為什么這份報告有缺陷，為什么辯論框架錯了，以及為什么AI將取代“按時計價”的工作，同時為“結(jié)果導(dǎo)向”的專業(yè)能力提供超能力。

作者：Ethan Batraski 2026年3月11日

Anthropic最近發(fā)表了一篇論文，試圖使用一種名為“觀察到的暴露度”（observed exposure）的新指標(biāo)來衡量AI對勞動力市場的影響。其核心思路很直白：將大語言模型（LLM）“理論上能做的事”與人們在實際工作場景中“如何使用它們”進行對比。

這篇論文迅速在社交媒體、風(fēng)投圈和政策討論中傳開。那張展示“理論能力”與“當(dāng)前使用”之間巨大鴻溝的雷達圖，已成為“AI要來搶你飯碗”的一種潛臺詞縮影。

但這種反應(yīng)更多體現(xiàn)了人們對技術(shù)的“解讀方式”，而非論文真正展示的內(nèi)容。

這份報告存在三個基本問題：它本身的力量比外面的輿論暗示的要弱；它的切入點錯了；而人們對研究結(jié)果的解讀方式助長了不必要的恐慌。這并不代表作者工作做得不好，而是意味著人們從這項工作中得出的結(jié)論是被誤導(dǎo)的。

更重要的是，這意味著關(guān)于 AI 與勞動力的辯論正發(fā)生在一個錯誤的坐標(biāo)軸上。

第一：數(shù)據(jù)遠沒有敘事那么戲劇化

第一個問題很簡單：論文并未顯示出顯著的勞動力動蕩。

作者自己在文中直言不諱：通過觀察AI暴露度最高職業(yè)的失業(yè)數(shù)據(jù)，他們發(fā)現(xiàn)自ChatGPT發(fā)布以來，就業(yè)結(jié)果沒有發(fā)生任何具有統(tǒng)計學(xué)意義的變化。

人們經(jīng)常引用的唯一信號是：在22-25歲進入高暴露職業(yè)的年輕人中，招聘速度有所放緩。即便如此，論文也謹慎地指出，這種效應(yīng)“僅具有微弱的統(tǒng)計學(xué)意義”。

換句話說，勞動力受損的證據(jù)非常乏力。

這并不奇怪。勞動力市場是慢變量系統(tǒng)。組織不會瞬間圍繞新技術(shù)完成重構(gòu)，他們會隨著時間推移調(diào)整招聘、工作流和資本投入。如果說這篇論文提供了什么啟示，那就是：AI對勞動力市場的影響才剛剛開始在數(shù)據(jù)中露頭。

然而，公眾的反應(yīng)卻是將這些發(fā)現(xiàn)視為“迫在眉睫的大規(guī)模失業(yè)”的證據(jù)。這種解讀根本沒有證據(jù)支撐。

第二：雷達圖極具說服力，但也具有誤導(dǎo)性

第二個問題是報告展示核心發(fā)現(xiàn)的方式。

被瘋傳的雷達圖對比了不同職業(yè)中“理論上的 AI 能力”與“實際使用情況”。在許多領(lǐng)域，AI理論上能完成的任務(wù)比例遠大于目前被自動化的比例。視覺上，這創(chuàng)造了一種震撼的圖景：大量的經(jīng)濟活動似乎正處于被快速自動化的邊緣。

但這種解讀誤解了圖表真正代表的含義。

能力與部署之間的差距并不意味著自動化即將橫掃這些行業(yè)。它僅僅意味著組織尚未將技術(shù)整合進工作流中。

這個缺口不是“迫在眉睫的失業(yè)”的證據(jù)，而是“我們?nèi)蕴幱诓捎弥芷谠缙凇钡淖C據(jù)。大多數(shù)通用技術(shù)（GPTs）都遵循這種模式：能力先到，隨后隨著制度、軟件系統(tǒng)和專業(yè)規(guī)范的調(diào)整，整合才緩慢跟進。

這張圖表不是失業(yè)預(yù)測圖，而是一張“尚未部署”的地圖。

第三：真正的本質(zhì)問題在于“框架”

