Anthropic于2026年3月5日发布研究报告《Labor Market Impacts of AI: A New Measure and Early Evidence》，系统分析人工智能对劳动力市场的实际影响。研究基于AI助手“Claude”的真实使用数据，发现相比AI在理论上可以胜任的任务范围，目前人们实际用AI处理的工作内容仍然相当有限。
报告提出了一个用于衡量AI对工作影响的新指标——“Observed Exposure（观测到的AI暴露）”，并强调应从“任务”而非“职业”这一更细粒度的层面来理解AI带来的变化。
AI的影响集中在“任务”，而非整份“职业”
研究指出，AI在短期内直接完全取代某一整类职业的情况并不多见，更常见的是：一份工作中包含的若干具体任务，会部分受到AI的替代或辅助。
大多数职业都是由多种不同类型的任务组合而成。AI通常被用于自动化或协助其中的一部分环节，例如信息检索、文本撰写、数据整理等。因此，AI的普及更可能带来的是：
- 工作内容在内部被重新拆分和组合
- 人类与AI之间的分工方式发生变化
- 职位名称不变，但日常工作结构和技能要求逐步调整
换言之，AI对劳动市场的冲击，更像是“任务层面的重构”，而不是简单的“某职业消失”。
用“Observed Exposure”量化AI对工作的实际影响
为更准确评估AI对工作的真实影响，Anthropic在报告中提出了“Observed Exposure（观测到的AI暴露）”这一新指标。
该指标综合考虑了以下几个维度：
- 大规模语言模型（LLM）在理论上可以完成的任务类型
- Claude等AI工具在现实中的实际使用数据
- 使用场景是“自动化替代”还是“辅助支持”
- 使用是否与工作或业务活动直接相关
通过将这些因素结合，研究团队构建出一个更贴近现实的AI影响度量方式。
■ 图：AI曝露指標（Eloundou β）与Claude使用比例的关系。AI曝露越高的职业，实际Claude使用比例也越高
与以往主要基于“AI理论能力”进行推演的研究不同，这份报告更强调“真实使用行为”的证据，这也是其一大特点。
AI的真实使用范围仍远小于其理论能力
研究结果显示，如果从模型能力出发，AI在理论上可以覆盖的任务范围相当广泛；但对比Claude的实际使用数据，当前真正被AI介入的任务只占其中一小部分。
■ 图：按职业类别对比AI理论可胜任范围与实际使用情况。蓝色代表理论上AI可处理的任务范围，红色代表基于Claude真实使用数据统计出的AI实际应用范围
报告指出，AI能力与实际应用之间仍存在明显“落差”，这意味着：
- 许多理论上可被AI支持的任务尚未在实践中大规模采用AI
- 随着工具、组织流程和监管环境的变化，AI对劳动力市场的影响仍可能持续演化
AI曝露度越高的职业，未来就业增长预期越低
研究还将“Observed Exposure”与美国劳工部劳工统计局（BLS）对各职业未来就业增长率的预测进行了对比分析。
结果显示：AI曝露度越高的职业，其未来就业增长率往往越低。这表明，这些职业在中长期内可能面临更大的结构性调整压力。
不过，报告也强调，这一相关性并不等同于“AI正在直接削减这些岗位”。另一种可能的解释是：
- 本身增长前景就较为有限的职业，往往更容易被AI技术覆盖
因此，AI与就业增长之间的因果关系仍需要更长期、更细致的数据来验证。
高AI曝露职业：高学历、高收入、女性占比较高
根据报告，对AI曝露度较高的职业群体，呈现出以下共同特征：
- 从业者整体受教育程度较高
- 收入水平相对较高
- 女性从业比例偏高
- 年龄结构相对更成熟、偏高龄
这意味着，AI的影响正在从传统上易被自动化的“体力劳动、重复性蓝领岗位”，逐步扩展到以知识工作为主的白领职业。
■ AI曝露度较高职业的典型例子：包括程序员、客服、数据录入等，普遍涉及信息处理和文本生成等任务
目前尚未发现失业率系统性上升的证据
在就业结果方面，研究并未发现：自2022年以来，AI曝露度较高的职业出现系统性、显著的失业率上升。
不过，数据中也出现了一些值得关注的信号：在更容易受到AI影响的岗位上，年轻群体的招聘和进入速度，可能出现了一定程度的放缓。
总体来看，AI对就业的影响目前更多体现在：
- 招聘结构和用人偏好的微调
- 不同年龄、经验层次之间的机会分配变化
而非大规模、立刻可见的失业潮。
Anthropic将持续追踪AI对劳动力市场的长期影响
Anthropic表示，为更好理解AI的社会影响，公司将继续基于Claude等产品的真实使用数据，长期跟踪和分析AI对劳动力市场的结构性影响。
未来，随着AI能力提升、企业采用程度加深以及监管政策逐步完善，AI在不同职业、不同任务中的角色也可能持续变化。如何在效率提升与就业质量、机会公平之间取得平衡，将成为政策制定者、企业和劳动者共同面对的重要议题。
