北京
三年前，旧金山某间堆满服务器的办公室里，一位Anthropic的研究员调出了数百万条Claude的真实使用记录。她没有去推演大模型能做什么，而是把每一条对话都映射到职业分类体系中的800多个岗位上。屏幕上跳出的结果，让整个团队重新审视了一个问题：我们是不是一直在问错问题。
过去三年，关于人工智能对职场的冲击，主流焦虑一直停留在“会不会替代人类”这个非黑即白的框框里。各国政府组建专家组，智库发布预测报告，企业高管们公开承诺会“负责任地部署”。但所有讨论都绕不开一个戏剧化的剧本——白领阶层大面积失业，办公室里一片哀鸿。而真正发生的事情，比这个剧本更安静，也更具渗透力。
2026年3月，Anthropic公布了一份劳动力市场研究报告《AI对劳动市场的影响：一种新的测量方法和早期证据》。研究没有继续争论理论潜力，而是直接引入了一种叫做“已观测暴露度”的新指标。它的计算逻辑很务实：统计Claude流量中哪些任务出现了足够多的工作相关使用，对完全由AI自动执行的任务赋全值，对人类仍在环中的增强型使用赋半值。最后的结果不是预测，而是当下正在发生的切片。
最核心的结论几乎平淡到让人意外：AI并没有大规模取代就业岗位。在那些AI暴露度最高的职业里，研究并未发现系统性的失业率上升。但如果把数据往下翻一层，不太舒服的信号就浮了出来——技能分水岭已经形成。
与ChatGPT出现前的水平相比，22到25岁年轻人在高暴露度职业中的招聘数量下降了大约14%。研究人员在报告里小心地标注，这个发现“仅在统计上勉强显著”。然而方向性的信号很难忽视：生成式人工智能给劳动市场带来的第一个可测量的后果，不是解雇通知书，而是一扇对新人缓缓关上的门。这可能更棘手。
这份研究的特别之处在于它测量的不是“能做什么”，而是“正在做什么”。此前被广泛引用的2023年研究，例如Eloundou等人的工作，依赖的是理论暴露度：只要大语言模型原则上能把某个任务的速度提升一倍以上，就算暴露。按这个标准，计算机与数学职业的理论覆盖率高达94%，行政与办公支持岗位也达到了90%。但理论能力并不等于经济现实。
换成“已观测暴露度”后，画面明显冷却下来。在计算机与数学领域，Claude目前仅覆盖了33%的任务。即便是暴露最集中的个别职业，数字也远低于理论天花板。程序员职业的已观测暴露率约为74.5%，仍然留下了相当一部分需要人类自己解决的工作块。这暗示着一个关键差距：组织实际引入AI的速度、流程重构的成本和人的适应曲线，正在重新划分职业内部的赢家与输家。
当机器人并没有成群结队地抢走所有人的岗位时，另一种冷峻的筛选机制已经启动。它不发生在离职谈判桌上，而是发生在招聘系统的关键词过滤器和团队缩减的初级岗名额里。争论“是否会替代”也许本身就是一种错位的关注，而那道刚刚裂开的技能鸿沟，正悄悄成为职场分化中最真实的下划线。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
