AI如何冲击劳动力市场?Anthropic最新研究报告

AI academic space

这两年，关于AI与就业，最流行的说法只有两种。

一种是“AI将大规模替代白领”；另一种是“AI只是工具，不会真正影响就业”。

真正的问题是，这两种说法都太粗了。

Anthropic最新发布的报告《Labor market impacts of AI: A new measure and early evidence》，做了一件更重要的事：它试图用数据回答一个更具体的问题——AI到底已经在哪些工作中出现了真实影响。

如果把这篇报告压缩成一句话，那就是：

AI还没有制造出显著失业，但已经开始改变“谁更容易进入某些职业”。

原文链接：https://www.anthropic.com/research/labor-market-impacts

一、换个问题

过去大多数研究在问：AI能不能做这项工作？

Anthropic换了一个问题：AI有没有被真正用在这项工作中？

为此，他们提出了“观察暴露度”（observed exposure）这个指标，把三类信息结合起来：

• • AI理论能力
• • 真实使用数据
• • 工作任务结构

核心区别在于：

从“能做什么”，转向“已经在做什么”。

这背后其实是一个经典的经济学问题——技术能力不等于经济影响。

报告也明确指出：现实中的AI覆盖范围，仍只是理论能力的一小部分。

比如在计算机类职业中，理论上可覆盖接近全部任务，但真实使用远低于这个水平。

二、高暴露岗位

报告没有给出一份“失业名单”，但确实识别出当前AI使用最集中的职业。

排在前列的包括：

• • 程序员
• • 客户服务代表
• • 数据录入员
• • 金融分析相关岗位

这些岗位的共同点非常清晰：

它们的核心任务往往是：

• • 文本化的
• • 可拆分的
• • 可标准化的
• • 易于验证的

换句话说，AI首先进入的，不是某个“职业”，而是这些职业中的一类任务。

报告特别提到，程序员任务覆盖率最高，达到约75%。

这说明：

被改变的不是岗位本身，而是岗位内部的工作结构。

三、低暴露岗位

另一边，约30%的劳动者目前处于“零覆盖”状态。

上图显示了ChatGPT发布前三个月（2022年8月至10月）暴露率最高的四分之一工人和30%零暴露工人的特征，数据来自当前人口调查。这些群体差异很大。暴露率较高的群体女性比例高出16个百分点，白人比例高出11个百分点，亚裔比例几乎是两倍。他们平均收入高出47%，教育水平也更高。例如，拥有研究生学位的人在零暴露群体中占4.5%，在最暴露群体中占17.4%，几乎是四倍差异。

报告举的例子包括：

• • 厨师
• • 机械维修工
• • 救生员
• • 酒保
• • 洗碗工

这些工作暂时不受影响，不是因为“低端”，而是因为：

它们往往：

• • 强依赖现实环境
• • 难以数字化
• • 需要即时判断
• • 责任链条复杂

例如，修理设备、现场应急、面对面服务，都很难被当前AI系统直接替代。

所以真正的分界线不是学历高低，而是：

任务是否能被标准化并嵌入数字流程。

四、失业没来

一个容易被误读的地方是：AI是否已经导致失业。

报告的结论非常谨慎：

没有发现系统性的失业上升。

上图为观察到的暴露率最高四分位和未接触AI的工人的失业率趋势，该面板显示了暴露率最高四分位的工人的失业率（红线）和30%未接触的工人。下方面板在一个双重差分框架中测量这两个序列之间的差距。

也就是说，至少在当前阶段：

AI还没有直接把人“挤出岗位”。

五、入口收紧

但真正值得注意的，是另一个更微妙的变化。

报告发现：

22–25岁年轻人在高暴露职业中的新进入率下降了约14%。

上图展示了22-25岁工人在高暴露和无AI暴露的职业中开始新工作的比例。上方面板显示了年轻工人在高暴露与无暴露职业中开始新工作的百分比。下方面板在一个双重差分框架下测量这两个序列之间的差距。

这个结果并不强，但方向非常清晰。

它意味着：

企业可能没有大规模裁员，但已经在减少“新招人”。

这在现实中也很好理解：

• • 裁员成本高
• • 减少招聘更隐蔽
• • AI可以替代一部分初级任务

于是，一个更可能的路径出现了：

AI先减少入口岗位，而不是先替代在岗员工。

六、谁更受影响

更反直觉的是：

高暴露群体并不是传统意义上的“弱势劳动者”。

相反，他们往往：

• • 收入更高
• • 教育程度更高
• • 研究生比例更高

报告显示，高暴露群体平均收入比低暴露群体高47%。

这说明：

AI这一轮冲击，首先发生在中高技能认知劳动中。

但关键不是“高技能被替代”，而是：

高技能内部出现了分化。

七、关键启示

对经管研究来说，这篇报告真正重要的地方不在职业名单，而在三个方法论启示：

第一，技术冲击要看“使用”，不是只看“能力”。

第二，就业影响未必先表现为失业，而可能是招聘收缩。

第三，分析单位需要从“职业”下沉到“任务”。

AI改变的，不是岗位标签，而是工作流程。

八、真正问题

关于AI与就业，最简单的问题是：

哪些工作会被替代？

但更重要的问题是：

当初级任务被AI接管，年轻人还如何成长？

如果新人不再做基础分析、不再写初级代码、不再处理标准任务，那么：

谁来积累经验？谁来成为下一代专家？

这可能才是更深层的结构性影响。

结语

AI时代最值得警惕的，未必是“谁被立刻替代”，而是：

谁失去了进入这个职业的机会。

当入口开始收紧，替代其实已经发生了，只是它还没有表现为失业数据。

而真正的变化，往往正是从这些不显眼的地方开始。