所有人都误读了Anthropic的AI就业报告
作者：Ethan Batraski, GP @ Venrock
Anthropic 最近发表了一篇纸 ，试图用他们称之为“观察到的暴露度”的新指标来衡量人工智能对劳动力市场的影响。这个想法很直接：将大型语言模型理论上能够做的事，与人们在真实工作情境中实际使用它们的情况进行比较。
这篇论文迅速在社交媒体、创投圈和政策讨论中传播开来。那张显示理论能力与当前使用之间差距的雷达图已成了“人工智能将抢走你的工作”的一种速记符号。
但人们的反应更多反映了他们如何解读技术，而不是该论文实际展示的内容。
该报告存在三个根本性问题。 它并不像围绕它的论述所暗示的那样有力，它对问题的框架设置不正确，而且对其发现的解读助长了不必要的恐慌。
这并不意味着作者的工作糟糕，而是人们从这项工作中得出的结论存在误导。
更重要的是，这意味着关于人工智能与劳动力的争论在错误的轴线上进行。
首先：数据远没有叙事那么戏剧化
第一个问题很简单：这篇论文并未显示出有意义的劳动力中断。
作者自己也直接这样指出。查看在人工智能暴露程度最高的职业中的失业数据，他们发现自从 ChatGPT 发布以来就业结果没有统计学上显著的变化 。
人们经常引用的一个信号是，进入高暴露职业的 22–25 岁工人的招聘有所放缓。即便如此，论文也小心翼翼地指出该效应 “仅勉强具有统计显著性。”
换言之，劳动力中断的证据非常薄弱。
这并不应该令人惊讶。劳动力市场是一个缓慢运动的系统。组织不会立即围绕新技术重组。它们会随着时间调整招聘、工作流程和资本投资。
如果有什么意义的话，这篇论文提醒我们，人工智能对劳动力市场的影响在数据中才刚刚开始显现。
然而公众的反应却是把这些发现当作即将出现大规模失业的铁证。
这种解读根本没有证据支持。
第二点：雷达图具有说服力但容易产生误导
第二个问题在于报告呈现其核心发现的方式。
被广泛传播的雷达图将理论上的 AI 能力与各职业的实际使用情况进行比较。在许多领域，AI 理论上能够完成的任务比例远远大于目前正在被自动化的任务比例。
从视觉上看，这营造出一种强烈的印象：大面积的经济活动似乎正处在迅速被自动化的边缘。
但这种解读误解了该图表实际所代表的含义。
能力与部署之间的差距并不意味着自动化即将席卷这些行业。它仅意味着组织尚未将该技术整合到其工作流程中。
这种差距并不是即将发生劳动力置换的证据。它表明我们仍处于采用周期的早期阶段。
大多数通用技术恰恰呈现出这种模式。能力先到来，随着机构、软件系统和职业规范的调整，整合随后缓慢进行。
该图表不是对失业的预测。它是部署尚未发生之处的地图。
第三：真正的问题在于框架设定
更深层的问题在于，该报告对问题的表述与劳动力市场的实际运作方式不相符。
该分析将职业视为一系列任务，考察其中有多少比例的任务理论上可以由人工智能完成。
这也许是个有用的技术问题，但并不是正确的经济问题。
职位不是按任务定价的。
它们是按时间或成果定价的。
这一区别极其重要。
如果一份工作出售的是工时或产出，自动化会降低工人的价值。但如果一份工作出售的是判断、责任或结果，自动化反而可能使工人更有能量而非更弱。
一旦你通过这个视角审视劳动力市场，人工智能的影响就更容易理解了。
AI 替代劳动力的领域
有些类型的工作在根本上是按时间或产出量定价的。
行政运营、顾客支持、常规分析、质量保证测试、市场研究以及许多形式的初级知识性工作都属于这一类。
在这些岗位上，企业本质上是在购买通量。如果相同的工作能用 AI 更快或更便宜地完成，经济动机很明确：自动化。
这就是人工智能将压缩劳动力需求的地方。
但即便在这里，转变也不太可能表现为大规模裁员。它更常见的表现是招聘放缓和入门级人才渠道萎缩 。
公司停止扩展从事常规认知工作的团队。随着时间推移，劳动力通过自然流失而非大规模替代而缩减。
常规知识性工作变得商品化。
人工智能在哪里成为超级力量
在另一端，是那些价值与结果而非时间相关的职业。
高管分配资本。工程师设计系统。医生诊断患者。律师制定法律策略。投资者评估机会。创意人员决定品味与方向。
这些工作不是按达成结论所需的工作小时计酬，而是按决策的质量付费。
在这些情境中，AI 并不取代从业者，而是提高了他们的杠杆。
工作的价值来源于判断、综合与问责。人工智能只是扩展了决策者可用的信息和分析能力。
这些领域中最优秀的从业者将变得显著更高效。
从历史来看，技术进步往往会增加顶尖表现者的收益。人工智能很可能会加速这一动态。
专业服务金字塔的压缩
在这两个极端之间存在一个庞大的类别，即专业知识型工作 。我以前在文章 The Great Legacy Extinction: AI’s $20T Takeover of Professional Services 中对此有所论述。
律师、顾问、分析师和工程师将判断力与大量常规分析性工作相结合。
人工智能可能会以不同的方式重塑这些职业。
许多历史上由初级员工完成的工作——研究、起草、文档整理、初步分析——现在可以由机器完成。
结果并非职业消失。而是金字塔的压缩 。
公司将需要更少的大三学生，而高级专业人员则能以更大的杠杆进行工作。
随着时间推移，这可能从根本上改变专业知识的培养方式。培养未来专家的传统学徒制渠道可能会萎缩或演变。
AI 几乎触及不到的就业领域
最后，劳动力市场中仍有大块领域，AI 直接影响有限。
依赖实体在场的工作——建筑、维修、农业、交通、酒店业——仍受制于现实世界。
人工智能可能会改善这些领域的规划、物流与协调，但工人仍然是不可或缺的。
具有讽刺意味的是，许多经济学家曾预计会被自动化淘汰的工作，可能恰恰是最具韧性的岗位之一。
真正的机会
从这个角度看，Anthropic 的报告变得更有趣。
最重要的洞见不是 AI 在哪些工作中可以执行任务，而是 AI 能力与实际经济部署之间仍存在多大的差距 。
在许多职业中，模型理论上可以完成大部分任务，但实际使用仍远远较少。
要弥合这一差距，仅靠更好的模型远远不够。这需要新的软件、新的工作流、新的制度规范和新的组织结构。
换句话说，下一波人工智能公司不会仅仅去构建更聪明的模型。它们将重新设计工作的执行方式。
真正的分水岭
关于人工智能与就业的讨论目前聚焦于错误的问题。
问题不在于人工智能能完成多少任务。
问题在于不同类型的工作在经济上如何被构造 。
有些工作卖的是时间。有些工作卖的是成果。
人工智能压缩了第一类，并极大增强了第二类的能力。
理解这一区别，比任何雷达图都重要得多。