更深層的問題是，報告構(gòu)建問題的方式與勞動力市場的實際運作邏輯不符。

該分析將職業(yè)視為“任務(wù)的集合”，并詢問AI理論上能完成多少比例的任務(wù)。這可能是一個有用的技術(shù)問題，但它不是一個正確的經(jīng)濟學(xué)問題。

工作的定價不是看任務(wù)，而是看時間或結(jié)果。

這種區(qū)分至關(guān)重要。

如果一份工作出賣的是“小時”或“產(chǎn)出量”，自動化會降低工人的價值。但如果一份工作出賣的是判斷力、責(zé)任感或最終結(jié)果，自動化會讓工人變得更強大，而非被削弱。一旦你透過這個鏡頭觀察勞動力市場，AI的影響就變得清晰得多。

AI取代勞動力的地方

某些類型的工作從根本上是按時間或產(chǎn)出量計價的。行政運營、客戶支持、常規(guī)分析、QA測試、市場研究以及許多入門級知識工作都屬于這一類。在這些角色中，企業(yè)本質(zhì)上是在購買“吞吐量”。如果AI能更快、更便宜地產(chǎn)生同樣的產(chǎn)出，經(jīng)濟動機很明確：自動化。這就是AI會壓縮勞動力需求的地方。但即便在這里，轉(zhuǎn)型也不太可能表現(xiàn)為戲劇性的大裁員。它更多表現(xiàn)為招聘放緩和入門級人才管道的收縮。常規(guī)知識工作正在變成“商品化”的廉價物。

AI 成為“超能力”的地方

在光譜的另一端，是價值與結(jié)果而非時間掛鉤的職業(yè)。分配資本的高管、設(shè)計系統(tǒng)的工程師、診斷病人的醫(yī)生、制定法律策略的律師、評估機會的投資者、決定品味與方向的創(chuàng)意人。這些工作不是按達成結(jié)論所需的小時數(shù)付費的，而是按決策的質(zhì)量付費。在這種語境下，AI不會取代工人，它增加了工人的杠桿。AI只是擴展了決策者的信息和分析能力。這些領(lǐng)域的頂尖人才生產(chǎn)力將獲得戲劇性的提升。

專業(yè)服務(wù)金字塔的壓縮

在這兩個極端之間，存在著大量的“專業(yè)知識工作”。律師、顧問、分析師和工程師將判斷力與大量的常規(guī)分析工作結(jié)合在一起。AI將重塑這些行業(yè)：過去由初級員工完成的研究、起草、文檔和初步分析工作，現(xiàn)在可以由機器完成。結(jié)果不是職業(yè)消失，而是金字塔的壓縮。

公司需要的初級員工更少，而資深專業(yè)人士擁有更強的杠桿。長此以往，這可能會從根本上改變專業(yè)能力的培養(yǎng)模式。

AI幾乎無法觸及的工作

最后，勞動力市場中還有很大一部分工作AI很難直接產(chǎn)生影響。依賴物理存在的工作——建筑、維修、農(nóng)業(yè)、交通、接待業(yè)——依然受物理世界的約束。諷刺的是，許多經(jīng)濟學(xué)家曾預(yù)計會被自動化消除的工作，反而被證明是最具韌性的。

真正的機會

透過這個鏡頭看，Anthropic的報告變得更有趣了。

最重要的洞察不是“哪些工作AI能做”，而是AI的能力與真實經(jīng)濟部署之間的差距竟然還這么大。 填補這一差距不僅需要更好的模型，還需要新的軟件、新的工作流、新的制度規(guī)范和組織架構(gòu)。

換句話說，下一波AI公司的核心競爭力不再是構(gòu)建更聰明的模型，而是重新設(shè)計工作本身。

真正的分水嶺

關(guān)于AI與就業(yè)的辯論目前聚焦在錯誤的問題上。

問題不在于AI能完成多少任務(wù)，而在于不同類型的工作在經(jīng)濟結(jié)構(gòu)上是如何構(gòu)建的。

有的工作賣時間，有的工作賣結(jié)果。AI會壓縮前者，并賦能后者。理解這一區(qū)別，比任何雷達圖都重要。

本文編譯自substack，原文作者Ethan Batraski

https://ethanjamesb.substack.com/p/everyone-is-misreading-the-anthropic