自 2022 年底生成式东谈主工智能快速发展以来，对于其对工作阛阓影响的究诘一直握续收敛。昔时几年间，科技行业从业者、金融分析师以及公众广泛惦记白领岗亭可能首当其冲。但跟着时期推移，此前预期的大限度闲适气候似乎尚未出现。

3 月 5 日，东谈主工智能公司 Anthropic 发布了一份题为《AI 对劳能源阛阓的影响：一种新臆测尺度与早期字据》（Labor market impacts of AI: A new measure and early evidence）的谋划论说。该论说由经济学家 Maxim Massenkoff 和 Peter McCrory 撰写，基于 Claude 的实质使用数据对这一问题进行了分析。论说的论断是：当今大巨额已有职责教学的从业者岗亭还相对沉静，但刚参预工作阛阓的年青求职者濒临更大的挑战。

要领路这一气候，当先需要明确怎样臆测“被 AI 取代的风险”。

昔时几年，学术界和产业界在评估时刻冲击时，多给与基于表面推演的设施。2023 年，OpenAI 谋划东谈主员 Tyna Eloundou 等东谈主发表论文，惨酷一种基于表面本事的评估模子。

在该框架下，淌若谎言语模子（LLM）大致孤苦完成某项任务并将推论速率普及一倍，该任务即被艳丽为“完全泄漏”；若需借助外部软件或器用，则为“部分泄漏”。这种“表面泄漏度”的评估终局骄气，大巨额常识型职责王人可能受到 AI 影响。

但 Anthropic 的论说指出，表面可行性与实质给与率之间存在显着差距，无法手脚惟一的判断尺度。为此，谋划团队惨酷了一项新的经济学见地——“不雅察到的泄漏度”（Observed Exposure）。

这一新见地不再仅依赖表面推演，而是将好意思国奇迹信息收集（O*NET）中的具体任务拆解，与 Anthropic 的 Claude 实质使用数据（即 Anthropic 经济指数）进行交叉分析。

谋划东谈主员西席了表面上可被大模子加快的任务，在实质专科职责场景中被自动化的比例。淌若某项任务在 API 流量中呈现完全自动化特征，则赋予全额权重；若手脚东谈主类扶植器用使用，则赋予一半权重。

终局骄气，AI 的实质应用范围与表面预期竟然存在差距。

以盘算机与数学类奇迹为例，从表面上来看，该鸿沟险些 94% 的任务可被大模子障翳，但当今骄气的实质任务障翳率仅为 33%。论说分析以为，这种差距主要源于执行中的多重敛迹，包括法律合规条件、企业软件环境放胆，以及枢纽法子仍需东谈主工核查等。举例，大模子表面上可协助照看处方续注，但在实质系统流量中，这类高风险医疗决议行径少量发生。

跟着评估设施的调停，受 AI 影响较大的群体特征也逐步明确，这一特征与以往时刻变革中受影响的群体有所不同。在工业自动化或公共化贸易冲击中，低学历、从事旧例膂力工作的工作者往往受影响较大。

但根据 2022 年秋季好意思国面前东谈主口造访（CPS）数据，Anthropic 的谋划发现，处于 AI 泄漏度最高 25% 区间的工作者呈现出不同特征：平均年级较大，收入比低泄漏群体高 47%，受涵养进度也更高。在低泄漏群体中，领有谋划生学历的比例为 4.5%，而在高泄漏群体中这一比例为 17.4%。

从东谈主口统计学角度看，高泄漏群体中女性比例跳动 16 个百分点，白东谈主跳动 11 个百分点，亚裔比例约为低泄漏群体的两倍。

从奇迹角度来看，盘算机表率员的实质障翳率为 74.5%，客户服务代表为 70.1%，数据录入员为 67.1%，医疗纪录群众、阛阓谋分裂析师和金融投资分析师也属于高泄漏奇迹。比拟之下，约 30% 的工作者：如厨师、摩托车修理工、救生员和洗碗工，因职责高度依赖物理操作，在 AI 实质使用数据中占比很低。

那么，既然高学历、高收入的白领群体受 AI 影响较大，他们是否慎重验大限度闲适？但论说的发现与部分预期不同：当今并未出现这种情况。

Anthropic 指出，这是由于此前多使用“因果推断”的平直分析设施，而这仅在表现“突发性经济冲击”时较为胜仗，举例疫情初期闲适率飞腾的原因较为明确。但 AI 的影响可能更接近互联网普及或海外贸易变化的经过，其效应容易被买卖周期等其他成分所影响。

为了减少禁绝，谋划团队给与双重差分模子（DID），跟踪了自 ChatGPT 发布以来高泄漏与低泄漏群体的闲适率变化。淌若 AI 导致访佛 2008 年金融危险的工作冲击，高泄漏群体的闲适率应有显着飞腾。但实质数据骄气，自 2022 年底以来，两类群体的闲适率走势基本平行，平均变化各别在统计上不显耀。

