圖源：Unsplash / julien Tromeur

撰文｜知識分子

過去兩年，關於人工智能是否會大規模取代人類工作、重塑勞動力市場的討論幾乎充斥了全球的媒體、學術和政策圈。預測、報告和熱議層出不窮，但真正基於真實使用數據、可以量化 AI 對不同職業影響的研究卻寥寥無幾。

近日，美國人工智能公司 Anthropic 發佈的Anthropic經濟指數（Anthropic Economic Index）提供了一種全新的觀察視角。Anthropic 是 OpenAI 之外全球最重要的大模型研發機構之一，旗下的Claude已經成爲最著名的AI大模型之一，而且在AI編程方面影響力突出。

過去關於 AI 與就業的研究，大多遵循一種相似的思路，先把一項職業拆解成許多具體任務，再根據任務描述，推斷它們在多大程度上可能被 AI 替代。這種方法引出的很多結論實際上是建立在推斷上，而不是來自真實的使用數據。

但是作爲最有影響力的AI公司，Anthropic 有着可靠的一手數據，研究者直接觀察現實世界裏人們是如何使用 AI 的。通過對 Claude大量使用數據進行整理，並與美國勞工部的 O*NET 職業數據庫進行匹配，做出了全新的分析[1]。

研究團隊沒有隻停留在AI能完成什麼任務的能力評估上，他們試圖進一步回答一個更現實的問題:這些理論上可以由大模型完成的任務，在真實的專業工作流程中，究竟有多少真的被AI接管了。

01 AI對當下就業的衝擊沒有達到預期

從結果上看，這項研究發現，AI實際的應用遠遠沒有達到理論估計的潛力。

下圖藍色的部分，是2023年由OpenAI研究人員在一項發表在Science的研究中做出的理論估計，在這份估計中，計算機和數學類職業理論上約 94% 的任務，都有可能被人工智能加速完成[2]。管理、商業金融、法律等等行業都是重災區，這更符合我們對於AI帶來就業危機的想象。

但按照Anthropic研究的結論，AI實際的影響範圍，只有初看這幅圖時可能不會注意到的紅色部分，Claude 目前只覆蓋了計算機與數學類職業33%的任務，而這幾乎是AI影響最大的一個領域了。

大語言模型在理論上可以執行的工作任務佔比（藍色區域），以及研究者基於實際使用數據得出的崗位覆蓋度指標（紅色區域）

爲什麼這次得出的結論和過去差距很大？因爲作者根據Claude的真實數據，進行了更詳細的任務權重分配，並且在把工作拆解成任務之後，還用真實數據估測了每項任務的在工作中佔據的時間。

過去的研究很多隻是簡單計算了各個工作任務是不是能由AI替代，從而得出一項工作整體的AI替代情況。可是AI雖然能夠替人完成工作中的很多內容，卻往往處理不了一項工作中最重要、最費時的任務，這導致理論上的替代率和實際的使用情況相差極大。

這次，研究者從任務和時間兩個層面入手來衡量職業對 AI 的“觀察到的暴露度”（observed exposure）。具體方法是把一個職業裏所有任務的 AI 暴露程度算出來，再根據這些任務在工作中佔多少時間進行加權平均。

首先，研究團隊統計了 Claude 中所有被分類爲工作相關的任務，並利用已有方法將教育或個人用途的對話剔除，只留下工作場景下相關的內容。比如，用 AI 輔助講解科學課程或提供健康建議，並不等同於自動化教師或護士的核心工作，因此不納入統計。

接下來，作者將這些使用記錄與職業數據庫中的任務進行匹配。他們先識別出一批在能力上理論上可以被大模型加速的任務，例如撰寫說明、總結資料、檢索信息或對文本進行分類。這些都是大語言模型能夠處理的信息型工作。

最後，研究者再利用大模型 API 的調用記錄來觀察這些任務在現實中的使用情況。當企業或軟件系統通過接口調用模型時，會留下調用頻率、提示詞以及使用方式等信息。通過分析這些數據，研究者能夠大致還原出 AI 在實際工作流程中的位置，並判斷這些任務究竟是被自動完成，還是僅僅作爲輔助工具使用。

在此基礎上，研究團隊進一步區分了兩種不同的使用情境。

如果某項任務在 API 流量中表現出明顯的自動化特徵。例如，模型的輸出會被系統直接接收並進入下一步流程，這種不需要人工介入的情況。研究者便將其視爲完全自動化，並在統計中賦予 1 的權重。這意味着，這部分工作已經基本由機器承擔。

另一種更常見的情況，則是 AI 被當作輔助工具。例如生成報告初稿、總結資料，或提供若干備選方案，隨後仍需要由人類進行篩選、修改和定稿。在這種人機協作的場景中，研究者將該任務記爲 0.5 的權重。

至於每個任務在工作中佔多長時間，這裏研究團隊用了獨家數據，在去年年底的一項研究裏，他們從 Claude中抽取了十萬次真實對話，估算這些對話中有無 AI 輔助，以及每個任務所需時間。

02 程序員纔是最大AI受害者？

利用新的分析結果，研究團隊重排了AI暴露最嚴重，也就是受影響最大的十個具體工種，這些職業大多數都是信息處理相關。

排在首位的是程序員，他們的日常工作中約有74.5%的任務可以被 AI 覆蓋。其次是客服，這項工作是調用API，也就是自動化的比例最高的。數據錄入員、醫療信息錄入員，以及金融、市場分析師、信息安全分析師這種分析數據的工作，工作的內容很大程度上也會被替代。

所有工作裏，有30%完全沒有AI暴露度，比如廚師、摩托車機械師、救生員、調酒師、洗碗工等等。這些工作的內容不太可能被AI替代，因爲利用AI數據太少，它們甚至無法被有效統計。

