AI,枪口对准高学历年轻人

“AI会抢走人类工作吗？”这一问题近年来紧紧萦绕在职场人心头，各类预测轮番登场却屡屡与现实相悖。有人断言大规模失业近在咫尺，也有人认为AI只是提升效率的工具，无需过度恐慌。

电的发明使得诸如点灯工、电梯操作员和敲门叫醒员等繁重的工作变得不再重要。计算机使数据录入员、接线员和档案管理员等职位变得不再存在。

人工智能公司Anthropic通过Claude模型展现出的一项项令人惊叹的新能力，无不彰显着其强大实力。该公司既痴迷于推动人工智能发展，也同样重视人工智能的安全性，在人工智能的发展与风险议题上，始终是引领思潮的先锋。

Anthropic公司的首席执行官达里奥·阿莫代伊（Dario Amoei）去年表示，这项技术可能会颠覆一半的入门级白领工作。如今，Anthropic又发出一则警告，指出人工智能工具可能会让大量工作岗位变得过时。

该公司刚刚发布了一项名为《人工智能对劳动力市场的影响：全新衡量指标与早期证据（Labor market impacts of AI:A new measure and early evidence）》的研究报告，用自家Claude模型的真实使用数据，去度量AI对劳动市场的实际影响，并认为AI对劳动力市场的冲击已悄然降临，它并非洪水猛兽般的瞬间颠覆，而是一场平静表象下的深度结构性重塑。

作者马克西姆·马森科夫（Maxim Massenkoff）和彼得·麦科罗里（Peter McCrory）发现，实际的人工智能应用只是人工智能工具能够执行任务的一小部分。

数据显示，AI远未达理论能力上限，如“计算机与数学”类职业理论AI覆盖率94%，实际仅33%；“办公与行政”类理论覆盖率90%，实际应用差距也明显。

尤其令人担忧的是，年轻劳动者在AI浪潮中面临就业困境，这不仅关乎一代人职业起点，还暗藏劳动力市场长期发展隐忧，是技术变革中亟待关注的痛点。 

这份报告的突破意义，在于跳出“理论推测”的局限，提出“观测暴露度（Observed Exposure）”这一全新指标。该指标结合大语言模型（LLM）的理论能力与Claude的真实使用数据，精准衡量AI对不同职业的实际影响，旨在回答在现实世界的工作场景中，AI 究竟在多大程度上替代或自动化了人类的工作任务。

►该图显示了Claude在O*NET任务中的使用分布情况，这些任务按其理论AI暴露度分组。评级为β=1（仅使用LLM即可完全实现）的任务占观察到的Claude使用量的68%，而评级为β=0（不可行）的任务仅占3%

这个衡量指标结合了Anthropic自家的Claude模型使用数据与职业数据库（O*NET）。它主要考量以下几个维度： 

实际使用数据，分析Claude在真实工作环境中的使用情况。

任务相关性，判断AI的使用是否与具体的职业任务高度相关。

自动化vs.辅助，这是关键区别。如果是完全自动化（AI独立完成任务），权重更高；如果是辅助人类（人类主导，AI帮忙），权重则较低（通常打对折）。 

时间占比，该任务在该职业总工作时间中所占的比例。

更颠覆认知的是，AI的冲击重点并非低技能体力岗位，而是高薪、高学历的白领群体——计算机程序员（75%任务覆盖率）、客服代表、数据录入员等依赖标准化认知、重复性操作的职业，成为AI优先替代的目标，而厨师、维修工等需复杂体力操作、线下即时互动的职业，暴露度几乎为零。

►Anthropic的研究人员发现，实际采用的人工智能只是人工智能工具能够执行的一小部分。大语言模型理论上能够执行的工作任务占比（蓝色区域）以及我们根据使用数据得出的工作覆盖度衡量指标（红色区域）

高暴露群体与零暴露群体特征差异显著：高暴露群体女性比例高16个百分点，亚裔比例接近翻倍，平均收入高47%，研究生学历占比是零暴露群体的近四倍。这意味着，传统“学历护城河”在生成式AI前逐渐弱化。

那些曾是“铁饭碗”的高学历白领岗位正面临AI的直接挑战，且最先影响刚入职场的年轻群体。某互联网大厂招聘数据显示，2025年其算法岗校招名额较2023年缩减30%，原因是AI能完成基础算法建模与代码调试工作，企业对初级算法工程师需求大幅下降。 

从宏观数据看，劳动力市场总体稳定，未现大规模失业潮。双重差分法分析显示，自2022年底ChatGPT发布，高暴露职业与零暴露职业失业率差距无显著变化，高暴露组失业率虽略有上升但可忽略不计。

这是因为当前AI对工作更多是“辅助增强”，承担重复性、事务性环节，让人类聚焦复杂决策与创意工作，部分行业业务增长也消化了潜在岗位缩减压力。

不过，年轻劳动者正首当其冲受AI冲击。麻省理工斯隆管理学院教授埃里克·布林约尔松（Erik Brynjolfsson）等人的研究表明，22-25岁年轻人在高暴露职业就业量下降6%-16%，主要原因是招聘节奏持续放缓而非企业大规模裁员。

