Anthropic 最新研究：AI 還沒搶走你的工作，但年輕白領已經更難被錄取了

Anthropic 發表全新「觀察式曝險」指標

Anthropic 於 2026 年 3 月 5 日正式發表一份名為《Labor market impacts of AI: A new measure and early evidence》的研究報告，由旗下經濟學家 Maxim Massenkoff 與 Peter McCrory 共同撰寫 。這份報告並不是單純預測「AI 將來會不會搶走工作」，而是試圖回答一個更務實的問題：AI 目前在真實工作場景中，到底做了多少？

研究的核心創新，是提出名為「觀察式曝險（observed exposure）」的新指標 。過去多數研究——例如 Eloundou et al.（2023）的經典評估——是用理論能力來衡量 AI 對職業的衝擊，也就是「LLM 理論上能不能把這個任務加速一倍」。但 Anthropic 認為，「能做」跟「已經在做」是兩件事 。

觀察式曝險指標整合了三大資料來源 ：​

• O*NET 職務資料庫：列舉美國約 800 種職業的各項工作任務
• Anthropic Economic Index 使用數據：來自 Claude 的實際專業使用情境
• Eloundou et al. 的理論曝險分數（β 值）：衡量 LLM 理論上能否讓某項任務速度翻倍

此外，這個指標還會根據使用方式給予不同權重——「自動化（automated）」場景獲得完整權重，而「輔助型（augmentative）」場景僅計半數權重 。這讓測量結果更能反映「AI 真正在取代人類做事」的程度，而非只是「AI 在旁邊幫忙」。​

理論能力 vs 實際覆蓋：巨大落差

這份研究最引人注目的發現之一，就是 AI 的「理論天花板」與「實際使用地板」之間，還有一段很大的距離 。

以電腦與數學類職務為例：從理論能力來看，LLM 可以處理高達 94% 的相關任務；但 Claude 在真實專業工作場景中的實際覆蓋率目前僅約 33% 。

為什麼實際使用遠低於理論能力？Anthropic 在報告中點出幾個原因 ：​

• 模型本身的限制：部分任務理論上可行，但現階段 AI 的品質仍不足以穩定執行
• 法規與合規要求：例如醫療處方授權，LLM 理論上可以加速，但實務上不允許直接由 AI 執行
• 軟體整合門檻：許多任務需要搭配特定企業軟體才能落地
• 人類驗證流程：高風險決策仍需要人工審核

不過研究也指出，理論能力與實際使用之間的相關性其實很高——Claude 上觀察到的 97% 任務，都落在 Eloundou et al. 標記為「理論可行」的類別中 。這表示 AI 正在沿著理論預測的路徑滲透，只是速度比許多人想像的慢。​

AI 覆蓋率最高的五大職業

根據觀察式曝險指標，Anthropic 列出了目前 AI 任務覆蓋率最高的職業排名 ：

電腦程式設計師高居榜首並不意外——這與 Anthropic 在 2026 年 1 月發布的 Economic Index 報告吻合：Claude 的使用流量中，程式開發相關任務佔了 Claude.ai 對話的 34%，在企業 API 端更高達 46% 。​

客服代表的高覆蓋率則主要來自企業透過 API 部署的自動化客服系統 。資料輸入員的核心工作——閱讀來源文件並輸入資料——已有大量自動化應用 。

相對地，約 30% 的美國勞工所從事的職業，AI 覆蓋率為零，未達到最低門檻。這些職業包括廚師、機車修理師、救生員、酒保、洗碗工等以體力勞動或實體服務為主的工作 。​

高曝險工作者的人口統計特徵

Anthropic 的研究還揭示了一個顛覆直覺的事實：最容易受 AI 衝擊的，不是藍領勞工，而是高薪白領 。

根據 2022 年 8 月至 10 月的美國 Current Population Survey 資料，高曝險（前 25%）與零曝險工作者的差異非常明顯 ：​

• 高曝險群組比零曝險群組更可能是女性（高出 16 個百分點）
• 更可能是白人或亞裔（亞裔比例接近兩倍）
• 薪資平均高出 47%
• 教育程度更高：擁有碩博士學位的比例為 17.4%，零曝險群組僅 4.5%，相差近四倍

這意味著 AI 對勞動市場的衝擊路徑，和過去工業自動化主要影響藍領製造業的模式完全不同。這次站在第一線的，是辦公室裡的白領知識工作者 。

失業率：目前尚無系統性惡化

那麼，AI 到底有沒有已經造成失業潮？

Anthropic 的答案是：目前看起來還沒有 。

研究團隊使用美國 Current Population Survey 追蹤自 2016 年以來的失業率趨勢，比較高曝險（前 25%）與低曝險群組。結果顯示，自 2022 年底 ChatGPT 問世以來，高曝險職業並未出現系統性的失業率上升 。在差異中的差異（difference-in-differences）分析框架下，兩個群組的失業率差距變化非常小，統計上無法與零區分 。​

