人工智能正在抢走工作？数据讲的是另一个故事
真正的危险不是被解雇，而是入口正在悄然收窄
开篇
订阅者朋友，两天前有一份有趣的报告出炉了。一家制造AI的公司主动站出来说，要亲自测量“我们的技术正在如何影响就业”。
这是Anthropic于2026年3月5日发布的题为“Labor Market Impacts of AI: A New Measure and Early Evidence”的报告。如果说以往的研究是以“AI理论上能做什么”为基准来评估就业威胁，那么这份报告则更进了一步。它结合了Claude的实际使用数据，测量现实中究竟有哪些工作正在被AI取代。
媒体的反应一如预期。**“程序员74.5%面临被取代风险！”“入门级岗位的终结！”**这类标题铺天盖地。可是深入研读这份报告，数字所讲述的故事要复杂得多，说实话，也更让人不安。今天我将以数据专家的视角剖析这份报告。国内也有几位网红只是原封不动地接受了报告中那些刺激性的数字，并加以引用，这让我感到有些遗憾。震惊、威胁……大概就是那种感觉。类似于“不想被解雇就得学习，去听课”……
首先，我们来看看这份报告到底带来了什么新东西
以往关于AI劳动力市场的研究大多只问一个问题：**“AI能做这项工作吗？”**2023年OpenAI团队（Eloundou等人）发表的研究就是典型代表，他们分析了美国境内约800种职业的工作内容，将“大语言模型理论上能否将工作效率提升两倍以上”打分为0、0.5、1。
**问题在于，“能做”和“正在做”之间存在巨大的鸿沟。**以药店提供处方信息业务为例，Eloundou等人的研究评估AI完全能够胜任（β=1），但现实中并未观察到Claude实际执行这项工作的案例。因为存在法律限制、验证流程、软件集成等现实障碍。
Anthropic的这份新报告正面处理了这一鸿沟。他们创建了一个新指标，叫做“观测到的暴露度（Observed Exposure）”，由三种数据组合而成。
**第一，O*NET数据库中按职业分类的工作内容清单。第二，Eloundou等人研究中理论上AI可执行性的评分。第三，也是关键所在，来自Anthropic Economic Index收集的实际Claude使用数据。**在此基础上还加了一层权重：人在AI帮助下的“增强（augmentation）”使用赋予一半权重，无需人工介入、通过API完全自动化的使用则赋予全部权重。
结果令人印象深刻。理论上计算机与数学类职业中94%的工作可由AI完成，但实际观测到的覆盖率仅为33%。理论与现实之间存在约3倍的差距。
看清数字背后的结构，风景就完全不同了
从这里开始，才是真正读懂这份报告的部分。
被引用最多的数字是“计算机程序员74.5%的暴露度”。但要准确理解这个数字的含义，就必须审视其测量方法。这74.5%并不是指“程序员工作中的74.5%被AI取代”，而是“该职业工作中，理论上AI可执行，同时在实际Claude使用数据中也观察到自动化模式的比例”。两个条件必须同时满足。
不过这里有一个方法论上值得关注的地方。这份报告所使用的实际使用数据仅来自Claude平台。ChatGPT、Gemini、Copilot等其他AI工具的使用模式并未被纳入。也就是说，实际的AI使用范围很可能比这份报告所测量的更广。反过来说，Claude用户群体的特性（据了解开发者比例较高）也可能给结果带来偏差。
更重要的是这份报告的核心发现——“尚未发生大规模失业”这一结论。研究团队利用2016年至今美国人口现状调查（CPS）1数据，比较了AI暴露度前25%的职业群体与暴露度为0%的职业群体的失业率。通过双重差分法（DID）2分析，结果显示ChatGPT发布之后两组失业率差距的变化为+0.20%，在统计上并不显著。这并非是要给大家灌“心灵鸡汤”，而是从统计角度得出的结论。也就是说，那种“74.5%被取代”之类的说法，更接近于博眼球的措辞。这份报告本身也并没有说过这样的话。
这里还有一个连研究团队自己也承认的局限：这一分析框架能够检测出的最小效应规模大约在1个百分点左右。换句话说，0.5%级别的失业率变化，是这种方法论无法捕捉到的。测量工具本身的分辨率是有限的。
真正的信号不在“失业率”，而在“进入率”
这份报告中最值得关注的发现，其实出现在后半部分——针对22至25岁青年群体“职业进入率（job start rate）”的分析。
在AI暴露度高的职业群体中，青年群体的月度新就业率从2024年开始明显下降。相比2022年下降了约14%，研究团队也谨慎地指出这一数值处于统计显著性的临界线上。相反，在AI暴露度低的职业群体中，青年群体的就业率稳定维持在每月2%的水平。而25岁以上年龄段则未观察到这种下降。
这与斯坦福大学数字经济研究所Brynjolfsson等人（2025）的研究结果相吻合。该研究团队分析了美国最大薪资处理公司ADP的实际薪资数据，得出的结果是：在AI高暴露度职业中，22至25岁群体的雇佣自2022年底以来下降了6%至16%。尤其是软件开发人员，22至25岁人群相比2022年减少了约20%，而35岁以上年龄段则反而出现小幅增长。