Anthropic的报告进一步印证了这一趋势：自2024年起，22至25岁年轻人进入高暴露职业的月度新入职率出现显著分化——低暴露职业的入职率稳定维持在每月2%，而高暴露职业的入职率下降了约0.5个百分点，较2022年平均水平降幅达14%。

尽管数据仅勉强达统计显著性，仍揭示年轻人就业机会收缩态势。某招聘平台2025年校招数据显示，互联网、金融、文秘等高暴露行业校招岗位数量同比减少18%，家政、维修、餐饮等低暴露行业岗位数量同比增长12%。

对于职场深耕的劳动者，积累的经验、人脉和技能可抵御AI冲击，还能借助AI提升效率、实现职业升级；而年轻人作为劳动力市场新进入者缺乏“缓冲垫”，他们苦读多年进入社会，渴望进入高薪、体面的高暴露白领行业，却因AI发现岗位大门逐渐收紧。 

无法进入理想岗位的年轻人，正面临多重选择困境：要么被迫转向低暴露、低薪资的岗位，拿着与学历不匹配的薪水；要么选择重返校园暂避现实，催生“考研考公热”的持续升温；更有甚者直接退出劳动力市场，沦为“隐性失业”群体。

这种“隐性排斥”比显性失业更令人担忧，它未体现于官方失业率数据，却拉低年轻群体职业起点、阻碍职业技能积累。从长期看，还可能引发劳动力市场技能断层。因为年轻一代无法在高暴露行业积累实战经验，未来AI普及后将更难适应市场高阶需求，从而陷入“越排斥越落后”的恶性循环。 

对很多年轻人来说，AI冲击并非“未来威胁”，而是当下困境：投数十份简历无回音，面试被问“如何与AI协作工作”，基础岗位被AI自动化流程替代，曾经清晰的职业规划在技术变革浪潮中摇摇欲坠。 

在AI领域，“观测暴露度”是一个基于真实数据的“降温剂”，AI对工作的替代正在进行，但速度比我们想象的慢。 

虽然目前AI没有引发大规模的“失业海啸”（存量岗位暂时稳固），但“观测暴露度”揭示了一个隐忧： 阻断增量，AI正在减缓高暴露度职业对年轻劳动力（如应届生）的招聘；老人没事，新人难进，企业倾向于用AI辅助现有员工，让他们一个人干两个人的活，从而不再招聘新人。 

从长期发展视角来看，AI对全球劳动力市场的结构性重塑趋势已不可逆转，这一点得到了美国劳工统计局（BLS）预测数据的有力印证：观测暴露度每增加10个百分点，2024-2034年的就业增长预测就下降0.6个百分点。

这一数据直接指向一个明确的趋势：高暴露职业的长期增长动力将持续减弱，未来的就业机会将更多向低暴露职业、AI难以替代的领域，以及与AI协同的新兴岗位倾斜，而年轻群体作为就业市场的“新生力量”，将在未来十年持续面临AI带来的就业压力。 

从行业发展实践来看，AI的替代与重塑效应已在多个领域显现并将持续深化。 

在软件行业，AI代码助手能完成80%的基础代码编写、调试与优化工作，未来初级程序员的需求将持续萎缩，而能驾驭AI、完成复杂系统架构设计的高级工程师将成为稀缺人才。 

在客服行业，智能客服已能处理90%以上的标准化咨询，线下人工客服岗位大幅减少，仅保留处理复杂投诉与个性化需求的高端客服。

在金融行业，AI可完成自动化报表生成、风险初筛与基础投研，导致传统金融数据录入、初级分析岗位需求大减，具备跨领域思维、能结合AI进行战略决策的金融人才更受欢迎。这种职业结构调整是技术驱动下的长期必然趋势。

不过，报告也带来了乐观信号：AI带来的生产力提升可能更温和。考虑任务可靠性、行业适配性、技术落地成本等因素，AI生产力提升预期从每年1.8个百分点降至约1.0个百分点，这意味着AI技术落地更慢、更曲折，为劳动力市场转型留出了窗口期。

一方面，AI技术需从“能完成任务”升级为“高质量完成任务、适配复杂场景”，这一过程需数年甚至十余年；另一方面，不同行业数字化基础和技术接受度差异大，传统制造业、服务业AI落地慢于互联网、金融等行业，使劳动力市场有分层适应空间。 

此外，AI发展将催生新职业赛道，如AI训练师、AI伦理师、AI协作顾问等，这些岗位人才缺口大，为年轻群体提供就业新机遇。 

对年轻人来说，窗口期既是挑战也是机遇。年轻人自身要打破“学历至上”“专业至上”的固有认知，主动走出舒适区，积极拥抱技术变革；学习AI知识，培养核心能力，实现职业转型。这一窗口期是年轻群体的“适应期”和“成长期”，抓住机遇才能在未来劳动力市场占据主动。