Anthropic 釋出 AI 崗位暴露指標：程式設計師風險達 75%，年輕新人招聘放緩

大家聊 AI 搶飯碗聊了兩年多，每次看報告都像在看玄學。有的專家說一半白領要失業，有的機構又說淨增幾百萬崗位，到底信誰？

Anthropic 最近發了一份勞動力市場研究，算是給這個吵翻天的話題換了個思路。他們沒光拿著模型有多聰明去空談，而是掏出自家的真實後臺資料，做了一套新的評估體系。

理論上能幹，不等於真的在幹

過去衡量 AI 對工作的影響，大家普遍用理論能力來打分。比如某篇經典論文提出過一個標準：只要大模型能讓某項任務速度翻倍，就算這項任務被覆蓋。

按照那種演算法，計算機和數學類崗位的任務，有 94% 都能被 AI 提速，辦公室行政崗也有 90% 難逃法網。但現實中哪有這麼誇張？

Anthropic 這次提出了一個叫「觀察到的暴露度」的新指標。他們把理論可行性，跟使用者在 Claude 上的真實使用資料結合起來算賬。

而且他們還做了權重區分：如果企業是用 API 全自動化搞定某項任務，就算全額暴露；如果只是打工人用來做輔助和潤色，權重就只算一半。

結果差距非常刺眼。計算機與數學大類裡，理論上大模型能做 94% 的事，但現實中 Claude 真正落地的任務只有 33%。

原因很現實：法律法規卡著、企業軟體沒打通、需要人類核實，或者模型本身還有短板。比如大模型理論上完全可以幫藥店稽核處方藥，但現實中幾乎沒人敢直接扔給 Claude 全權處理。

從具體職業來看，受衝擊最嚴重的還是程式設計師，覆蓋率達到了 75%。其次是客戶服務代表，大量客服任務已經走第一方 API 實現了自動化；排在後面的資料錄入員覆蓋率也達到了 67%。

與此同時，全美有 30% 的勞動者在資料裡暴露度為零。比如廚師、摩托車修理工、救生員、調酒師和洗碗工，這些物理世界的活兒，AI 暫時碰都碰不到。

很有意思的是，受 AI 影響最大的這批打工人，並不是低收入群體。統計顯示，高暴露組比零暴露組平均收入高出 47%，女性比例更高，高學歷特徵尤其明顯。在高暴露人群中，擁有研究生學歷的佔了 17.4%，而零暴露組只有 4.5%。

沒發生大規模失業，但門檻悄悄變高了

如果這麼多白領的活兒都被 AI 摸到了，為什麼現實裡還沒看到裁員潮？

Anthropic 對比了美國勞工統計局的資料，發現自 2022 年底 ChatGPT 問世以來，高暴露度職業的失業率並沒有出現系統性上升。

但風向已經變了。勞工統計局在預測 2024 到 2034 年的就業變動時，對高暴露度職業給出的增長預期明顯更弱。暴露度每增加 10 個百分點，十年預測增速就縮水 0.6 個百分點。

更值得警惕的是一條早期的苗頭：高暴露職業裡，年輕新人的招聘速度已經開始放緩了。

換句話說，大公司暫時沒有大批開除老員工，但很多初級崗位的HC可能正在悄悄消失。

為什麼重要

我們認為，Anthropic 這份報告最聰明的地方，在於戳破了「AI 能力等於實際替代」的泡沫。大模型能做一道題，跟一家企業把它部署進工作流把人裁掉，中間隔著十萬八千里。

但這份溫和的結論裡，其實藏著一把鈍刀子。對剛畢業的年輕人或者初級開發者來說，形勢遠比表面資料嚴峻。

企業現在的策略看起來不是主動裁員，而是「自然減員後不再補招初級工」。寫初級程式碼、做簡單資料整理的工作被 API 默默分流，老員工拿著 AI 當放大器，新人進門練手的梯子卻被抽走了。

當然，Anthropic 的資料也有它的盲區。這套結論很大程度上建立在 Claude 的使用畫像上，不能完全代表 OpenAI 或者開源模型在各行各業的實際滲透。

但它給整個行業提了個醒：看 AI 對就業的衝擊，不能光看宏觀失業率有沒有跳水。當企業端 API 的呼叫量每天都在漲，而入門級崗位的招聘啟事越來越少時，溫水煮青蛙的替代其實已經開始了。