当所有人都在焦虑“AI会抢走我的工作”时，这份基于真实数据的研究却说：别急，还早。
【相关OpenClaw的投资分析可点击下方链接参阅：
硅谷Clawdbot的本地化部署将引爆AI NAS，最值得关注的上市公司】
3月5日，Anthropic发布了一份题为《AI对劳动力市场的影响：一种新衡量标准与早期证据》的研究报告。
这可能是目前为止，关于“AI会不会抢走你工作”这个话题，最值得认真看的一份报告。
为什么？
因为这不是又一个经济学家拍脑袋的预测模型。这份报告，基于Claude真实的用户使用数据——数千万次对话、涵盖约800种职业、追踪了从2022年底到现在的就业趋势。
简单说：它看的不是“AI理论上能做什么”，而是“人类实际上在用AI做什么”。
结论可能出乎很多人的意料。
出报告的是谁？
Anthropic公司，就是那家最近和美国政府硬刚、拒绝把AI用于自主武器的公司。
如果你关注AI圈，应该知道它是Claude的母公司，是OpenAI最强劲的对手之一，估值一度冲到3800亿美元。
但这家公司还有一个更独特的标签：“安全优先”。
它的创始人Dario Amodei和Daniela Amodei兄妹，就是因为觉得OpenAI“对安全投入不足”才出走创业的。他们搞出了“宪法AI”，给模型设定顶层价值观，而不是简单地用人类反馈来训练。
所以，当这样一家公司发布关于“AI对劳动力市场影响”的报告时，它有一个天然的优势：它不缺用户数据。
报告的作者是两位经济学家Maxim Massenkoff和Peter McCrory。他们调用了Anthropic经济指数前四份报告的数据，覆盖了从2025年8月到11月的Claude使用情况——数千万次对话，被归类到O*NET数据库的约800种职业中。
这不是理论推演，这是真实世界的切片。
报告中的关键发现
关键发现一：AI远未达到它的理论能力
Eloundou等人在2023年做过一个研究，他们评估了大语言模型理论上能覆盖多少工作任务。结论是：相当多。比如计算机和数学类职业，理论上94%的任务都可以用AI加速；办公室和行政支持类，理论覆盖率也高达90%。
但Anthropic这次的研究发现了一个巨大的落差：
“在计算机和数学类职业中，Claude目前实际覆盖的任务只有33%。”
换句话说，理论和现实之间，隔着一条鸿沟。
为什么会这样？有些任务虽然理论上可行，但因为法律限制、软件要求、人工验证步骤等原因，还没被广泛应用。比如，Eloundou等人的研究把“授权药物续方并提供给药房”标记为AI完全可以做的任务，但在Claude的实际数据里，几乎看不到有人这么用。
关键发现二：哪些职业真正在被AI“覆盖”？
报告给出了一个“观测暴露度”指标，综合了任务的理论可行性、实际使用量、使用场景（工作相关还是个人）、使用方式（自动化还是增强型）等多个维度。
结果如图：
职业 | 观测暴露度 | 主要自动化任务 |
计算机程序员 | 74.5% | 编写、更新和维护软件程序 |
客户服务代表 | 70.1% | 与客户协商以提供信息、接受订单、处理投诉 |
数据录入员 | 67.1% | 阅读源文档并将数据录入系统 |
医疗记录专员 | 66.7% | 汇编、摘录和编码患者数据 |
市场研究分析师和营销专家 | 64.8% | 准备调查报告，以图形方式说明数据，并将复杂的发现转化为书面文本 |
销售代表，批发和制造业 | 62.8% | 联系客户以演示产品和招揽订单 |
金融和投资分析师 | 57.2% | 通过分析财务信息为投资决策提供信息 |
软件质量保证分析师和测试员 | 51.9% | 修改软件以纠正错误或提高性能 |
信息安全分析师 | 48.6% | 执行风险评估并测试数据处理安全 |
