這段時(shí)間，只要大家坐在一起，就必聊一個(gè)話題：
AI。

伴隨這個(gè)話題，往往是一種特別濃重的情緒：

焦慮。

“AI即將淘汰這20種職業(yè)”、“未來五年，一半白領(lǐng)將失去工作”，類似的標(biāo)題，在文章、視頻里，幾乎天天看到。看得多了，難免犯嘀咕：我的工作，會(huì)被取代嗎？今天的經(jīng)驗(yàn)和技能，會(huì)不會(huì)突然一文不值？

我特別理解。但焦慮，往往來源于模糊。看不清，恐懼就會(huì)被無限放大。

所以今天，我特別想跟你分享一份，AI如何影響就業(yè)的報(bào)告：《AI對(duì)勞動(dòng)力市場的影響：一種新測量方法及早期證據(jù)》。

這份報(bào)告，很特殊。特殊在發(fā)布者，也特殊在研究方法。

它的發(fā)布者，不是咨詢公司，而是頂尖AI公司之一，Anthropic。他們開發(fā)的Claude，是ChatGPT的有力競爭者。而報(bào)告，也沒有停留在邏輯推導(dǎo)，而是交叉比對(duì)了美國職業(yè)信息網(wǎng)絡(luò)，和Claude后臺(tái)的用戶數(shù)據(jù)。

那么，報(bào)告說了些什么？和我們又有什么關(guān)系？

我試著花了一些時(shí)間，把你可能關(guān)心的數(shù)據(jù)和洞察，簡要梳理了一遍。

01

評(píng)估AI影響，要看真實(shí)的后臺(tái)數(shù)據(jù)

如何衡量，AI對(duì)一份工作的沖擊？

要知道，過去預(yù)測技術(shù)沖擊，有不少翻車記錄。曾有人預(yù)測，美國約1/4工作，有被“離岸外包”搶走的風(fēng)險(xiǎn)。但10年過去了，大部分還在。工業(yè)機(jī)器人到底搶走了多少工作崗位，還沒有定論。

為什么預(yù)測常常不準(zhǔn)？因?yàn)榇蠹铱吹模蠖嗍抢碚撏茖?dǎo)。

理論推導(dǎo)，就是專家把工作拆解成幾個(gè)任務(wù)，比如寫郵件、比如做表格。然后評(píng)估：AI理論上能不能寫郵件？能不能做表格？能。那這個(gè)工作就很危險(xiǎn)。但理論上能干，不代表就能真干。法律、管理成本、效率，甚至用戶接受度，等等因素，都是阻礙。

怎么辦？

既然理論推導(dǎo)不準(zhǔn)，那咱就直接去看看，用戶到底用AI干了啥。

于是，Anthropic創(chuàng)造了一個(gè)新的指標(biāo)：觀測暴露度（Observed Exposure）。名字聽上去有點(diǎn)學(xué)術(shù)。一句話概括這個(gè)指標(biāo)的意思，就是：

一份工作的具體任務(wù)，到底被AI覆蓋了多少。

具體到每個(gè)工作，它會(huì)考慮這幾個(gè)維度。

比如，真實(shí)使用量。Anthropic參考了Claude的海量使用數(shù)據(jù)。例如，是不是真的有人，在工作的時(shí)候用它來寫郵件。沒有，就不算。

比如，任務(wù)占比。如果一個(gè)崗位中，被AI影響的任務(wù)只占很小一部分，整體暴露度也不會(huì)高。

還比如，自動(dòng)化程度。是AI寫初稿你修改潤色，還是公司直接用AI自動(dòng)生成和發(fā)送郵件。后者這種自動(dòng)化模式，對(duì)崗位的替代風(fēng)險(xiǎn)，遠(yuǎn)大于前者。

