北京
三年前，舊金山某間堆滿服務器的辦公室里，一位Anthropic的研究員調出了數百萬條Claude的真實使用記錄。她沒有去推演大模型能做什么，而是把每一條對話都映射到職業分類體系中的800多個崗位上。屏幕上跳出的結果，讓整個團隊重新審視了一個問題：我們是不是一直在問錯問題。
過去三年，關于人工智能對職場的沖擊，主流焦慮一直停留在“會不會替代人類”這個非黑即白的框框里。各國政府組建專家組，智庫發布預測報告，企業高管們公開承諾會“負責任地部署”。但所有討論都繞不開一個戲劇化的劇本——白領階層大面積失業，辦公室里一片哀鴻。而真正發生的事情，比這個劇本更安靜，也更具滲透力。
2026年3月，Anthropic公布了一份勞動力市場研究報告《AI對勞動市場的影響：一種新的測量方法和早期證據》。研究沒有繼續爭論理論潛力，而是直接引入了一種叫做“已觀測暴露度”的新指標。它的計算邏輯很務實：統計Claude流量中哪些任務出現了足夠多的工作相關使用，對完全由AI自動執行的任務賦全值，對人類仍在環中的增強型使用賦半值。最后的結果不是預測，而是當下正在發生的切片。
最核心的結論幾乎平淡到讓人意外：AI并沒有大規模取代就業崗位。在那些AI暴露度最高的職業里，研究并未發現系統性的失業率上升。但如果把數據往下翻一層，不太舒服的信號就浮了出來——技能分水嶺已經形成。
與ChatGPT出現前的水平相比，22到25歲年輕人在高暴露度職業中的招聘數量下降了大約14%。研究人員在報告里小心地標注，這個發現“僅在統計上勉強顯著”。然而方向性的信號很難忽視：生成式人工智能給勞動市場帶來的第一個可測量的后果，不是解雇通知書，而是一扇對新人緩緩關上的門。這可能更棘手。
這份研究的特別之處在于它測量的不是“能做什么”，而是“正在做什么”。此前被廣泛引用的2023年研究，例如Eloundou等人的工作，依賴的是理論暴露度：只要大語言模型原則上能把某個任務的速度提升一倍以上，就算暴露。按這個標準，計算機與數學職業的理論覆蓋率高達94%，行政與辦公支持崗位也達到了90%。但理論能力并不等于經濟現實。
換成“已觀測暴露度”后，畫面明顯冷卻下來。在計算機與數學領域，Claude目前僅覆蓋了33%的任務。即便是暴露最集中的個別職業，數字也遠低于理論天花板。程序員職業的已觀測暴露率約為74.5%，仍然留下了相當一部分需要人類自己解決的工作塊。這暗示著一個關鍵差距：組織實際引入AI的速度、流程重構的成本和人的適應曲線，正在重新劃分職業內部的贏家與輸家。
當機器人并沒有成群結隊地搶走所有人的崗位時，另一種冷峻的篩選機制已經啟動。它不發生在離職談判桌上，而是發生在招聘系統的關鍵詞過濾器和團隊縮減的初級崗名額里。爭論“是否會替代”也許本身就是一種錯位的關注，而那道剛剛裂開的技能鴻溝，正悄悄成為職場分化中最真實的下劃線。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
