報告的核心工作，是建立一套名為"觀測暴露度"（Observed Exposure）的新指標——將AI的理論能力與來自Claude真實使用數據相結合，嘗試回答一個此前從未被嚴格回答過的問題：AI到底在多大程度上真正進入了職場？而他們得出的結論，既令人鬆了口氣，又讓人不安：目前為止，AI對就業的衝擊幾乎無法在數據中被測出——但對22至25歲的年輕求職者來說，某些門已經開始悄悄關上了。
這份報告發布時機微妙。距ChatGPT上線已過去三年有餘，全球AI熱度未退，而Anthropic自家CEO Dario Amodei此前曾多次公開警告，AI或將在五年內終結大量白領入門級工作。在這樣的背景下，研究團隊選擇用數據說話，而不是用聲量。
理論能力與現實使用之間，存在一道巨大的鴻溝
大多數關於AI替代就業的討論，都建立在一個隱含假設上：AI能做到的，就等同於AI正在做到的。這個假設是錯的。
研究團隊使用了三套數據來拆解這個問題：O*NET資料庫（覆蓋約800種美國職業的任務清單）、Anthropic自身的Claude使用數據，以及2023年Eloundou等人發表的任務級暴露度估算（該研究衡量的是，理論上LLM能否將某項任務的完成速度提高一倍以上）。
理論上，AI能做什麼？以電腦與數學類職業為例，LLM理論上可以覆蓋其94%的任務；辦公室行政類職業的理論覆蓋率則高達90%。法律、商業與金融、管理類職業的理論覆蓋率也同樣可觀。
但Claude實際在幹什麼？同樣是電腦與數學類職業，Claude的實際任務覆蓋率只有33%。
這個"理論能做"與"實際在做"之間的落差，構成了報告最重要的發現之一。研究者將兩者的差距畫成了一張雷達圖：理論覆蓋率（藍色）像一片寬闊的葉片伸展開來，而實際覆蓋率（紅色）蜷縮在中心，只是前者的一小塊。
為什麼會有這樣的差距？原因是多方面的：模型本身的局限、法律合規要求、系統集成的門檻、需要人工核驗的環節，乃至組織內部的惰性。報告舉了一個具體例子：Eloundou等人將"授權藥物補充並向藥房提供處方資訊"這項任務標記為完全暴露（理論上LLM完全可以加速完成），但研究者在Claude的實際使用數據中，從未觀測到這項任務的出現。
這個發現的意義在於：過去幾乎所有關於AI就業衝擊的預測，都是基於"理論能做"來推斷替代風險，而真實的衝擊，要等到那道"實際在做"的紅色區域擴展到接近"理論能做"的藍色區域時，才會真正到來。目前，我們還遠未到那一步。
最高風險職業：程序員、客服、數據錄入員
75%——這是目前觀測到的暴露度最高的職業"電腦程序員"的任務覆蓋率。換句話說，程序員日常工作中有四分之三的具體任務，已經在真實使用場景中被AI執行過。
排在其後的是客服代表（70.1%），驅動這一數字的是企業客服領域大量湧現的API自動化應用。數據錄入員（67.1%）位列第三，其核心工作"讀取源文件並將數據輸入系統"在自動化場景中已相當普遍。
報告列出的前十大高風險職業還包括：醫療記錄專員（66.7%）、市場研究與營銷分析師（64.8%）、批發與製造業銷售代表（62.8%）、金融與投資分析師（57.2%）、軟體質量保證分析師與測試員（51.9%）、資訊安全分析師（48.6%），以及電腦用戶支持專員（46.8%）。
這份名單有一個明顯的規律：排在最頂端的，不是那些需要最複雜判斷力的知識工作，而是那些在知識工作的光環下，實際包含了大量可標準化、可重複執行任務的角色。客服、數據錄入、質量測試——這些職業的共同特點是：任務邊界清晰，輸入輸出可預期，對話或操作流程相對固定。
相比之下，有30%的勞動者的職業暴露度為零——他們的工作任務在Claude的使用數據中出現頻率太低，甚至連最低閾值都無法達到。廚師、摩托車修理工、救生員、酒保、洗碗工——這些職業用人身體替代了大腦，AI在短期內完全無從滲透。
受AI威脅最大的，是受過良好教育的高薪女性
這個結論，和大多數人的直覺相反。
研究團隊使用了ChatGPT發布前三個月（2022年8至10月）的美國現住人口調查（Current Population Survey）數據，對比了高暴露度群體（觀測暴露度前四分之一）與零暴露度群體（暴露度為零的30%勞動者）的人口特徵。
結果令人意外：暴露度最高的群體，比零暴露度群體的女性比例高出16個百分點（54.4% vs 38.8%）。她們更可能是白人，且幾乎是亞裔比例的兩倍。她們的平均時薪高出47%（32.69美元 vs 22.23美元）。她們受過更高的教育：擁有研究生學歷的人在高暴露群體中占17.4%，在零暴露群體中僅為4.5%——差距近四倍。
這揭示了一個結構性現實：AI目前入侵的，恰恰是那些依靠文字、數字、邏輯推演為生的"知識密集型"崗位。而這類崗位在歷史上，正是受過良好教育的女性突破性別障礙之後大量進入的領域——金融分析、法律研究、醫療記錄、市場營銷。
這並不意味著AI是一種針對女性的技術。更準確的表述是：AI攻克的第一批工作，是那些在數字經濟中蓬勃生長、吸引了大量知識階層的崗位——而這些崗位的人口結構，恰好就是如此。
