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？
) A4 S/ T. f7 I8 E8 M3 Q) G# F

7 N- u# Q- j9 l3 S
3.30‍‍‍‍‍‍‍
( w, q" v& R) Z/ b! Y" b; {知识分子
! v0 ^: X' {' I3 u# T/ Z9 H8 L: [5 KThe Intellectual

' P3 ?4 g/ s- a8 @
7 E6 E3 \$ V- ?1 N, D) z5 A9 e
$ s# S# W, d4 P. T! l$ f图源：Unsplash / julien Tromeur
撰文｜知识分子

) Z, k$ Z5 |) n! d9 p% s3 u6 u" w
* F6 t* }7 F7 l: ]- ?$ `% L

●                  ●                   ●

6 j7 M3 F' E  q6 k8 B( @6 `1 h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。
7 W/ n1 v2 s, {7 j2 n/ X7 {
  I7 p8 G0 q# E7 J
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。

+ _# R" t  v  X
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]。

% ^; K- [* @9 v. _. l1 G
# x) H, |! H' V. R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


8 a' N7 Q; t5 q* s& m5 w( QAI对当下就业的冲击没有达到预期
) ]/ @2 Q2 `0 p& 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。


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。
+ g" |! s7 `1 e. ]" B0 {1 p! a& `' 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。
: X2 U' u7 [8 q6 y+ X; C

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）

3 N9 Z+ g+ W, C& k! w. @


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。
; n/ s+ C" z# p
+ r. I) K8 I4 G& e0 a$ {
9 S' Z9 b" D; c7 A, ~  v. ]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。

" J$ U- y* s2 b
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。


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。


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。
. d8 G5 x4 M" |8 C
7 ]& m0 I4 u7 m. X7 ~9 u
  Q' Q* r4 H4 v5 }. S) 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。
9 F% l% }0 C1 p/ W0 K

; T0 d% i; E& v6 F* h) R: H在此基础上，研究团队进一步区分了两种不同的使用情境。
9 Y1 i( z0 p2 z% o& W" b' q

& m; j( c, V& p+ u/ `, u4 c) J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。
1 t( D8 j& m! j# V9 ^

" e( o$ y3 O8 P5 {8 F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。
8 c) f5 p! T* z! I' S
+ U: c) Y3 {8 U' ]
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。

  ]# ^; Q5 X) \  t/ Y
02

2 a: _) K; Q: w2 }4 M3 O
$ j' S. l1 W& b4 ]9 V9 o7 v, r# ^程序员才是最大AI受害者？
6 P# g; ^9 ^$ s1 k5 w5 d

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。


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。
1 `& W2 {7 o, ~5 ?7 Y
& }/ @8 h* t$ d0 ]* W2 C: O
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。


% t$ q. ?  h6 G- F% y
3 r+ }6 J. X# N: {
; T9 W6 S! H/ n2 U7 `
; K5 ~: V0 O8 S7 V, g( m- C, L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]。

6 g+ X1 I4 I4 u0 R7 i2 b2 c
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。
- }( b! G( Y# Z& S

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。


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。


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。


  s% v; H2 E& O: i; M03


受冲击的工作没有消失，但是逐渐不招人了
6 j1 W% `0 A& J  i& V

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。
, p6 r4 g$ z( e4 t' X/ i3 h

' j2 }  `0 k! Z/ |4 G' ]& D, O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。
1 r5 A2 |( D# w' s" V6 v
4 ^/ [: Q' E4 ^9 y, v
9 Z3 l, J4 ~) ]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。
8 h) ?) J1 Y2 K7 z$ t6 a
, C- j4 e  p* ]- f7 |
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 z4 `9 H/ ]7 `5 I
) D, y# ]3 E# r9 q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。
4 U" m5 F% ?5 i& V1 U7 e8 R; W+ g. A! |
! u  ^! v! c$ X( X4 r# Q6 H. i
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。
6 t) @$ V. ^9 P* Y- W

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。

5 [7 s9 `. \) S  d' X
; ^( o: T3 z7 U2 Q1 O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。


7 G/ }; x- J) |2 }; }6 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。
* P, a) ]$ n: V8 t
( Y7 D- d& D: @" E0 _
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。
3 x) U' c, ]7 w3 n8 J
( y" |  A% m6 w+ J3 E, F3 V
) ^) A6 `* V  ?. A$ v 参考资料：
[1] Anthropic. (2026, March 5).Labor market impacts of AI: A new measure and early evidence. Anthropic.
! P$ L9 \# N& e* ^5 _0 D3 u) }[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.
( [5 n: z* ?2 S9 p, Y1 z[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