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？
( w, p+ X2 q) J- H9 Z( \7 [
: ]0 k  t( p4 ?9 ~3 r/ {
8 P7 Q! k9 Q4 `5 L
3.30‍‍‍‍‍‍‍
, k/ j0 H& P2 m  I( ]知识分子
* b  r3 N2 c& T+ s5 X, SThe Intellectual


2 s# s& K$ G/ g; `+ I9 Y) e7 ~
图源：Unsplash / julien Tromeur
撰文｜知识分子

7 h5 U" V0 G5 b% o
- l" T% }: P% H3 V* G. ]

●                  ●                   ●

$ I" C* J& ~1 q" [  q, Q3 J+ Z
' x2 [$ D( T% E/ E' ]5 A
. F! O9 H4 T+ |. z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 E5 T- e" g% H( W) e
1 T$ X) m6 [6 l( D/ L  |% J. v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* |2 O- ~% r3 E  t; V# o
; g# d. o# }$ e# L" u. T) |5 I
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。
% ^' O. O  G  }

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]。


1 l4 i6 e% r% k6 B7 _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
1 y3 L! H; y  N* [. Z' }

/ [! \9 g# v& u; bAI对当下就业的冲击没有达到预期

. w2 I5 t/ E- L+ p# u; k

# N8 E% T9 g6 H( ^' q) 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。
* J3 J9 c0 i* f1 X8 o

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。

9 \) T9 U- b- z' J! s1 {& b
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。
7 B" {7 L. u% O! U

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）

/ g# m! B2 M3 ^8 f  `% Y6 Y: k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。

4 @, U( E: ]6 Y. g( n. ~6 m9 c8 n6 g' C
7 T& }9 J& S3 s+ |$ U4 P  y- ^. p# l  p' `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。
3 c& a" ~/ Q' y

/ P: g8 W. P8 z' p' m4 l9 h$ Y+ r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。

  C" [/ f3 o2 d2 y- e; v
' q+ b: k/ B  A  Z+ i8 r  ^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。


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。
. p" i3 p& p, u7 {. X8 x0 P, b2 _0 N
4 M4 H( y& Z( G4 W6 j0 t
在此基础上，研究团队进一步区分了两种不同的使用情境。


- f0 v0 c+ x7 J5 @# @( N0 W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。
* ]- U( z+ T6 j* ~! z

# k9 G2 F. L* y' k* x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。
3 d9 }3 M$ _, ^0 g, \. k5 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。


02
; {- X6 w' ~7 s- R% s

程序员才是最大AI受害者？
6 U. y- |. S6 L6 u/ n

/ [1 p$ ~4 B! A- [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。


) p5 p+ Q5 g. {. P+ i# M" b4 t  T& z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 P3 B/ c3 e/ D9 f
/ L- A9 x9 p  Y% [$ `3 m
; n8 u' c/ k0 h& g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。
+ q! N/ C5 w0 j& E& r0 [



1 a: r( L- \% s( {; J3 y
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]。
  l. M+ W- r" p9 L0 o8 a

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。

! e1 j+ w( F+ S! [; c* b5 p
6 |- Y8 x* Z7 Q) x6 g. [" U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。
8 D) A: a0 ?( ]! ]. j% e

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。
+ j/ n- `; f( d/ A( y3 e+ q& o
6 Q9 A: s% m- F6 K
7 M& E: }3 g) S2 ^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。

& a' h' l$ v( v
7 E# U7 s# y8 `3 l# L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。
- r5 Z- @9 L7 }! ^+ j* l5 S4 C

. e* E8 f( e& D9 H03

3 b& g8 Y, o- G( t# L% V* q0 h
# E9 Q$ q: k3 e5 Z  Z5 G受冲击的工作没有消失，但是逐渐不招人了

$ `( l7 \. d' g. y
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。

. _$ i. Z( R7 A+ r) |
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。
0 m9 {) \9 E: M% }

4 @" H" J  X4 X- b) o& _+ M* C% j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。

3 `, w! O+ o- f  E% b0 @
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。


; l  ~( U; `  U2 |/ K  Y/ @& H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%。
+ ~0 H$ O$ D- i

. ^  y) y2 S6 w! @1 r/ ~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。


7 v% R9 [& u" o* `0 e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 q6 `" K8 E  D" _
3 w! E8 ~! `3 K6 D1 T9 [
" Z* l; {9 }8 v: [4 q1 Q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。


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。


) D" x' [. `* Z+ R/ u/ D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。
: W4 d: Q. |5 r7 b, U5 C* r' n

( L6 I2 [- `) M3 W" U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。


- \. n1 J2 V% r9 L$ E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。

  {  X: B/ a2 b2 E8 A
参考资料：
[1] Anthropic. (2026, March 5).Labor market impacts of AI: A new measure and early evidence. Anthropic.
( p* A/ r0 a' R[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.
, W4 C9 l. S4 u+ n8 [. q8 y! S: O[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