Anthropic 最近發表了一篇研究報告，名為《Labor market impacts of AI: A new measure and early evidence》，核心是做了一件以前沒人做過的事：區分 AI「理論上能做」和「現實中正在做」這兩條線。
這個區別比你想象的重要得多。
為什麼之前的預測總是跑偏
評估 AI 對工作的衝擊，以前大家通常這樣做：列出工作裡的各項任務，問「AI 能不能做這個」，算一個比例，然後得出「這個職業 65% 會被 AI 取代」之類的結論。
問題是，「能做」和「在做」之間，差了一條巨大的溝。
Anthropic 經濟學家 Peter McCrory 在這篇研究裡引入了「observed exposure」（實際觀測暴露度）這個概念：把理論上的 AI 能力，疊加上 Claude 的真實 API 使用數據，看用戶實際在用 AI 幹什麼活。
數據說了什麼
最有代表性的例子是程式設計師：
- 理論暴露度：AI 理論上有能力處理 94% 的程式設計任務
- 實際觀測暴露度：只有 33% 的任務在現實中被 AI 接手
也就是說，程式設計師工作理論上有 94% 可以被 AI 完成，但現實裡 AI 只滲透了三分之一。另外那 60 多個百分點，不是 AI 不會幹，而是各種原因下人還是在幹：慣性、授權問題、監管、信任門檻、整合成本……
| 職業 | 理論暴露度 | 實際觀測暴露度 |
|---|---|---|
| 程式設計師（整體） | 94% | 33% |
| 資料輸入員 | 較高 | 較高（兩者接近） |
| 微生物學家 | 高 | 低（實驗室工作無法外包給 AI） |
| 房地產經理 | 中 | 低（談判技能難以 AI 化） |
資料輸入這種高度重複性工作，理論和實際的暴露度比較接近——AI 確實正在做這些活。
但微生物學家，理論暴露度不低（數據分析、文獻綜述 AI 都能做），實際暴露度卻很低，因為核心工作是在實驗室裡用手做的。
誰更危險：不是你以為的那群人
另一個反直覺的發現：高暴露度職業的從業者，其實 學歷更高、薪資更高、女性更多。
- 暴露度最高的 25% 職業，從業者的平均工資比低暴露職業高 47%
- 持有研究所學位的可能性高 4.5 倍
- 女性比例比低暴露職業高 16 個百分點
這打破了「AI 先幹掉低技能工作」的常識。知識類工作、文案、分析、程式設計這些白領工作，反而是 AI 先滲透的領域。
年輕人受到的衝擊已經可以量化了：22-25 歲的年輕人，在高暴露職業裡找到工作的機率比以前低了 14%。沒有大規模失業，但入職門檻變高了——這些工作的新缺變少了，因為現有員工用 AI 把效率拉上來了。
McCrory 說了什麼
「你要讓 Claude 幫你做機器學習，你自己其實得懂機器學習才能指揮它。」
這句話的意思是：AI 不會取代專業能力，而是要求從業者用專業能力去駕馭 AI。門檻沒有降低，只是換了一種形式。
這對應到就業數據上：高暴露職業裡，有經驗的從業者工資在漲，但 入門職位在消失。AI 幫老手提高效率、同時替掉了一部分基礎性工作——以前這些基礎工作是年輕人進門的台階。
這研究為什麼重要
以前關於 AI 和工作的討論，要不是末日論（AI 要消滅所有職位），要不是樂觀論（AI 只會創造更多就業）。
Anthropic 這篇研究的價值在於：它提供了一個可測量的框架，能在就業數據崩塌之前提前識別哪些職業正在被滲透。這樣政策制定者能有時間反應，而不是等到一批人失業了才開始補救。
目前的實際觀測數據是：還沒到大規模失業，但年輕人進高暴露職業的路已經開始窄了。後面的趨勢，大家可以自己推。
參考來源：Anthropic's research shows that AI can already do a huge portion of many jobs（Fortune）；CocoLoop、Labor market impacts of AI: A new measure and early evidence（Anthropic Research）