AI 的劳动力市场影响：一项新度量与早期证据
核心发现
- 一种称为"观测暴露度"的新指标将理论上的 LLM 能力与实际使用模式相结合，强调自动化和工作相关应用
- 目前大多数行业的 AI 采用率显著低于理论潜力
- 根据 BLS 数据，暴露度较高的职位在 2034 年前的就业预测较弱
- 高暴露领域的从业者往往年龄更大、女性比例更高、受教育程度更高，收入也显著更高
- 自 2022 年底以来，未在暴露从业者中检测到显著失业率上升，但高暴露领域年轻员工的招聘呈现初步下降趋势
引言
本文建立了一个框架，用于在重大冲击显现之前衡量 AI 对劳动力市场的影响。此前预测岗位替代的尝试——如离岸外包研究和机器人影响研究——结果不一，表明需要在效应充分显现之前进行谨慎测量。
作者指出："然而，AI 的影响可能不太像新冠疫情，而更像互联网或与中国的贸易"，这使得仅通过总体失业数据早期检测变得困难。
衡量暴露度
该分析整合了三个数据源：
- O*NET 数据库 - 收录约 800 个职业类别及其相关任务
- Anthropic 使用数据 - 展示 Claude 在专业场景中的实际应用
- Eloundou 等人 (2023) 评估 - 评估理论上 LLM 将任务加速 50% 以上的能力
理论能力指标 (beta) 将任务评分为：1（LLM 独立完成）、0.5（需要额外工具）或 0（不可行）。
观测暴露度方法论
"观测暴露度"量化了哪些理论上可行的任务实际获得了自动化专业应用。这弥合了能力与实施之间的差距，考虑了减缓采用速度的法律约束、软件需求和验证流程。
该指标对以下情况的工作给予更高权重：
- 任务显示理论上的 AI 可行性
- Claude 流量中出现工作相关使用
- 自动化而非增强型实现占主导
- 受 AI 影响的任务在岗位中占比更大
图 2 展示了显著差距："尽管理论可行性达 94%，Claude 目前仅覆盖计算机与数学类别中 33% 的任务。"
暴露度最高的职业
计算机程序员排名最高，覆盖率达 75%，其次是客户服务代表和数据录入员，均为 67%。约 30% 的从业者显示零可检测暴露度，包括厨师、机械师、救生员和调酒师。
暴露度与就业预测
针对 BLS 2024-2034 预测的分析显示，"覆盖率每增加 10 个百分点，BLS 的增长预测就下降 0.6 个百分点。"这一温和相关性提供了一定验证，尽管关系较为微弱。值得注意的是，仅凭理论能力指标并未显示这种相关性。
从业者特征
高暴露从业者（ChatGPT 之前，2022 年 8-10 月）呈现明显的人口统计学特征：
- 女性可能性高 16 个百分点
- 白人可能性高 11 个百分点
- 亚裔可能性几乎是两倍
- 平均收入高 47%
- 研究生学历者占 17.4%（而未暴露群体中仅 4.5%）
失业分析
将前四分之一暴露度从业者与未暴露群体对比显示：
ChatGPT 发布后未检测到系统性失业率上升。双重差分分析显示，群体间的差距在统计上与零难以区分。
该框架可以检测约 1 个百分点左右的差异失业率上升。"白领大衰退"情景——前四分之一失业率从 3% 翻倍至 6%——在当前数据中将是可见的。
年轻从业者招聘趋势
虽然整体失业率未显示明显模式，但进入高暴露职业的年轻从业者（22-25 岁）呈现初步信号：
"低暴露职业的就业率保持在每月 2% 稳定，而进入最高暴露工作岗位的比例下降约半个百分点。"
这一 14% 的相对下降仅勉强具有统计显著性，且存在其他解释——在职者、转行者，或调查过渡中的测量误差。
讨论
该研究建立了一个可更新的框架，用于在重大冲击显现之前追踪 AI 的就业影响。目前，"最高暴露职业从业者的失业率未显示明显影响"，但招聘模式值得持续监测。
未来的改进应纳入更新的使用数据、随着模型进步重新校准能力评估，并考察暴露凭证领域应届毕业生的劳动力市场轨迹。
引用： Massenkoff, M., & McCrory, P. (2026, March 5). Labor market impacts of AI: A new measure and early evidence. Anthropic.