编者按：本文来自微信公众号 刘润（ID：runliu-pub），作者：景九，编辑：歌平，创业邦经授权转载。
这段时间，只要大家坐在一起，就必聊一个话题：
AI。
伴随这个话题，往往是一种特别浓重的情绪：
焦虑。
“AI即将淘汰这20种职业”、“未来五年，一半白领将失去工作”，类似的标题，在文章、视频里，几乎天天看到。看得多了，难免犯嘀咕：我的工作，会被取代吗？今天的经验和技能，会不会突然一文不值？
我特别理解。但焦虑，往往来源于模糊。看不清，恐惧就会被无限放大。
所以今天，我特别想跟你分享一份，AI如何影响就业的报告：《AI对劳动力市场的影响：一种新测量方法及早期证据》。
这份报告，很特殊。特殊在发布者，也特殊在研究方法。
它的发布者，不是咨询公司，而是顶尖AI公司之一，Anthropic。他们开发的Claude，是ChatGPT的有力竞争者。而报告，也没有停留在逻辑推导，而是交叉比对了美国职业信息网络，和Claude后台的用户数据。
那么，报告说了些什么？和我们又有什么关系？
我试着花了一些时间，把你可能关心的数据和洞察，简要梳理了一遍。
01评估AI影响，要看真实的后台数据
如何衡量，AI对一份工作的冲击？
要知道，过去预测技术冲击，有不少翻车记录。曾有人预测，美国约1/4工作，有被“离岸外包”抢走的风险。但10年过去了，大部分还在。工业机器人到底抢走了多少工作岗位，还没有定论。
为什么预测常常不准？因为大家看的，大多是理论推导。
理论推导，就是专家把工作拆解成几个任务，比如写邮件、比如做表格。然后评估：AI理论上能不能写邮件？能不能做表格？能。那这个工作就很危险。但理论上能干，不代表就能真干。法律、管理成本、效率，甚至用户接受度，等等因素，都是阻碍。
怎么办？
既然理论推导不准，那咱就直接去看看，用户到底用AI干了啥。
于是，Anthropic创造了一个新的指标：观测暴露度（Observed Exposure）。名字听上去有点学术。一句话概括这个指标的意思，就是：
一份工作的具体任务，到底被AI覆盖了多少。
具体到每个工作，它会考虑这几个维度。
比如，真实使用量。Anthropic参考了Claude的海量使用数据。例如，是不是真的有人，在工作的时候用它来写邮件。没有，就不算。
比如，任务占比。如果一个岗位中，被AI影响的任务只占很小一部分，整体暴露度也不会高。
还比如，自动化程度。是AI写初稿你修改润色，还是公司直接用AI自动生成和发送邮件。后者这种自动化模式，对岗位的替代风险，远大于前者。
这样，“观测暴露度”就不局限于推理，而是基于真实数据的统计。
那统计的结果，怎么样？
02高薪女白领，可能更容易受到AI冲击
报告的一个结论，让很多人吃了一惊：
当前阶段，AI暴露度较高的职业人群，更偏向高学历、高收入的白领岗位，女性比例也更高。
怎么得出的结论？
Anthropic，把暴露度前25%职业的“高暴露群体”，和几乎不被AI影响的“无暴露群体”，进行了对比。他们发现：
学历方面，完全不受AI影响的一组，拥有研究生学历的，只有4.5%。但高暴露度那组，跳到了17.4%，近四倍。收入方面，高暴露组平均时薪32.69美元，另一组22.23美元。高47%。性别方面，高暴露组里女性占54.4%，另一组只有38.8%。
为什么会这样？
我们得先搞清楚，所谓的“高暴露群体”和“无暴露群体”，都是什么职业。
03能不能被AI替代，要看工作内容是不是可以拆成Skill
首先，几乎不受AI影响的职业，约占30%。比如厨师、汽车修理工、救生员和洗碗工，这些工作依赖现实操作，几乎没有被AI覆盖。
那“高暴露群体”呢？报告把AI暴露度前10名的职业，列了一个榜单。
排第一位的，你可能也猜到了：程序员，暴露度高达74.5%。Claude后台里，大量的自动化任务，都集中在“编写、更新和维护软件程序”上。
客户服务代表紧随其后，暴露度为70.1%。报告提到，很多企业已经把AI嵌入了客服系统。客户问问题，AI瞬间回答。
