AI會不會在職場上先吃掉00后，然后吃掉此后每一代人

與其說，AI正在改變人類離開職場的方式，不如說，它正在改變人類進入職場的方式。這種改變更隱秘，也更容易讓社會放松警惕。

Anthropic最新研究發現，用戶在工作中對Claude實際使用，遠未達到理論上可以覆蓋的任務規模?？瓷先?，離AI普遍取代人類尚遠。但倘若AI替代人類，最先從其中最脆弱的一環開始呢？

也許，將與智能體競爭崗位的這一撥人類，首先是00后。在那些AI覆蓋任務范圍較高的職業領域，25歲以下年輕人的求職成功率，已經較ChatGPT誕生前明顯下降；這一趨勢在25歲以上群體中并不明顯。

大模型越來越熟練地掌握了應屆生剛學會的書本知識，卻暫時難以取代資深員工多年在“工作中學習”中積累的隱性知識。而隨著大模型從一代又一代資深員工身上“蒸餾”出更強大的模型和更多的技能（skills），智能體將又一次抬高下一波人類的入職門檻。

這也難怪最近在世界經濟論壇上，Anthropic創始人CEO阿莫迪（Dario Amodei）宣稱，AI將帶來失業問題，白領，尤其是初級小白領，將是首先遭遇沖擊的一批。在他的設想中，AI可能帶來極大的勞動生產率提升，從而出現一種看似違反直覺的組合：5%至10%的經濟增長，同時伴隨接近10%的失業率。

在AI對就業的影響問題上，實證數據尤為重要。2023年，OpenAI發布的一項研究曾估算GPT在不同職業中的“暴露度”（exposure），至今仍是這一領域最具影響力的研究之一。不過，這項研究主要基于GPT-4能力的理論推演，而當時AI尚未進入規?；评砼c智能體階段。

如今，大模型的能力已經明顯提升。包括今天發布的GPT-5.4在內，模型已經整合了推理、編碼和智能體工作流，并逐漸具備操作計算機的能力。而Anthropic旗下的Claude Code，更是正在突破白領工業革命。這也意味著，僅依賴理論推演來估算AI對就業的影響，已經越來越難以反映真實情況。

Anthropic最新一份研究，則使用了平臺的真實使用數據（usage data）。在隱私保護的前提下，研究團隊分析了用戶在Claude.ai上的對話記錄，以及企業客戶通過第一方API調用模型的情況。如果某項任務在理論上可以由AI完成，并且在實際數據中的出現頻率超過設定閾值，就被認為已經被AI“覆蓋”。其中，如果AI只是增強（augmentative），權重為0.5；如果任務實現自動化（automative），權重則為1。那些主要通過API實現、而較少出現在對話中的任務，往往意味著自動化程度更高。

這就是現實中“觀察到的暴露度”（observed exposure）。通過比較理論能力與現實使用之間的差距，以及這種差距如何隨時間變化，研究人員希望借此觀察AI正在如何逐漸改變勞動力市場結構。當然，一些理論上可以由AI完成的任務，在現實中仍未被廣泛使用，可能受到法律限制、軟件環境、人工審核流程或組織慣性的影響。

從任務層面來看，AI的現實應用與理論能力之間仍存在明顯差距。例如，在AI目前最擅長的“計算機與數學”類任務（tasks）中，Claude實際參與的任務比例約為33%，而理論上這一比例可以接近95%。類似地，三年前預計大約90%的管理類任務會受到AI影響，但在現實數據中，真正用Claude完成的僅約18%。相比之下，銷售類工作的現實應用反而更高，AI已經兌現一半至少理論有能力覆蓋的任務。

如果進一步從職業（occupations）層面觀察，可以將一個職業包含的各類任務按其在工作時間中的占比進行加權，從而估算該職業中有多少比例的工作可能被AI覆蓋。按照這一方法，毫不意外，程序員的現狀最為“危險”，緊隨其后的是客服代表、數據錄入專員和醫療記錄專員等。這項實證研究，重復了我們已知的敘事，高學歷、高收入的白領工作者，最容易暴露于AI之下。不過，與OpenAI理論推演的還是有點不一樣，當時，連央行的專家們都排名前10。

與此同時，大約30%的職業幾乎沒有出現在Anthropic的統計中。這些職業的核心任務往往很少涉及文本、數據處理或計算機操作，例如廚師、摩托車修理工、救生員或調酒師等。這一點倒與OpenAI此前的理論推算基本一致。不過，這種“安全”也許只是暫時的，如果未來具身智能或物理AI成熟，這些職業同樣可能受到影響。

那么，為什么AI在實驗室中表現強大，卻在現實經濟中應用緩慢？部分原因可能來自評估方式本身。近年來，越來越多基準測試試圖評估大模型在高價值經濟任務中的能力。OpenAI的GDPval就是如此，發布不久后，AI模型已超越人類基線，GPT-5.2與行業專家持平，Claude Opus 4.6表現更好。然而，這類基準測試通常依賴結構清晰、可快速重復評估的任務，而現實工作流程往往更加復雜、模糊且依賴協作。

也正因為如此，Anthropic的研究并未觀察到明顯的大規模失業現象。研究團隊比較發現，自ChatGPT發布以來，高暴露職業（暴露度前25%）與低暴露職業（后25%）群體的失業率走勢基本保持一致，兩者之間的差異在統計上并不顯著。

盡管如此，一些更微妙的變化可能已經開始出現。初級崗位的招聘結構可能已經開始發生變化。Anthropic發現，在22至25歲的年輕求職者中，自2024年起，高暴露職業與低暴露職業之間的入職率開始出現分化。低暴露行業的入職率仍維持穩定，而高暴露職業中年輕人的入職率下降了約14%。這一趨勢在25歲以上群體中并不明顯。

這一發現也與美國國家經濟研究局（NBER）的一項研究結論相呼應。該研究利用美國最大薪資處理公司ADP的數據庫，分析了2021年至2025年間數百萬名18至70歲全職勞動者的雇傭與薪酬數據。研究發現，美國整體勞動力市場尚未出現AI導致的大規模就業沖擊，但在AI高度暴露的職業中，22-25歲的職場新人的就業機會已經開始承受顯著影響；AI沖擊目前影響的是就業數量，而不是薪酬水平。

2025/08/27 閱讀全文 >

如果這一趨勢持續下去，AI對勞動力市場的影響，可能首先表現為一種代際結構變化。在這場技術變革中，資深員工反而處于相對有利的位置，而最迫切需要職場實踐機會的新人，則成為最脆弱的一環。從更長遠的角度來看，這種變化不僅可能加劇不同代際之間的不平等，還可能削弱傳統的經驗傳遞機制，使大量依賴實踐積累的隱性知識（tacit knowledge）難以順利實現代際延續。

而隨著大模型的學習能力持續提升，從資深員工的實際工作中“蒸餾”出更多智能，人類的知識日益向AI轉移，而不是在實際工作中向新一代轉移，也就進一步提升了人類新員工的入職門檻。也許，AI下一輪吃掉的是35歲以前的員工，并如此循環下去。

那些未能成功入職的年輕人最終流向何處，現有研究尚未給出明確答案。但可以確定的是，長期依賴初級崗位進行培養與篩選的人才成長模式，正在發生變化。這不僅是AI就業問題，也是AI時代教育體系必須面對的問題?；蛟S，這些問題的解決，將比AI淘汰人類員工本身花費更長的時間。

軟件曾經想吃掉世界，現在AI在吃掉軟件。世界是老一輩的，也是年輕人的，不至于終究是AI的吧。