失業率：至今沒有可測出的信號
這是整份報告最反直覺、也最重要的發現。
研究團隊將職業級的暴露度數據與現住人口調查對接，觀察自2016年以來，高暴露度勞動者的失業率走勢，並將其與零暴露度勞動者進行了"差中差"（Difference-in-Differences）對比。
結論非常清晰：在ChatGPT發布以來的時間段內，高暴露度群體的失業率相對於低暴露度群體的變化，統計上與零無異。ChatGPT發布後的平均係數為+0.0020，標準誤為0.0019——差不多就是在測量噪聲。
研究者做了不少穩健性檢驗：變換暴露度的截斷閾值（從中位數到第95百分位），結論一致；換用美國勞工部的失業保險申領數據代替問卷調查，結論一致；單獨看22至25歲年輕勞動者，失業率同樣沒有顯著上升。
這並不意味著AI沒有任何影響。更合理的解讀是：目前AI滲透的深度，還不足以觸發大規模失業。就像研究者在報告中給出的情景推演：如果高暴露度群體的失業率從3%上升到6%——相當於2008年金融危機期間美國整體失業率翻倍的幅度——他們的框架完全可以測出這個信號。但這件事目前還沒有發生。
他們還有一個更極端的情景推演：如果覆蓋率前10%的職業勞動者全部被裁員，高暴露度群體的失業率會從3%飆升到43%，總體失業率會從4%上升到13%。這個數字的意義，不是預測，而是校準：它在告訴讀者，這套框架的探測精度在哪裡，以及如果災難真的到來，我們是否能及時看見。
年輕人正在遇到一扇正在關閉的門
失業率數據沒有發出警報，但有一個信號悄悄出現了。
研究者藉助現住人口調查的面板數據，追蹤了22至25歲的年輕勞動者進入不同暴露度職業的月度入職率——也就是，一個年輕人在某個月報告了上個月還沒有的工作，這被計為一次"新入職"。
2024年開始，兩條曲線開始分叉：進入低暴露度職業的年輕人月度入職率穩定在2%左右，而進入高暴露度職業的入職率下滑了約0.5個百分點。在ChatGPT發布後的整個區間內，高暴露度職業的入職率平均比2022年的基準水平下降了14%——這個數字剛好處於統計顯著性的邊緣（標準誤為7.2）。
25歲以上的勞動者沒有出現類似的趨勢。
這個發現與Erik Brynjolfsson等人的研究結論相互印證。Brynjolfsson的團隊利用ADP薪資數據發現，22至25歲的勞動者在AI暴露度高的職業中，就業規模下降了6%至16%，且原因主要是招聘放緩，而非離職增加。
問題的邏輯並不複雜：如果一家公司已經用AI處理了部分程序員的工作，他們可能不會裁掉現有員工，但會減少新的招聘名額。對在職者來說，感受可能不明顯；對應屆畢業生來說，這意味著投出的簡歷越來越難等到面試。
研究者對這一信號保持謹慎，給出了幾種替代解釋：年輕人可能選擇留在原有工作、轉向其他行業，或者重返校園。問卷調查對工作變動的測量也存在系統性誤差。但無論如何，這是目前報告中唯一一個"至少在邊緣上顯著"的早期信號。
報告明確表示，這是他們計劃持續更新的工作，而不是一次性發布。隨著Claude使用數據的積累、Eloundou等人的理論暴露度指標隨AI能力進化而更新，這套"觀測暴露度"體系會不斷疊代，提供一個動態的早期預警系統。
在他們看來，這套工具最有價值的時刻，恰恰是在效果"尚不明顯"的時候——等到失業率數據已經發出警報，干預窗口可能已經過去。
報告：
https://www.anthropic.com/research/labor-market-impacts
Q&A
Q1：什麼是"觀測暴露度"，它和以往的AI替代風險指標有何不同？
以往的指標（如Eloundou等人2023年的研究）主要衡量的是"理論暴露度"——即LLM在理論上是否有能力加速完成某項任務，不考慮實際是否有人在這樣用。Anthropic新引入的"觀測暴露度"則結合了Claude的真實使用數據：一項任務必須在職場相關場景中被實際觀測到有足夠的AI使用量，且自動化比例越高、該任務在職業中占比越重，對應職業的觀測暴露度就越高。兩者最大的差距在於：理論上可以被AI覆蓋的，和實際上正在被AI覆蓋的，目前仍相差甚遠。
Q2：目前的數據是否證明AI已經開始造成規模性失業？
沒有。研究者將高暴露度職業（前四分之一）與零暴露度職業（後30%）的失業率進行了系統比較，發現自2022年底ChatGPT上線以來，兩組的失業率差距沒有發生統計上可辨識的變化。唯一出現邊緣性信號的，是22至25歲年輕人進入高暴露度職業的入職率，在2024年開始小幅下滑約14%。但這一信號尚未達到強顯著性水平，且存在多種替代解釋。
Q3：哪類人群應當對AI的就業影響保持最高警惕？
從報告數據來看，有兩類群體面臨較高的結構性風險：一是從事高度可標準化知識任務的職業——客服代表、數據錄入員、醫療記錄專員、程序員；二是正在進入勞動力市場的年輕人，尤其是持有與AI高暴露度職業相關教育背景的應屆畢業生。報告建議，未來的研究應當重點關註：擁有相關專業學歷的新畢業生，是否已經在就業市場上遭遇了系統性的困難。