這樣，“觀測暴露度”就不局限于推理，而是基于真實(shí)數(shù)據(jù)的統(tǒng)計(jì)。

那統(tǒng)計(jì)的結(jié)果，怎么樣？

02

高薪女白領(lǐng)，可能更容易受到AI沖擊

報(bào)告的一個(gè)結(jié)論，讓很多人吃了一驚：

當(dāng)前階段，AI暴露度較高的職業(yè)人群，更偏向高學(xué)歷、高收入的白領(lǐng)崗位，女性比例也更高。

怎么得出的結(jié)論？

Anthropic，把暴露度前25%職業(yè)的“高暴露群體”，和幾乎不被AI影響的“無暴露群體”，進(jìn)行了對(duì)比。他們發(fā)現(xiàn)：

學(xué)歷方面，完全不受AI影響的一組，擁有研究生學(xué)歷的，只有4.5%。但高暴露度那組，跳到了17.4%，近四倍。收入方面，高暴露組平均時(shí)薪32.69美元，另一組22.23美元。高47%。性別方面，高暴露組里女性占54.4%，另一組只有38.8%。

為什么會(huì)這樣？

我們得先搞清楚，所謂的“高暴露群體”和“無暴露群體”，都是什么職業(yè)。

03

能不能被AI替代，要看工作內(nèi)容是不是可以拆成Skill

首先，幾乎不受AI影響的職業(yè)，約占30%。比如廚師、汽車修理工、救生員和洗碗工，這些工作依賴現(xiàn)實(shí)操作，幾乎沒有被AI覆蓋。

那“高暴露群體”呢？報(bào)告把AI暴露度前10名的職業(yè)，列了一個(gè)榜單。

排第一位的，你可能也猜到了：程序員，暴露度高達(dá)74.5%。Claude后臺(tái)里，大量的自動(dòng)化任務(wù)，都集中在“編寫、更新和維護(hù)軟件程序”上。

客戶服務(wù)代表緊隨其后，暴露度為70.1%。報(bào)告提到，很多企業(yè)已經(jīng)把AI嵌入了客服系統(tǒng)。客戶問問題，AI瞬間回答。

除此之外，還有數(shù)據(jù)錄入員（暴露度67.1%）、醫(yī)療記錄員（66.7%）、市場研究分析師（64.8%）、金融和投資分析師（57.2%）等等。

這些職業(yè)，表面上天差地別。但仔細(xì)想，它們有個(gè)共同點(diǎn)：

大部分工作內(nèi)容，都能拆成一套標(biāo)準(zhǔn)動(dòng)作。

客服處理投訴，是一套動(dòng)作。數(shù)據(jù)錄入，是一套動(dòng)作。寫報(bào)告、寫代碼、做分析，都可以拆成一個(gè)個(gè)簡單步驟，用語言描述清楚。這也是AI體系里常提到的：Skill。比如，寫郵件的Skill，就可以拆成理解產(chǎn)品，提煉賣點(diǎn)，組織結(jié)構(gòu)，生成文案等等幾個(gè)步驟，反復(fù)執(zhí)行。

換句話說，AI替代的不是具體職業(yè)，是可以被“Skill化”的工作任務(wù)。

反過來看，那些AI暫時(shí)做不了的事情，往往不是因?yàn)楦案呒?jí)”，而是因?yàn)檫€拆不成Skill。比如在充滿博弈的會(huì)議室里，判斷局勢(shì)。在沒有先例的情況下，做決策承擔(dān)后果。在見面五分鐘內(nèi)，贏得信任。

所以，為什么高薪女白領(lǐng)，會(huì)呈現(xiàn)更高的AI暴露度？

答案不在“人”上，在“任務(wù)”上。當(dāng)一份職業(yè)的核心任務(wù)，能被拆解為Skill時(shí)，這份職業(yè)的AI暴露度，就必然會(huì)高。

過去幾十年，市場把高薪給了那些產(chǎn)出信息的工作：寫報(bào)告、做分析、整理數(shù)據(jù)。這些工作需要學(xué)歷背書，比起很多傳統(tǒng)工作，也吸納了更多女性。但這類工作，恰恰也是Skill化程度最高的一類。

