w: b" k) P& z" q) R
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。
- A; V( e. A$ n: a

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%。


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。
: ?# a0 J6 [' h4 M* i. Q8 A* v

4 k- u: W# q/ A5 G9 o- D2 |6 u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。
5 V+ y$ b$ A) \$ m
- @% e8 g( s8 }$ A1 B( Q9 [
& D8 p# z' e$ q3 Q8 m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。
% z0 p5 N4 M2 N& C4 X" u8 R

# e; o( Q9 Z4 R1 O5 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。
* \7 h) S7 N2 B1 k% L7 v( d3 G
: [; \, {- O6 `2 Q( Q" i
4 G  B& k1 N7 \% b" i; |- x4 s* }+ N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。

. |) g: V1 d+ a! A1 e
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。
/ J  l7 Z& s$ o, A0 l5 P

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。
4 G9 l7 H4 I+ [- T- l" l! ?

参考资料：
[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.

@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