工作內容被AI替代不一定直接等同於工作消失，但是工作的形態可能會發生變化。研究團隊在今年年初的另一項研究中做了一項推演，他們嘗試去掉那些可以被AI接管的任務，看看剩下的工作內容是會是什麼。需要注意的是，這個推演是比較理想化的，它更多反映了一種理論上的可能性，而非短期內必然發生的職業演化[3]。

推演的結果是，對於許多白領職業而言，首要的影響是技能降級（deskilling），由於 AI 承擔了原本需要高學歷才能勝任的任務，這些工作的專業護城河正在崩壞。

以技術寫作這個職業爲例，過去需要完成一些含金量高的任務，如“分析特定領域發展以確定修訂需求”，通常需要 18.7 年的受教育背景。或者“審閱已發佈材料並提出修改建議”，大約需要 16.4 年的教育。

當算法接管了這些腦力活後，留給人類的任務便退化成了“畫草圖說明材料”這類，它的門檻低多了，僅需 13 年左右的受教育年限。和過去相比，崗位整體技能水平明顯下降，如果說以前需要的是大學生，現在高中生就能完成了。可以做這份工作的人多了，但是它的門檻也沒了，薪資可能會受到衝擊。

與之相反，部分職業可能經歷技能升級（Upskilling），被迫走上高學歷路線。房地產經理便是一個典型。當 AI 自動化處理了維護記錄（12.8 年）和比對租金（12.6 年）等行政雜事後，剩下的工作內容反而向更高階的談判、貸款申請和利益相關者溝通集中。這種演化的結局是，職業門檻被進一步拉高，就業人數可能會減少，但留下的精英羣體將獲得更高的薪資溢價。

對高學歷羣體而言，他們從事的職業可能會像兩極演變。要麼像房地產經理那樣，向高技能、高判斷力任務集中實現升級，但代價是行業只能容納一小部分精英。要麼就像技術寫作行業一樣，像標準化、低技能靠攏，高學歷羣體只能眼睜睜看着自己多年寒窗苦讀換來的專業技能，在算法的蠶食下失去價值。

03 受衝擊的工作沒有消失，但是逐漸不招人了

哪種工作，哪個人羣最容易受到AI的衝擊，也是討論AI就業衝擊的經久不衰話題。

在分析中，研究者根據各職業的“觀察到的暴露度”（observed exposure）對所有職業進行了排序，並按暴露程度劃分爲四個等份。其中，暴露度最高的 25% 職業被歸爲“高暴露”羣體，而暴露度最低的 25% 職業則被視爲“低暴露”或“未暴露”羣體。

按照這一劃分方式，一些計算機與數學類、商業與金融類、辦公室與行政支持類以及銷售類職業往往出現在暴露度較高的區間，因爲這些崗位包含大量可以被 AI 輔助或自動化完成的信息處理任務。相反，一些需要現場操作或體力勞動的職業，例如廚師、機械維修工、救生員、酒吧服務員或洗碗工則幾乎沒有出現在 AI 使用數據中，因此被歸入暴露度最低的區間。

AI高暴露的職業，往往是傳統上我們印象中的辦公室工作，或者說白領、知識性的工作。這些勞動者普遍擁有着高學歷，女性、亞裔的比例也更高。

統計顯示，在 AI 暴露度最高的職業中，女性比例比低暴露職業高出約 16 個百分點。同時，這些職業中的勞動者通常具有更高的教育水平和更高的收入。例如，擁有研究生學歷的比例在高暴露職業中達到 17.4%，而在低暴露職業中僅爲 4.5%。

從總體就業角度看，目前仍沒有明顯證據表明人工智能已經導致失業率上升。自 ChatGPT 在 2022 年末發佈以來，美國勞動力市場中那些 AI 暴露程度最高的職業羣體，其失業率變化與其他職業羣體基本相同。這意味着，至少在目前階段，人工智能尚未引發大規模的就業衝擊。

但暴露度最高的職業，未來就業的增長可能有着溫水煮青蛙的風險。美國勞工部下屬的 U.S. Bureau of Labor Statistics 定期發佈的職業就業預測顯示，將職業 AI 覆蓋率與 2024—2034 年的就業增長預測進行比較後可以發現，覆蓋率每增加 10 個百分點，對應的就業增長預測平均下降約 0.6 個百分點。

雖然幅度看似不大，但在長期累積下，這意味着 AI 使用最密集的職業，未來擴張空間會持續受到壓制。換句話說，那些以信息處理爲主的白領崗位，雖然還沒直接面臨裁員的危機，但就業前景可能會緩慢收緊。

另外，失業率維持平穩背後可能隱藏着一個統計上陷阱。一個人得先有一份工作，纔有資格在丟掉它時被計入失業統計。對於那羣剛走出校門，簡歷還沒投出去，就撞上行業大門緊閉的年輕人來說，他們甚至連在統計系統裏獲得一個職業標籤的機會都沒有。

數據細節顯示，如今低暴露職業的月均入職率穩定在 2% 左右，而進入高暴露職業的入職率則下降了約 0.5 個百分點。

更直白的數據是，與 2022 年相比，ChatGPT 發佈後高暴露職業的入職率平均下降了 14%，儘管這個變化在統計上還不夠顯著。值得注意的是，這種招聘放緩的現象在 25 歲以上的勞動者羣體中並未出現。

原本以爲 AI 帶來的就業危機會是一場大規模的裁員，將人掃地出門。可現實卻是，它並沒有急着趕走屋子裏的人，而是把本就對年輕人敞開程度有限的職場大門，關得更緊了。

參考資料：

[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.