當(dāng)一項(xiàng)能力可以被寫成流程，它就已經(jīng)在AI的射程之內(nèi)。

這件事影響最大的，不是老員工，而是還沒來得及上崗的年輕人。

04

年輕人工作的入門門檻，正在越來越高

報(bào)告捕捉到了一個(gè)，值得警惕的先行指標(biāo)：

年輕人的“新工作開始率”。

看圖。紅線，代表了AI高暴露度職業(yè)中，22-25歲年輕人的新工作開始率。藍(lán)色，是零暴露職業(yè)中，年輕人新工作開始率。2024年初，AI高暴露度職業(yè)的“新工作開始率”，開始下降。與2022年相比，平均下降約14%。

這意味著什么？

AI對(duì)就業(yè)市場的第一刀，砍向的不是“存量”崗位，而是“增量”機(jī)會(huì)。

我們可以把公司的用人策略，簡化為兩個(gè)基本動(dòng)作：

用好老人，和招聘新人。

過去，當(dāng)業(yè)務(wù)增長，公司最直接的反應(yīng)，就是“招新人”。但現(xiàn)在，企業(yè)有了一個(gè)充滿誘惑的新選項(xiàng)：

通過AI提效，用好老人。

一個(gè)市場分析團(tuán)隊(duì)，有2個(gè)主管和5個(gè)專員。主管負(fù)責(zé)策劃終審，專員負(fù)責(zé)找資料、寫作等執(zhí)行工作。但有了AI，執(zhí)行工作可以被輕松覆蓋。這時(shí)候，如果公司業(yè)務(wù)增長了20%，作為老板，你怎么選？

是再招聘2個(gè)專員，還是讓老員工們用好AI，多做工作？

很多時(shí)候，答案是后者。新招聘員工，不光要承擔(dān)培養(yǎng)成本，還得做好新人和團(tuán)隊(duì)不合拍，支付分手費(fèi)用的心理準(zhǔn)備。

AI時(shí)代，年輕人的挑戰(zhàn)，可能不是與同齡人競爭初級(jí)崗位，而是與AI加持的資深員工，競爭崗位“是否需要存在”。

05

AI應(yīng)用仍在“提效”階段，還沒進(jìn)入“降本”階段

說完新員工，那老員工呢？

如果我的大部分工作，能被拆解成Skill，那我是不是要被淘汰了？

報(bào)告給出的答案是：高暴露度，暫時(shí)不等于高失業(yè)率。

看這張圖。紅線，代表AI高暴露度群體的失業(yè)率。藍(lán)色，代表零暴露群體的失業(yè)率。兩者幾乎平行。

“高危”人群，并沒有比“安全”人群，出現(xiàn)更高失業(yè)的風(fēng)險(xiǎn)。

為什么？報(bào)告沒有直接給出解釋。但大概因?yàn)椋?/p>

大多企業(yè)的AI應(yīng)用，可能仍在“提效”階段，沒進(jìn)入“降本”階段。

一項(xiàng)新技術(shù)在企業(yè)中的應(yīng)用，可能要分成多個(gè)階段。

第一階段，是嘗鮮和探索。

起初，企業(yè)會(huì)鼓勵(lì)員工嘗試AI工具，看它能不能解決一些過往難題。這個(gè)階段，大家關(guān)注的是“它能做什么”，而不是“它能替代誰”。

第二階段，是賦能和提效。

試點(diǎn)成功后，企業(yè)就會(huì)將AI，整合進(jìn)現(xiàn)有工作流中。讓一個(gè)設(shè)計(jì)師，出需要三個(gè)人才能完成的系列海報(bào)。讓一個(gè)分析師，一小時(shí)處理一天時(shí)間才能搞定的數(shù)據(jù)。這個(gè)階段，大家關(guān)注的，是人均產(chǎn)出的提升。

第三階段，才是重組和降本。

當(dāng)AI與業(yè)務(wù)深度融合，企業(yè)會(huì)重新審視人員需求。既然一個(gè)員工，能干過去2個(gè)員工的活，那10個(gè)人的團(tuán)隊(duì)，是不是7個(gè)人就夠了？這個(gè)階段，裁員，就成了一個(gè)擺在桌面上的選項(xiàng)。

