Anthropic重磅报告：AI抢饭碗，你的工作是理论风险还是现实危机？
Anthropic于2026年3月5日发布的研究报告，由Maxim Massenkoff和Peter McCrory撰写。报告引入了一个衡量AI取代风险的新指标——“观察到的暴露度”（Observed Exposure），结合了大型语言模型（LLM）的理论能力和现实世界中的实际使用数据。
核心发现
- 新的衡量指标："观察到的暴露度"结合了理论LLM能力和实际使用数据，侧重于自动化（而非增强性）和工作相关的用途。
- 能力与部署的差距：AI的实际覆盖范围远未达到其理论能力。例如，在"计算机与数学"职业类别中，LLM理论上可渗透到94%的任务中，但Claude的实际覆盖率仅为33%。
- 暴露度与工作增长预测：观察到的暴露度较高的职业，根据美国劳工统计局（BLS）的预测，到2034年的增长预计会较慢。
- 高暴露度群体的特征：处于最暴露职业的工人更有可能年龄较大、是女性、受教育程度更高、收入更高。
- 对失业率的有限影响：自2022年末以来，高暴露度工人的失业率没有系统性的增加。
- 对年轻工人招聘的影响：发现"暗示性证据"，即在暴露度高的职业中，对年轻工人（22-25岁）的招聘速度有所放缓。
方法论
报告构建"观察到的暴露度"指标，结合了三个方面的数据：
- O*NET数据库：涵盖美国约800个独特职业的任务清单。
- 理论能力：来自Eloundou et al. (2023) 的任务级暴露度估计。
- 实际使用数据：Anthropic自己的Claude使用数据（Anthropic经济指数），特别关注自动化、工作相关的用途和API实现。
关键发现
- 计算机程序员以74.5%的观察到的暴露度位居榜首，其次是客户服务代表（70.1%）和数据录入员（67.1%）。
- 高暴露度群体平均时薪比零暴露度群体高出47%（$32.69 vs. $22.23）。
- 高暴露度群体拥有研究生学位的比例（17.4%）远高于零暴露度群体（4.5%）。
- 自ChatGPT发布以来，高暴露度组和零暴露度组的失业率趋势基本相似。
- 年轻工人（22-25岁）进入高暴露度职业的招聘率下降了约0.5个百分点。
局限性
- 数据仅基于Claude的使用情况，可能无法代表整个AI行业。
- 招聘放缓的证据"仅仅略微显著"。
- AI的长期影响尚不明确，可能类似于互联网或贸易的影响，需要更长时间才能在宏观数据中显现。