AI對工作的替代進展到哪里了？

隨著最近AI Agent的突飛猛進，打工人的就業焦慮又被推向了新的高峰。每一次重大AI產品發布都伴隨著對特定職業群體的"死亡宣告"。然而，這種簡化推理忽略了勞動力市場的復雜動態——技術能力不等于經濟可行性，任務替代不等于職業消失，個體案例不等于系統性趨勢。

因此，要了解AI到底對工作替代到什么程度，需要建立在數據和細致的研究之上。近期，Antropic專門發布了一篇研究報告，基于多源數據，來討論AI對當前就業市場的影響（https://www.anthropic.com/research/labor-market-impacts）。

1. 首先是一個反直覺的問題：為什么失業率還沒飆升？

面對AI能力的指數級進步，核心問題是：如果AI真的如此強大，為什么我們還看不到大規模的失業浪潮？答案涉及多重維度：技術采納的時滯效應、勞動力市場的動態調整、以及AI創造新需求的能力。

Anthropic的這項最新研究提供了關鍵線索——根據美國的就業數據，自2022年11月ChatGPT發布以來，高AI暴露職業群體的失業率與低暴露群體相比，沒有出現統計學上顯著的差異。

但這不等于沒有影響。研究團隊識別出一個重要早期信號：22-25歲年輕工作者在高暴露職業的入職率下降了約14%。這一發現與斯坦福大學基于薪資記錄的研究相呼應——后者發現年輕工作者在AI暴露職業的就業下降了13%，而經驗豐富的同事保持穩定。AI的就業影響可能首先表現為"招聘凍結"而非"解雇潮"，表現為"入口收窄"而非"崗位消失"。或者呼應了這樣一種說法——AI抽走了學徒進階的階梯，大量曾經需要小年輕干的”打雜活“被AI替代了。

2. AI對不同工作類型的替代到什么程度了？

Anthropic這篇報告比較有意思的一點是建立了關鍵區分：AI在技術上能夠做什么，與經濟現實中實際正在發生什么，是兩個截然不同的問題。Anthropic研究團隊將這一區分操作化為兩個核心概念："理論暴露度"測量AI在技術上能夠加速哪些任務；"觀察暴露度"則結合理論能力與真實使用數據，測量哪些任務在實際工作場景中正在被AI處理。

這一區分的實證意義極為顯著。以計算機與數學職業為例，理論分析表明94%的任務可以被大型語言模型加速，但基于Claude真實使用數據的觀察暴露度僅為33%。法律職業的理論暴露度高達90%，實際觀察到的AI使用率卻僅為20%。這一"理論-實際鴻溝"意味著，基于純粹技術能力的就業預測可能嚴重高估AI的短期影響。

圖：AI對工作的理論替代水平（藍色）與實際暴露水平（紅色）

Anthropic研究的核心實證發現揭示了理論能力與實際使用之間的巨大鴻溝：97%的Claude使用任務落在理論評估為"可行"的區間（β=0.5或β=1.0）——驗證了理論評估的基本有效性。然而，反向關系并不成立：大量理論可行的任務在實際中完全沒有被AI使用。

計算機與數學職業較為突出：94%理論可行 vs. 33%實際觀察，61個百分點的差距意味著超過三分之二的理論可行任務尚未被AI實際觸及。法律職業更為極端：90%理論可行 vs. 20%實際觀察，70個百分點的差距反映了法律行業特有的采納障礙——客戶保密義務、法律責任風險、以及司法機構的保守態度。此外醫療保健這些面臨巨大風險和嚴格監管的領域，觀察暴露度落在極低水平。

這一差距的存在具有多重含義。樂觀解讀：AI的就業影響被嚴重高估，AI還無法突破包括安全、監管在內的因素所設置的制度攔截網，勞動力市場還有充足時間適應。悲觀解讀：當前差距反映采納障礙的暫時性，隨著技術成熟和成本下降，紅區將快速擴張覆蓋藍區。Anthropic研究團隊傾向于后者，但強調時間尺度高度不確定。

3. AI職業暴露的群體差異如何？

Anthropic研究同時展示了關于高AI暴露群體的社會人口特征：

女性、白人、亞裔、高受教育程度與高收入群體成為高暴露人群。這一畫像與"自動化傷害低技能、低收入工人"的傳統敘事形成鮮明對比。高暴露群體實際上是勞動力市場的"精英"。當然暴露并不等于替代，只是這類人群的工作流程更多跟當下的AI能力范圍重合。需要回憶一下一開始的發現：這些高暴露人群的失業率并不比低暴露人群的高。

4. 其他報告的一致性發現

以上的報告結論也被其他研究佐證。

比如斯坦福大學的研究基于美國薪資記錄的獨立分析識別了與Anthropic一致的年輕工作者模式：在AI暴露度高的職業中，年輕工作者（22-25歲）的就業相對于年長工作者下降了約13%。研究者的解釋強調"職業入口關閉"機制——企業使用AI處理原本分配給初級員工的任務，減少了對年輕工作者的招聘需求。

微軟研究院對20萬企業用戶Copilot使用記錄的分析發現，知識工作者的日常工作高度暴露于AI輔助，但AI工具主要被用于"增強"而非"替代"——用戶報告工作效率提升、工作滿意度改善，而非崗位威脅感增加。

5. 未來會怎樣？

科幻電影中經常設定的黑暗愿景通常預設了技術決定論——AI的能力必然轉化為對人類的支配。但Anthropic研究的"理論-實際鴻溝"、"增強-替代"區分、以及歷史經驗的技術采納滯后，表明技術軌跡不是預定的，而是由復雜的經濟激勵、制度設計、和文化價值共同塑造。

短期內，AI的影響有限，但年輕人的初職開始受到一定程度的擠壓。

中期看，AI勢必會引發職業結構的顯著調整，例如，中等技能常規認知崗位持續收縮、人機協作的新職業形態成熟、以及工作時間和組織形式的靈活化。

長期來說，這將取決于 技術軌跡與社會選擇的共同演化，充滿巨大不確定性。Anthropic研究團隊明確承諾將持續追蹤和定期更新關于AI對職業影響的研究，我們團隊也將保持關注。

（本文資料由AI收集整理，文字主要由作者完成AI部分協助）