技術(shù)帶來效率提升，早期會(huì)體現(xiàn)為利潤增長，后期才會(huì)體現(xiàn)為成本優(yōu)化。

更何況，AI的落地速度，其實(shí)遠(yuǎn)慢于技術(shù)爆發(fā)的速度。

06

AI落地速度沒那么快，因?yàn)楝F(xiàn)實(shí)世界存在摩擦力

這是一張來自報(bào)告的雷達(dá)圖。

藍(lán)色區(qū)域，代表理論上AI能替代的任務(wù)比例。紅色的區(qū)域，代表實(shí)際上用AI完成的任務(wù)比例。理論和實(shí)際，存在巨大差距。

舉個(gè)例子。計(jì)算機(jī)和數(shù)學(xué)。

根據(jù)專家理論評(píng)估，這個(gè)領(lǐng)域里94%的任務(wù)，都可以通過AI自動(dòng)完成，但實(shí)際任務(wù)覆蓋率只有33%。商業(yè)金融、管理、建筑，也一樣。理論覆蓋率雖然高，但實(shí)際覆蓋率縮水得非常厲害。

咦？不是說AI要來搶飯碗嗎，怎么實(shí)際上陣，縮水這么厲害？

因?yàn)楝F(xiàn)實(shí)世界里，充滿了“摩擦力”。

什么摩擦力？

比如，“隱性知識(shí)難復(fù)制”問題。

一個(gè)知識(shí)工作者的價(jià)值，不光在于能用文字描述的“顯性知識(shí)”，更在于情感和互動(dòng)中的“隱性知識(shí)”。優(yōu)秀的醫(yī)生，看診不僅靠醫(yī)理，更靠對(duì)病人情緒的洞察、對(duì)病癥的直覺判斷。頂尖銷售，簽單不僅靠產(chǎn)品知識(shí)，更基于對(duì)客戶情緒的微妙把握、對(duì)氛圍的精準(zhǔn)感知。

AI擅長復(fù)制“說明書”，但難以復(fù)制“老師傅”。

比如，“任務(wù)最后一公里”問題。

AI無法被懲罰。直白點(diǎn)說，沒辦法背鍋。即便AI可以完成90%任務(wù)，但最后的10%，需要校驗(yàn)、決策和擔(dān)責(zé)，還是要讓人類完成。AI可以起草合同，但審核風(fēng)險(xiǎn)、簽字確認(rèn)的還是你。AI可以分析財(cái)務(wù)數(shù)據(jù)，但最后向領(lǐng)導(dǎo)匯報(bào)的，也還是你。“最后一公里”跨不過去，AI就永遠(yuǎn)是輔助。

這也給我們帶來啟發(fā)：

不要在AI的優(yōu)勢(shì)區(qū)競爭，要在它的盲區(qū)，建立價(jià)值。

具體怎么建立？這就需要我們換一種思維方式：

不是想著怎么跑贏AI，而是想著怎么駕馭AI。

07

從“與AI賽跑”，轉(zhuǎn)向“駕馭AI，完成任務(wù)”

什么叫駕馭AI？

簡單來說，就是：AI能干的，我就少干。花時(shí)間，琢磨更高維的能力。

比如，思考和發(fā)問。

不再問“怎么寫”，先問“為什么寫”。文案要打動(dòng)誰？他們最大的顧慮是什么？我們想在他帶走什么？想清楚了，再讓AI動(dòng)手。

比如，邏輯和整合。

AI可以給你100個(gè)方向，但它不知道，哪個(gè)方向老板能接受，團(tuán)隊(duì)能執(zhí)行。把零散可能性，順好邏輯，找好亮點(diǎn)，收束成可行方案，才是你該做的。

比如，審美和判斷。

AI生成的東西，往往都“差不多”。但“差不多”和“就是它”，隔著你的品味、你對(duì)用戶的感知。這種判斷力，是做過上千個(gè)決定，才長出來的。

比如，溝通和共情。

會(huì)議室里的人，看的不是報(bào)告，是你。是你的判斷和底氣，愿不愿意為這個(gè)結(jié)論負(fù)責(zé)。AI可以幫你備好彈藥，但扣扳機(jī)的，只能是你。