好意思国劳工统计局（BLS）对改日十年工作增长的瞻望骄气，奇迹的 AI 障翳率每加多 10 个百分点，预期增长率着落 0.6 个百分点，这更多体现为增速和善放缓，而非岗亭十足减少。

此外论说还进一步骄气，对于资深从业者来说，他们的岗亭不仅相对沉静，还可能因 AI 扶植而普及职责效果。

经济学家 Joshua Gans 和 Avi Goldfarb 在 2025 年惨酷的 O 型环自动化模子（O-Ring Automation）指出，唯独职责中仍有需要东谈主类判断、复杂换取或专科教学的法子，这些任务的价值可能因基础职责被自动化而普及。这有助于表现为安在 AI 承担基础代码生成或数据清洗后，高档表率员和资深分析师的阛阓需求并未显着着落。

有关词，未出现大限度闲适并不料味着劳能源阛阓完全不受影响，仅仅变化的发扬神色更为障碍。当企业发现资深职工借助大模子可完成更多正本需低级助理协助的职责时，其招聘策略可能相应调停。第一步可能便是减少低级岗亭的招聘——这一变化对年青求职者的奇迹进口产生影响。

以 22 至 25 岁后生群体的工作情况为例，Anthropic 论说指出，由于部分年青求职者在未找到专科职责时可能退出劳能源阛阓或暂不呈文奇迹，传统闲适率见地难以全面反应其处境。为此，谋划团队运用 CPS 面板数据，跟踪年青东谈主“运转一份新职责”的入职率。

数据骄气，2020 至 2021 年波动之后，2024 年起年青东谈主在高泄漏与低泄漏奇迹的入职率出现分化。低泄漏行业的入职率保握在每月约 2% 的水平，而高泄漏奇迹的入职率有所着落。2022 年之后，高泄漏奇迹中年青东谈主的求职告捷率着落约 14%。这一趋势在 25 岁以上群体中不显着。

这一发现与学术界其他谋划终局一致。2025 年，斯坦福大学数字经济实验室主任 Erik Brynjolfsson 偏激团队发表论文《煤矿里的金丝雀？对于东谈主工智能近期工作影响的六个事实》（Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence），基于好意思国自动数据照看公司（ADP）的高频薪酬数据，分析了数百万工东谈主的工作情况。

谋划发现，在受 AI 影响较大的奇迹中，22 至 25 岁的早期奇迹工作者相对工作率着落 6% 至 16%，而 30 岁以上职工工作保握沉静或增长 6% 至 13%。

“煤矿里的金丝雀’这个譬如源于 19 世纪末至 20 世纪早期的采矿业：矿工下井时会带一只金丝雀，因为它对有毒气体（如一氧化碳、甲烷）极为明锐，一朝毒气浓度升高，金丝雀会起首出现中毒症状，给东谈主类提供贵重的早期预警。

在 AI 期间，年青求职者就像这些金丝雀——他们起首、最显着地反应出劳能源阛阓的结构性变化：由于议价本事有限、尚未积贮难以被替代的专科教学，它们往往从基础性任务起步，而这些任务正好最容易被 AI 照看。资深职工能借助 AI 大幅普及效果，以致一东谈主完成昔时几东谈主的职责量；但年青群体却濒临初学契机暴减、竞争压力骤增的窘境。

对于未能参预标的岗亭的年青东谈主，其具体流向在现存谋划中尚无调解论断。Anthropic 的论说指出，造访数据可能存在统计纰缪，未参预标的岗亭的年青东谈主可能留在原有职位、转向自动化风险较低的服务业，或遴荐赓续深造。不管具体流向怎样，传统的职场培养形态正濒临调停。

归来昔时几十年，职场东谈主才培养往往遵照一种渐进形态：新东谈主通过照看测试代码、撰写论说初稿、调节基础系统等任务积贮教学，渐渐成长为能自强门庭的专科东谈主才。但如今，跟着大模子大致以更低资本完成这些基础性职责，低级岗亭的培养似乎变得不再必要。

从短期看，这照实有助于企业普及东谈主效，但从长久看，若行业广泛弱化对新东谈主实践本事的培养，改日中高档专科东谈主才的供给可能出现断层，反而制约企业的可握续发展。

与此同期，年青求职者濒临的工作窘境也拦阻忽视。当基础任务被自动化经受，而企业又清寒系统性的新东谈主培养机制，这一群体不仅更难获取参预专科鸿沟的契机，其早期奇迹发展和收入沉静性也可能受到握续影响。

这既关联到个体糊口，也触及劳能源结构的长久健康。怎样均衡时刻效果与东谈主才成长，为年青东谈主创造可行的本事进阶旅途，值得企业、涵养机构和计谋制定者共同祥和。

1. https://www.anthropic.com/research/labor-market-impacts

2.https://digitaleconomy.stanford.edu/app/uploads/2025/11/CanariesintheCoalMine_Nov25.pdf

运营/排版：何晨龙