两项研究使用了不同的数据来源（CPS问卷调查 vs. ADP薪资数据），却得出了方向相似的结果，这提高了该信号并非单纯统计噪音的可能性。但与此同时，两项研究也都承认一点：无法确定这种下降完全是由AI造成的。加息、科技行业结构调整、经济周期等其他变量都在同时发挥作用。
Oswarld视角
坦白说，读这份报告时，我心中产生了两种相互矛盾的情绪。
一种是赞叹。制造AI的公司主动站出来，以这种程度测量自身技术对劳动力市场的影响，这还是第一次。尤其是正面揭示“理论可能性”与“实际使用”之间鸿沟的做法，很有意义。如果说以往的研究还停留在“AI可能影响美国80%的工作岗位”之类的理论估算，那么这份报告用数据展示了一个事实——“现实中还只是那种理论的三分之一水平”。
另一种是警惕。做过数据分析的人应该都知道，测量方法决定结论。这份报告把失业率作为核心指标，但这其实是捕捉AI早期影响时最不敏感的指标之一。失业率只统计“想工作却找不到工作的人”。彻底放弃求职的人、去读研究生的人、转行到其他领域的人，都不会被计入失业率。正因为Anthropic研究团队也意识到了这一点，才补充了青年群体进入率这一辅助指标。
我在制定GTM战略的过程中学到过一点：市场的变化往往先从“进入受阻”而非“退出”中显现出来。现有客户由于惯性不会轻易离开，但新客户流入减少的速度要快得多。我认为劳动力市场也是同样的道理。企业解雇现有员工成本高昂，还伴随法律风险。但减少新招聘，却可以毫无摩擦地悄然进行。
因此我认为，这份报告真正的价值不在于“目前还好”这一结论，而在于它提出了一个“应该测量什么”的框架。而我尤其关注的是报告的最后一句话——研究团队指出，未来最应优先考察的课题是“AI高暴露度专业毕业生的劳动力市场进入路径”。这不只是单纯的学术兴趣，而是意味着数据中已经开始捕捉到信号。
还有一点。我们也要记住，发布这份报告的正是Anthropic本身。一家AI公司说“我们的技术目前还没有抢走工作”，这既可能是事实，同时也带有战略考量。像Antonio Casilli这样的学者就曾指出此类研究可能存在的利益冲突问题。读数据的时候，永远要同时思考“是谁、出于什么理由公开了这些数据”。
结语
总结一下：目前AI并没有在大规模破坏现有的工作岗位。但通往新工作岗位的大门，正在悄悄收窄。尤其是对二十岁出头、正试图踏上职业阶梯第一级的人来说。但如果只是简单粗暴地说**“人工智能正在抢走人类的工作”，这种话谁都能说。街坊大叔、大妈、爷爷、奶奶、求职者，谁都可以这么说。**
这有什么意义呢？把握其结构性问题，思考应对方案，这才是正道。如果目的只是制造恐慌，那么这个人要么非常带有施虐倾向，要么就是想利用恐慌感来卖课牟利。
这是比“新人的终结”这种耸动框架更具结构性的问题。当资深员工借助AI提高生产力时，企业站在自身角度，完全可以用同样的成本雇佣更少的新人。没有解雇的结构性调整，或许才是眼下正在发生之事的真相。
如果对这个话题感兴趣，建议大家看看报告原文，以及下面的参考资料。尤其是Brynjolfsson研究中的ADP数据分析，是与Anthropic报告进行交叉验证的好素材。
参考资料与延伸阅读
- Massenkoff, M. & McCrory, P.，“Labor market impacts of AI: A new measure and early evidence,”Anthropic，2026年。：今天这期通讯的核心分析对象。特别推荐直接查看Figure 2（理论vs.实际覆盖率雷达图）和Figure 7（青年群体进入率）。
- Brynjolfsson, E., Chandar, B. & Chen, R.，“Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence，”Digital Economy, Stanford，2025年。：基于ADP薪资数据的分析，是与Anthropic报告进行交叉验证的核心参考资料。
- Eloundou, T. et al.，“GPTs are GPTs: An early look at the labor market impact potential of large language models，”Science，2024年。：Anthropic报告所依据的理论暴露度（β）测量的源头研究。
- Casilli, A.，“Young Workers Haven’t Been Replaced by AI — Economists Are Just Looking for Them in the Wrong Places，”2025年。：批评“工作=职业”这种基于任务的方法论的根本局限性的文章。为了平衡视角，值得一读。
- Observed coverage 数据集(task/job level)：为想亲自动手研究数据的读者准备的原始数据。
作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。