研究同時指出，他們的分析框架能夠偵測到約 1 個百分點的差異性失業率上升。如果出現類似「白領大衰退」的情境（失業率從 3% 翻倍到 6%），在這個框架下是可以被觀察到的 。​

真正的警訊：年輕人的求職入口正在變窄

雖然整體失業率沒有明顯變化，但報告指出了一個更微妙但更值得警惕的訊號 。

Anthropic 追蹤了 22 至 25 歲年輕工作者進入不同職業的「求職進入率（job finding rate）」。結果發現 ：​

• 年輕人進入高 AI 曝險職業的月度進入率，在 ChatGPT 問世後下降了約 0.5 個百分點
• 相較 2022 年基準，這代表了約 14% 的降幅——雖然「勉強達到統計顯著性」
• 相對地，進入低曝險職業的進入率維持穩定在每月約 2%
• 這種下降現象僅出現在 25 歲以下的年輕工作者，25 歲以上的群組並沒有類似趨勢

這項發現與 Stanford 大學 Erik Brynjolfsson 教授在 2025 年 8 月發表的研究高度呼應。Brynjolfsson 團隊利用 ADP 薪資數據分析發現，自 2022 年底以來，22-25 歲年輕工作者在 AI 高曝險職業中的就業率相對下降了 13%，而年長者在相同職業中的就業則維持穩定甚至成長 。

換句話說，AI 對就業的第一波衝擊，並不是「裁員」，而是「不再招人」——企業可能在不縮編的情況下，先降低對新人的需求 。

背後的驅動力：企業 API 自動化加速

為什麼年輕白領的機會正在縮減？Anthropic 在 2026 年 1 月發布的 Economic Index（經濟原語報告）提供了線索 。​

該報告分析了 2025 年 11 月的 100 萬筆 Claude.ai 對話與 100 萬筆企業 API 紀錄，發現幾個關鍵趨勢 ：​

• 企業 API 端的辦公與行政自動化任務佔比上升至 13%，包括 Email 管理、文件處理、CRM 與排程協作
• 具體應用包括：生成 B2B 銷售冷開發信、分析並回覆商業信件、建立發票處理系統、Email 分類標籤、會議排程管理
• API 端使用以自動化為主（75%），遠高於 Claude.ai 消費端的 45%
• Claude 的任務成功率約 67%，但在更複雜任務上成功率會下降

這些自動化正在取代的，恰恰是許多初階白領工作的核心職責——資料整理、信件回覆、排程協調、客戶管理 。當 AI 能夠穩定執行這些任務，企業自然會先減少補人需求，而最先受衝擊的，就是剛畢業、尚無不可替代專業經驗的年輕工作者。​

BLS 官方預測也指向同一方向

Anthropic 的觀察式曝險指標，也與美國勞工統計局（BLS）的官方就業預測出現一致性 。​

BLS 在 2025 年發布的最新就業預測（涵蓋 2024-2034 年）顯示，AI 覆蓋率每增加 10 個百分點，該職業的就業成長預測平均下降 0.6 個百分點 。這提供了一定程度的驗證——Anthropic 的測量結果與 BLS 分析師獨立得出的預估方向一致。

值得注意的是，如果只用過去 Eloundou et al. 的「理論能力」指標來看，並不會出現這種相關性 。這正是「觀察式曝險」指標的額外價值所在——它捕捉到了理論指標遺漏的現實訊號。​

Anthropic 為什麼要做這份研究？

Anthropic CEO Dario Amodei 曾公開警告，AI 可能在未來一到五年內取代多達一半的初階白領工作，並可能將失業率推升至 10% 到 20% 。然而他自家公司的研究，卻呈現了一個更複雜的圖景——破壞確實在發生，但速度比末日預言慢得多 。

研究團隊在報告中明確表示，這份研究是一個「第一步」，目的是在 AI 衝擊真正擴大之前，先建立好測量框架和基準線 。他們計劃定期更新分析，讓未來的觀察者能更可靠地從噪音中分離出真實訊號。​

對台灣讀者的啟示

雖然 Anthropic 的研究聚焦美國市場，但對台灣的白領工作者與即將踏入職場的年輕人同樣具有參考價值：

• 程式設計、客服、資料處理、行銷分析等職業在全球範圍內面臨相似的 AI 滲透趨勢
• AI 不是明天就取代你，但你所在職位的招募需求可能正在縮減
• 企業導入 AI 的方式，更多是透過 API 自動化後台流程，而非直接取代前台人員
• 年輕工作者最需要建立的，是 AI 無法輕易取代的專業判斷力與跨領域整合能力——Anthropic 的研究也呼應了 Brynjolfsson 團隊的發現：經驗與難以被編碼的隱性知識（tacit knowledge），是目前最好的緩衝​