Anthropic 推出「觀察到曝露程度」（Observed Exposure）指標，發現 AI 引發失業激增的證據有限
在 2026 年 3 月 5 日的一項里程碑式發布中，Anthropic 發表了一篇名為《AI 對勞動力市場的影響：一項新衡量指標與早期證據》（"Labor market impacts of AI: A new measure and early evidence."）的綜合經濟研究論文。該研究引入了一個衡量生成式 AI（Generative AI）如何與勞動力互動的新型框架，從理論推測轉向分析實際的使用數據。
研究結果對當前的經濟格局提出了細緻的觀察：雖然高 AI 曝露程度的職業顯示出預期增長放緩以及初級職位招聘減少的跡象，但尚未有證據表明這些工人的失業率出現系統性上升。這項研究為關於 AI 驅動的工作取代（Job displacement）的持續辯論提供了一個關鍵數據點，表明該技術的影響目前表現為「招聘凍結」或吸收工作量，而非大規模裁員。
超越理論：「觀察到曝露程度」（Observed Exposure）指標
此前量化 AI 對工作影響的嘗試主要依賴於理論能力——即詢問大型語言模型（Large Language Model，LLM）是否能夠執行某項任務。Anthropic 的新研究認為，能力並不等於採用。為了彌補這一差距，研究人員 Maxim Massenkoff 和 Peter McCrory 開發了一項名為 「觀察到曝露程度」（Observed Exposure） 的新指標。
該指標綜合了來自三個主要來源的數據：
- 理論能力： 來自先前研究（如 Eloundou 等人，2023 年）關於任務是否可以由 LLM 自動化的估計。
- 真實世界使用情況： 來自 「Anthropic 經濟指數」（Anthropic Economic Index） 的匿名彙整數據，追蹤 Claude 在專業環境中的實際使用方式。
- 任務定義： O*NET 資料庫，該資料庫將 800 多個職業拆解為具體的組成任務。
透過實際行為的視角過濾理論上的可能性，「觀察到曝露程度」指標不僅識別了哪些工作 可能 被自動化，還識別了哪些工作 正在 被自動化。研究發現，雖然理論模型表明「電腦與數學」領域 94% 的任務處於曝露狀態，但 Claude 目前的實際覆蓋率約為 33%，突顯了技術可行性與經濟現實之間的顯著滯後。
關鍵發現：增長放緩而非大規模解僱
論文的核心結論挑戰了關於立即發生大規模技術性失業的災難性敘述。儘管像 Claude 這樣的工具被迅速採用，但自 2022 年底 ChatGPT 發布以來，處於最高曝露程度四分位數的工人的失業率，與未曝露職位的工人相比並未出現顯著差異。
然而，數據確實揭示了對受影響職位勞動力需求的冷卻效應。
與就業增長的相關性
研究人員發現「觀察到曝露程度」與就業預測之間存在負相關。AI 曝露程度每增加 10 個百分點，美國勞工統計局（BLS）預測的就業增長就會下降 0.6 個百分點。這一驗證表明，雖然 AI 並未導致立即解僱，但它可能會減少未來員額擴張的需求。
「煤礦裡的金絲雀」：年輕勞工
或許最令人擔憂的發現與勞動力市場的新進入者有關。研究發現了暗示性證據，表明在高曝露領域，22-25 歲工人的招聘速度已經放緩。
- 求職成功率： 在 ChatGPT 出現後，年輕勞工進入受影響職業的比例與 2022 年的水平相比下降了約 14%。
- 統計顯著性： 雖然僅具備邊緣統計顯著性，但這一趨勢符合「招聘凍結」假說——公司可能會留住資深員工，同時利用 AI 來吸收歷史上由初級員工承擔的工作。
高曝露 vs. 低曝露職業
研究明確了目前哪些角色感受到了 AI 整合的壓力。與以往影響體力勞動的自動化浪潮不同，這次轉向針對的是高技能、認知型專業。
表格：按觀察到曝露程度排列的最高與最低曝露職業
| 職業 | 曝露程度 | 受影響的主要任務 |
|---|---|---|
| 電腦程式設計師 | 高 (75%) | 編寫程式碼、除錯、腳本自動化 |
| 客戶服務代表 | 高 | 查詢解決、信息檢索 |
| 資料輸入員 | 高 (67%) | 閱讀文件、輸入結構化數據 |
| 財務分析師 | 高 | 數據綜合、報告 |
| 廚師 | 低 (0%) | 體力食物準備 |
| 機車維修工 | 低 (0%) | 體力維修與保養 |
| 救生員 | 低 (0%) | 體力監視與救援 |
「最受影響」工人的人口特徵非常鮮明：他們通常薪資較高、受教育程度較好，且擁有研究生學位。例如，擁有研究生學位的工人佔最受影響群體的 17.4%，而未受影響群體中僅佔 4.5%。
對未來工作的影響
Anthropic 的研究為監控經濟向 AI 增強型經濟轉型提供了關鍵基準。作者指出，雖然目前的影響微弱——主要體現在初級員工招聘減少而非裁員——但隨著 AI 能力的提高和採用障礙（如法律限制或軟體整合）的降低，這種情況可能會發生變化。
研究最後呼籲保持謙遜並持續警惕。「觀察到曝露程度」框架旨在定期更新，讓政策制定者和經濟學家能夠追蹤 AI 潛力與其實際經濟足跡之間的差距。就目前而言，勞動力市場在生成式 AI 的重壓下似乎正在彎曲，但並未斷裂。
