2026 年 3 月 5 日，Anthropic 發表研究《Labor market impacts of AI: A new measure and early evidence》，作者為 Maxim Massenkoff 與 Peter McCrory。這份報告提出一個新指標「實測暴露」（observed exposure）：不問「AI 能做哪些工作」，而問「AI 實際上正在做哪些工作」。在模型能力狂飆的 2026 年——開年展望裡所有人都預期 agent 全面進場——這份論文提供了一個罕見的、基於真實使用資料的勞動市場量測。
核心發現一句話講完：理論能力與實際使用之間，存在一個約三倍的落差。
什麼是「實測暴露」
過去的 AI 就業研究多半停留在「理論暴露」：拿任務清單問模型能不能做，能做就記一分。這種方法早就被批評高估衝擊——能做不等於有人這樣用。Anthropic 的做法是把三個資料源疊起來：O*NET 資料庫中約 800 個美國職業的任務分解、Anthropic Economic Index 累積的 Claude 實際對話資料，以及 Eloundou 等人（2023）的任務級暴露分數。
計分規則反映了意圖：全自動完成任務的用法計全重，增強型的輔助用法只計半重，且工作相關用法權重高於私人用途。任務層級的覆蓋率再按工時加總到職業層級。簡言之，這是一個「已經發生的自動化」指標，而不是「可能發生的自動化」指標。
能做不等於在用：三倍落差
論文裡最有說服力的一組數字來自電腦與數學類職業：理論上 94% 的任務已被 LLM 能力覆蓋，實際使用只覆蓋 33%——將近三倍的缺口。整體而言，97% 的 Claude 用量落在理論可行的任務類別裡，但實際覆蓋率在各職業間差異極大。
這個缺口就是未來幾年勞動市場的壓力計。模型能力已經跑在採用前面；衝擊何時到來，取決於缺口收攏的速度，而不是下一版模型的能力。對產品團隊而言，這也是機會的量化：三分之二理論上可自動化的電腦類任務，還沒有被任何產品有效接住。
暴露排行榜與零暴露的三成勞工
CBS News 與 Investopedia 都引用了排行榜：電腦程式設計師以約 75% 的任務覆蓋率居首，客服人員約 70%，資料輸入員 67%。另一端，約 30% 的美國勞工暴露為零——廚師、調酒師、洗碗工、救生員、機車技工、更衣室服務員。AI 的影響高度集中在可以透過螢幕完成的工作。
暴露族的畫像也推翻了一些直覺：高暴露勞工更可能是女性（高 16 個百分點）、收入高出 47%，且研究生學歷佔 17.4%，遠高於未暴露組的 4.5%。人口畫像還有兩個數字：高暴露勞工是亞裔的機率接近兩倍，白人比例高 11 個百分點。AI 先動的是高學歷、高薪的白領工作，而不是反之。研究設計上，作者用現前人口調查（CPS）做差異中的差異比較：把暴露最高四分位的勞工，與零暴露的那三成對照。
早期訊號：失業未升，年輕人求職變慢
壞消息先說：目前沒有。自 ChatGPT 於 2022 年底上線以來，高暴露勞工的失業率沒有系統性上升——研究設計足以偵測約 1 個百分點的差異性增加，但沒看到。
但有兩個方向性訊號。其一，22–25 歲勞工進入高暴露職業的求職率，在 ChatGPT 之後下降約 14%，作者形容為「勉強達統計顯著」，且 25 歲以上沒有同樣趨勢。這與 Brynjolfsson 等人（2025）用 ADP 薪資資料發現的 22–25 歲就業下降 6–16% 方向一致。換句話說，目前的證據比較像「入口變窄」，而不是「在職者被取代」——新人進不來，舊人還在位。其二，BLS 的十年期預測裡，實測暴露每增加 10 個百分點，2024–2034 年的預測就業成長就低 0.6 個百分點——而用傳統理論暴露指標做同樣的回歸，什麼都看不到。
怎麼讀這份研究
三個限制要記住。第一，使用資料只來自 Claude：重度白領與開發者族群的使用率天然偏高，量測的是「Claude 使用者的自動化」，不是全部 AI 的自動化。第二，「暴露」不等於「取代」——33% 的覆蓋裡，多數仍是輔助性用法，全自動的佔比更低。第三，使用資料必然落後前沿能力：論文量測的是已經部署的用法，而模型能力每一季都在往前跑，真正的暴露只會被低估，不會被高估。
但作為第一個把能力與使用分開量測、又能對接官方勞動統計的框架，這份研究給了政策與產品團隊一個可追蹤的儀表板。接下來值得盯著看的，不是失業率，而是那個 33% 往 94% 收攏的速度，以及 22–25 歲那條求職曲線會不會變陡。
參考來源
- Labor market impacts of AI: A new measure — Anthropic
- Anthropic is tracking which jobs are most exposed to AI — CBS News
- Anthropic Finds the Jobs Most Exposed to AI Risks — Investopedia
本文由 AI 協助自上述來源整理，經人工審核後發布。