计算机用户支持专员 | 46.8% | 解答用户关于计算机软件或硬件操作的查询 |
1.计算机程序员：覆盖率达74.5%，排名第一。不出意外，写代码确实是目前AI用得最狠的地方。
2.客户服务代表：排名第二。报告提到，这部分使用越来越多地来自“第一方API流量”——也就是企业直接把AI接入了客服系统。
3.数据录入员：覆盖率67.1%。阅读源文档、录入数据，这些重复性工作正被大量自动化。
另一端，有30%的工人覆盖率为零。他们是厨师、摩托车修理工、救生员、调酒师、洗碗工、更衣室服务员——这些需要体力、现场操作、人际互动的职业，AI目前还够不着。
关键发现三：暴露度越高的职业，未来增长预期越低
报告把职业层面的覆盖率数据，与美国劳工统计局发布的2024-2034年就业增长预测做了对比。
结果是：覆盖率每提高10个百分点，预测的就业增长率就下降0.6个百分点。
这个关系虽然微弱，但方向一致。有趣的是，如果只用“理论能力”指标（不考虑实际使用），就看不到这种相关性。这说明，实际使用数据确实比理论推演更有说服力。
关键发现四：暴露度高的工人，特征很集中
报告用当前人口调查的数据，对比了暴露度最高的25%工人和零暴露度的30%工人（ChatGPT发布前三个月的数据）。
差异巨大：
女性比例高16个百分点
白人比例高11个百分点
亚裔比例几乎是两倍
平均收入高出47%
受教育程度更高（研究生学历的比例从4.5%飙升到17.4%）
简单说：现在被AI用得最多的人，恰恰是那些收入更高、教育程度更高的人。这和“AI取代低端工作”的直觉，刚好相反。
关键发现五：失业率没变，但年轻人招聘放缓了
这是整份报告最引人注目的部分。
自ChatGPT发布以来，暴露度高的职业，失业率并没有显著上升。无论是用哪种统计方法，结果都一样：失业率变化几乎为零。
但有一个群体不一样：22-25岁的年轻人。
报告发现，2024年以来，年轻工人进入高暴露度职业的比例明显下降。与2022年相比，下降了约14%。而25岁以上的人群没有这种变化。
这意味着什么？可能不是“被AI取代”，而是“被AI挡在门外”。企业可能减少了在高暴露岗位招聘新人的数量，或者更倾向于招有经验的人。
这份报告最有价值的地方，不是它的结论，而是它提供的视角
1. “AI取代人类”的故事，被夸大了
如果你只看新闻，可能会觉得AI已经横扫一切、大批白领即将失业。但真实数据告诉我们：理论和现实之间，还有很长的路。
那些理论上AI能做的任务，真正被用起来的只是一小部分。法律限制、软件集成、人工审核、组织惯性……这些都在拖慢AI的渗透速度。
这对焦虑的职场人来说，是个好消息：你还有时间。
2. “金丝雀”预警：为什么年轻人最先受伤
经济学家把22-25岁的年轻求职者比作煤矿里的“金丝雀”——他们对环境变化最敏感，会最先发出预警。
在19世纪末到20世纪初的煤矿里，矿工们会带一只金丝雀下井。这种小鸟对有毒气体极度敏感，一旦浓度升高，它会最先出现中毒症状，给人类提供宝贵的预警。
今天的年轻求职者，就是AI时代的金丝雀。
他们议价能力有限，尚未积累难以被替代的专业经验，通常从基础性任务起步——而这些任务，恰好最容易被AI处理。斯坦福大学数字经济实验室主任Erik Brynjolfsson团队的研究佐证了这一发现：在AI暴露度高的职业中，22-25岁早期职业劳动者的相对就业率下降了6%至16%，而30岁以上员工反而保持稳定或增长了6%至13%。
资深员工能借助AI大幅提升效率，甚至一人完成过去几人的工作量；但年轻群体却面临入门机会锐减、竞争压力骤增的困境。
3. 高技能人群没有被取代，而是在“用AI武装自己”
报告揭示了一个反直觉的现状：现在用AI用得最多的人，恰恰是那些收入高、教育程度高的人。