以后，機(jī)器負(fù)責(zé)出力，人負(fù)責(zé)出智慧。

什么智慧？智慧，是你每天工作里那些“說不清為什么，但就是這個(gè)”的判斷，是那些“數(shù)據(jù)沒法證明，但我感覺對(duì)”的直覺，是那些“任何人都能寫，但只有你寫才對(duì)味"的信任。

所以，每個(gè)人或許都要問自己一個(gè)問題：

以后，我要做一個(gè)“更聰明的機(jī)器”，還是一個(gè)“更有智慧的人”？

這個(gè)問題的答案，決定了你的未來。

最后的話

簡單總結(jié)一下。

AI沖擊的重心，是白領(lǐng)，是高學(xué)歷。暴露度高的職業(yè)，核心任務(wù)都可以被拆成標(biāo)準(zhǔn)流程。老員工暫時(shí)還安全，但年輕人的入場券，正在變少。AI的落地速度比想象中慢，但方向從未改變。

這都是這份報(bào)告，用數(shù)據(jù)告訴我們的結(jié)論。

但這些結(jié)論的作用，不是讓你更焦慮，更不是讓你喝雞湯。它更像一面鏡子。目的，不是讓你去判斷別人，而是照見自己，進(jìn)而發(fā)生改變。

最后，和你分享兩句話。

1、不要在AI的射程之內(nèi)，消耗你的天賦。

如果一份工作可以被完全拆解為Skill，那它本質(zhì)上就是一套算法。跑算法，人腦永遠(yuǎn)跑不過機(jī)器。這個(gè)時(shí)代，平庸的勤奮是廉價(jià)的，因?yàn)锳I可以比你更平庸、更勤奮、且更廉價(jià)。

2、AI不會(huì)讓你失業(yè)，但一個(gè)“像AI一樣工作”的人，一定會(huì)。

未來的價(jià)值，不在于你掌握了多少標(biāo)準(zhǔn)答案，而在于那一點(diǎn)無法被量化的直覺、那一份敢于決策的擔(dān)當(dāng)，那一種能讓對(duì)方感受溫暖的共情。

在這個(gè)效率向左、公平向右的時(shí)代，愿你不僅擁有駕馭工具的腦，更擁有一顆連接更多人的心。

觀點(diǎn)/ 劉潤主筆/ 景九編輯/ 歌平版面/ 黃 靜

這是劉潤公眾號(hào)第2895篇原創(chuàng)文章。未經(jīng)授權(quán)，禁止任何機(jī)構(gòu)或個(gè)人抓取本文內(nèi)容，用于訓(xùn)練AI大模型等用途

PS：

看完這篇文章，不知道你是什么感覺？驚慌？興奮？其實(shí)，就如同歷史上每一次技術(shù)革命，AI在搶走一些工作崗位的同時(shí)，也會(huì)造就無數(shù)的新機(jī)會(huì)。

在見證了這些年大模型能力的瘋狂內(nèi)卷后，我們都知道，2026，正式來到了AI技術(shù)的落地之年。許多積累多年的真問題，終于等來了解決它的新技術(shù)。創(chuàng)新的火焰，就這樣被點(diǎn)燃。

這幾個(gè)月，我看到了大量優(yōu)秀的技術(shù)落地案例。實(shí)在等不到年底年度演講和你分享。所以，5月16日，我將在上海影城1000人的大劇場。與你分享【劉潤·年中大課】。今年的主題就是：落地。

不做現(xiàn)場直播。也不做事后回放。就讓我與你，獨(dú)家分享。點(diǎn)擊下方購票鏈接，就可以了解到更加詳細(xì)的票務(wù)信息。

現(xiàn)在搶先購買，或是帶著團(tuán)隊(duì)一起來，還可以享受到“早鳥價(jià)”。

5月16日，我們不見不散！