除此之外，还有数据录入员（暴露度67.1%）、医疗记录员（66.7%）、市场研究分析师（64.8%）、金融和投资分析师（57.2%）等等。
这些职业，表面上天差地别。但仔细想，它们有个共同点：
大部分工作内容，都能拆成一套标准动作。
客服处理投诉，是一套动作。数据录入，是一套动作。写报告、写代码、做分析，都可以拆成一个个简单步骤，用语言描述清楚。这也是AI体系里常提到的：Skill。比如，写邮件的Skill，就可以拆成理解产品，提炼卖点，组织结构，生成文案等等几个步骤，反复执行。
换句话说，AI替代的不是具体职业，是可以被“Skill化”的工作任务。
反过来看，那些AI暂时做不了的事情，往往不是因为更“高级”，而是因为还拆不成Skill。比如在充满博弈的会议室里，判断局势。在没有先例的情况下，做决策承担后果。在见面五分钟内，赢得信任。
所以，为什么高薪女白领，会呈现更高的AI暴露度？
答案不在“人”上，在“任务”上。当一份职业的核心任务，能被拆解为Skill时，这份职业的AI暴露度，就必然会高。
过去几十年，市场把高薪给了那些产出信息的工作：写报告、做分析、整理数据。这些工作需要学历背书，比起很多传统工作，也吸纳了更多女性。但这类工作，恰恰也是Skill化程度最高的一类。
当一项能力可以被写成流程，它就已经在AI的射程之内。
这件事影响最大的，不是老员工，而是还没来得及上岗的年轻人。
04年轻人工作的入门门槛，正在越来越高
报告捕捉到了一个，值得警惕的先行指标：
年轻人的“新工作开始率”。
看图。红线，代表了AI高暴露度职业中，22-25岁年轻人的新工作开始率。蓝色，是零暴露职业中，年轻人新工作开始率。2024年初，AI高暴露度职业的“新工作开始率”，开始下降。与2022年相比，平均下降约14%。
这意味着什么？
AI对就业市场的第一刀，砍向的不是“存量”岗位，而是“增量”机会。
我们可以把公司的用人策略，简化为两个基本动作：
用好老人，和招聘新人。
过去，当业务增长，公司最直接的反应，就是“招新人”。但现在，企业有了一个充满诱惑的新选项：
通过AI提效，用好老人。
一个市场分析团队，有2个主管和5个专员。主管负责策划终审，专员负责找资料、写作等执行工作。但有了AI，执行工作可以被轻松覆盖。这时候，如果公司业务增长了20%，作为老板，你怎么选？
是再招聘2个专员，还是让老员工们用好AI，多做工作？
很多时候，答案是后者。新招聘员工，不光要承担培养成本，还得做好新人和团队不合拍，支付分手费用的心理准备。
AI时代，年轻人的挑战，可能不是与同龄人竞争初级岗位，而是与AI加持的资深员工，竞争岗位“是否需要存在”。
05 AI应用仍在“提效”阶段，还没进入“降本”阶段
说完新员工，那老员工呢？
如果我的大部分工作，能被拆解成Skill，那我是不是要被淘汰了？
报告给出的答案是：高暴露度，暂时不等于高失业率。
看这张图。红线，代表AI高暴露度群体的失业率。蓝色，代表零暴露群体的失业率。两者几乎平行。
“高危”人群，并没有比“安全”人群，出现更高失业的风险。
为什么？报告没有直接给出解释。但大概因为：
大多企业的AI应用，可能仍在“提效”阶段，没进入“降本”阶段。
一项新技术在企业中的应用，可能要分成多个阶段。
第一阶段，是尝鲜和探索。
起初，企业会鼓励员工尝试AI工具，看它能不能解决一些过往难题。这个阶段，大家关注的是“它能做什么”，而不是“它能替代谁”。
第二阶段，是赋能和提效。
试点成功后，企业就会将AI，整合进现有工作流中。让一个设计师，出需要三个人才能完成的系列海报。让一个分析师，一小时处理一天时间才能搞定的数据。这个阶段，大家关注的，是人均产出的提升。
第三阶段，才是重组和降本。
当AI与业务深度融合，企业会重新审视人员需求。既然一个员工，能干过去2个员工的活，那10个人的团队，是不是7个人就够了？这个阶段，裁员，就成了一个摆在桌面上的选项。
技术带来效率提升，早期会体现为利润增长，后期才会体现为成本优化。