这其实不难理解：越是知识密集型的工作，越容易用AI提效。程序员用AI写代码，分析师用AI做报表，设计师用AI出草图——这些人不是在“被替代”，而是在“用AI武装自己”。
经济学家用“O型环自动化模型”来解释这个悖论：只要工作中还有需要人类判断、复杂沟通或专业经验的“核心环节”，这些环节的价值，会因为AI清除了周边的“基础杂活”而变得更高。
就像高级程序员，AI帮他写了基础代码，他就能腾出手来攻克更难的系统架构问题。资深分析师让AI处理数据清洗，他就能专注于洞察和决策。这就是为什么在AI承担基础工作后，这些人的市场价值反而可能提升。
4. 一个更深层的隐忧：人才培养的断层
这可能是整份报告最值得警惕的地方。
回顾过去几十年，职场人才培养通常遵循一种渐进模式：新人通过处理测试代码、撰写报告初稿、维护基础系统等任务积累经验，逐步成长为能独当一面的专业人才。
但如果AI能以更低成本完成这些基础性工作，企业也习惯了“资深员工+AI”的模式，大大减少了对初级岗位的招聘和系统性培养——那十年后，谁来当那个“资深员工”？
这可能不只是年轻人的就业困境，而是整个行业人才供应链的断裂风险。
从短期看，这确实有助于企业提升人效。但从长期看，若行业普遍弱化对新人实践能力的培养，未来中高级专业人才的供给可能出现断层，反而制约企业的可持续发展。
5. 体力劳动者暂时安全，但不确定未来
厨师、修理工、救生员这些职业，目前覆盖率为零。但这不代表永远安全。随着机器人技术、多模态模型的发展，一些体力工作迟早也会被自动化。
不过，至少在未来几年，这些需要现场操作、人际互动的职业，仍然是AI难以攻克的堡垒。
对不同人群未来可能的影响
这份报告最有价值的地方，是它把“AI取代人类”这个宏大叙事，拆解成了更细致的问题：谁在用AI？谁在受益？谁被挡在门外？
基于这些发现，想给不同的人群一些建议：
如果你是高技能职场人：用好AI，但不要只停留在“用”的层面。思考怎么用AI放大你那些需要判断、沟通、经验的“核心环节”——这才是你真正增值的地方。
如果你是年轻人：你确实面临更难的入场环境。但这不意味着你应该放弃。相反，你可能需要更主动地去寻找那些能让你积累核心能力的路径，哪怕暂时门槛高一点。同时，也可以关注那些AI还够不着的领域——需要现场操作、人际互动、复杂判断的工作。
如果你是企业管理者：别只顾着用人效最高的“资深员工+AI”模式。想一想，如果今天不培养新人，明天谁来当那个资深员工？建立系统性的人才培养机制，是企业的长期责任，也是长期竞争力。
如果你是政策制定者：如果年轻人的招聘持续放缓，几年后可能会出现一批“有学历、无经验”的年轻人，被挡在劳动力市场之外。这不是传统的失业问题，而是准入问题。需要提前思考对策。
正如报告作者在引言里说的：
“这个框架在影响尚不明朗时最为有用——它有助于在替代现象可见之前，识别出最脆弱的工作。”
现在，影响还不明朗，但金丝雀已经发出了预警。
本文内容节选自公众号：不让未来打盹研究，原文阅读可点击下方链接：
https://mp.weixin.qq.com/s/r6REE_hPWtoYzUGKqysk-Q
英文原版研究报告及译文文档可点击网盘链接直接下载：
通过网盘分享的文件：Anthropic研究报告
链接: https://pan.baidu.com/s/17wimTZQEmkF64kzgLZFd4Q?pwd=CLAW 提取码: CLAW
免责声明：本文根据公开市场信息整理，旨在分享市场观点、分析方法或一般性投资知识，不针对任何特定投资者或投资目标。本文所提供的信息、观点及分析仅供参考，不构成任何具体的投资建议、投资决策依据或买卖建议。
如果喜欢本公众号，别忘了关注星标！⭐⭐⭐