更何况，AI的落地速度，其实远慢于技术爆发的速度。
06 AI落地速度没那么快，因为现实世界存在摩擦力
这是一张来自报告的雷达图。
蓝色区域，代表理论上AI能替代的任务比例。红色的区域，代表实际上用AI完成的任务比例。理论和实际，存在巨大差距。
举个例子。计算机和数学。
根据专家理论评估，这个领域里94%的任务，都可以通过AI自动完成，但实际任务覆盖率只有33%。商业金融、管理、建筑，也一样。理论覆盖率虽然高，但实际覆盖率缩水得非常厉害。
咦？不是说AI要来抢饭碗吗，怎么实际上阵，缩水这么厉害？
因为现实世界里，充满了“摩擦力”。
什么摩擦力？
比如，“隐性知识难复制”问题。
一个知识工作者的价值，不光在于能用文字描述的“显性知识”，更在于情感和互动中的“隐性知识”。优秀的医生，看诊不仅靠医理，更靠对病人情绪的洞察、对病症的直觉判断。顶尖销售，签单不仅靠产品知识，更基于对客户情绪的微妙把握、对氛围的精准感知。
AI擅长复制“说明书”，但难以复制“老师傅”。
比如，“任务最后一公里”问题。
AI无法被惩罚。直白点说，没办法背锅。即便AI可以完成90%任务，但最后的10%，需要校验、决策和担责，还是要让人类完成。AI可以起草合同，但审核风险、签字确认的还是你。AI可以分析财务数据，但最后向领导汇报的，也还是你。“最后一公里”跨不过去，AI就永远是辅助。
这也给我们带来启发：
不要在AI的优势区竞争，要在它的盲区，建立价值。
具体怎么建立？这就需要我们换一种思维方式：
不是想着怎么跑赢AI，而是想着怎么驾驭AI。
07从“与AI赛跑”，转向“驾驭AI，完成任务”
什么叫驾驭AI？
简单来说，就是：AI能干的，我就少干。花时间，琢磨更高维的能力。
比如，思考和发问。
不再问“怎么写”，先问“为什么写”。文案要打动谁？他们最大的顾虑是什么？我们想在他带走什么？想清楚了，再让AI动手。
比如，逻辑和整合。
AI可以给你100个方向，但它不知道，哪个方向老板能接受，团队能执行。把零散可能性，顺好逻辑，找好亮点，收束成可行方案，才是你该做的。
比如，审美和判断。
AI生成的东西，往往都“差不多”。但“差不多”和“就是它”，隔着你的品味、你对用户的感知。这种判断力，是做过上千个决定，才长出来的。
比如，沟通和共情。
会议室里的人，看的不是报告，是你。是你的判断和底气，愿不愿意为这个结论负责。AI可以帮你备好弹药，但扣扳机的，只能是你。
以后，机器负责出力，人负责出智慧。
什么智慧？智慧，是你每天工作里那些“说不清为什么，但就是这个”的判断，是那些“数据没法证明，但我感觉对”的直觉，是那些“任何人都能写，但只有你写才对味"的信任。
所以，每个人或许都要问自己一个问题：
以后，我要做一个“更聪明的机器”，还是一个“更有智慧的人”？
这个问题的答案，决定了你的未来。
最后的话
简单总结一下。
AI冲击的重心，是白领，是高学历。暴露度高的职业，核心任务都可以被拆成标准流程。老员工暂时还安全，但年轻人的入场券，正在变少。AI的落地速度比想象中慢，但方向从未改变。
这都是这份报告，用数据告诉我们的结论。
但这些结论的作用，不是让你更焦虑，更不是让你喝鸡汤。它更像一面镜子。目的，不是让你去判断别人，而是照见自己，进而发生改变。
最后，和你分享两句话。
1、不要在AI的射程之内，消耗你的天赋。
如果一份工作可以被完全拆解为Skill，那它本质上就是一套算法。跑算法，人脑永远跑不过机器。这个时代，平庸的勤奋是廉价的，因为AI可以比你更平庸、更勤奋、且更廉价。
2、AI不会让你失业，但一个“像AI一样工作”的人，一定会。
未来的价值，不在于你掌握了多少标准答案，而在于那一点无法被量化的直觉、那一份敢于决策的担当，那一种能让对方感受温暖的共情。
在这个效率向左、公平向右的时代，愿你不仅拥有驾驭工具的脑，更拥有一颗连接更多人的心。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
