Anthropic 投入 2 億美元研究 AI 經濟衝擊：五大問題與企業實驗框架

AI 會提升生產力，還是先讓部分工作消失？再訓練真的能幫助受影響員工轉職嗎？如果 AI 帶來大幅成長，企業與勞工要如何分配收益？

這些問題沒有一個能靠模型 benchmark 回答。2026 年 7 月，Anthropic 公布 Economic Futures Research Fund 的研究議程，承諾投入 2 億美元，支持外部機構以大型 randomized controlled trial（RCT）、field experiment 與政策 pilot，測試社會如何因應 AI 對經濟與工作的衝擊。

我的判斷是：這筆基金最重要的訊號，不是 Anthropic 已經知道 AI 會造成大規模失業，而是公司承認現有證據不足，必須從「預測未來」轉向「測試哪些介入措施真的有效」。不過，由 AI 公司出資研究自身技術的外部性，也需要透明的研究獨立、資料取得與發表規則。

Economic Futures Research Fund 是什麼？

Anthropic 以 2 億美元基金支持外部機構研究 AI 對工作、所得與公共政策的影響。圖片來源：Anthropic。

Anthropic 表示，基金將支持能讓經濟更具彈性、讓 AI 收益被更廣泛分享，並減少轉型傷害的外部研究。它延續一年前啟動的 Economic Futures program，但將資源從大量小型 grant，轉向規模更大、企圖更高的研究。

主要計畫預計落在 500 萬至 3,000 萬美元，若 scope 清楚且潛在影響高，也可能再往上。基金不直接資助低於 100 萬美元的案子，原因之一是 Anthropic 過去發現，同時管理大量小額 grant 很難擴充。

可申請者包括：

• 經認可的大學與授予學位的教育機構。
• 獨立研究機構與政策研究組織。
• 具備大規模 field experiment 經驗的 nonprofit。

個別研究者可以擔任機構提案的 principal investigator，但不能以個人名義申請。基金定位為 global fund，研究方向目前仍較偏美國，Anthropic 表示會以全球需求調整實際資助組合。

為什麼不只研究「多少工作會消失」？

勞動市場研究常嘗試估算哪些 occupation 或 task 最容易受 AI 影響。這類 exposure measure 能提供方向，卻無法直接回答企業採用 AI 後會裁員、擴張，還是重新設計工作。

同一個模型進入不同公司，結果可能完全不同。管理者可以用 AI 取代 junior task，也可以讓新人更快完成高難度工作；節省的時間可以變成 headcount reduction，也可以投入新產品、服務更多客戶或改善品質。

因此，Anthropic 的研究議程把焦點放在 intervention：哪些組織設計、訓練、收入支持與公共投資能改變結果。這比只做職業風險排行榜更接近企業與政府真正能採取的行動。

五大研究優先項目是什麼？

這五類問題從公司內部一路延伸到總體經濟。它們的共同點是都不能只看短期 productivity，而要追蹤就業、薪資、技能、健康、家庭穩定與社區結果。

優先一：企業如何讓 AI 增強員工，而不是只減少人力？

Anthropic 認為，目前 workplace AI 的證據多為 observational 與 short-term，難以分辨是哪一個管理選擇造成結果。因此基金希望資助在公司、團隊層級隨機分配 AI system 或 integration design 的 field experiment。

一個可操作的比較是：一組由管理層直接導入工具，另一組由員工與 worker organization 共同設計流程。研究可以觀察兩組在生產力、品質、工作自主性、技能累積、離職率與收益分配上的差異。

企業不應把「每人產出增加」當成唯一成功指標。如果 senior worker 產出上升，但 junior task 全部消失，短期 ROI 可能漂亮，兩年後卻沒有可晉升的人才 pipeline。研究議程因此特別提到 apprenticeship、mentorship 與 rotational model，想了解 entry-level work 被 AI 吸收後，專業能力要如何建立。

優先二：再訓練與轉職方案真的有效嗎？

傳統 retraining 與 job placement 的研究結果不一致，而且未必能套用到 AI 帶來的快速結構變化。基金希望測試 sectoral training、skills-based matching、credential reform、relocation assistance，以及把所得支持與密集 reemployment service 綁在一起的方案。

重點不只是有人完成課程，而是課後是否進入有需求的工作、薪資是否恢復、六至十二個月後是否仍在職，以及轉職成本是否由個人過度承擔。

Anthropic 也提出「fire drill」概念：在特定州或地區快速擴大已被看好的轉職方案，測試制度面對大量求職者時是否仍有效。小型 pilot 的成功經常來自高密度輔導，規模放大後可能因師資、雇主職缺與行政 capacity 不足而失效。

優先三：失業保險如何因應長期 displacement？

美國失業保險與許多國家的相似制度，多假設失業是暫時狀態。若 AI 讓某些 occupation 的需求持續下降，短期給付結束後，原工作可能仍未回來。

基金希望研究 alternative eligibility threshold、依產業或職業自動延長給付的 trigger，以及失業保險如何與 wage insurance、retraining 和轉職服務整合。也包含較長期、達到可生活水準的 unconditional income pilot。

這類實驗不能只看 participant 是否減少工作時數。研究議程要求觀察 consumption、wellbeing、family stability、child development、civic participation，以及受試者如何安排時間。因為當工作與所得長期脫鉤，政策目標不再只是讓人盡快回到任何一份工作。

優先四：AI 成長收益如何提前分配？

Anthropic 在 Economic Policy Framework 提出 pre-distributive capital account：在大規模衝擊發生前，就讓個人持有與 AI growth 相關的資本權益，而不是失業後才透過 transfer 補救。

基金可能支持 capital account、equity sharing、AI-sector dividend 與 community-level return 的 pilot，也希望比較不同 revenue base，例如 corporate profit、capital gain、compute 或 automation tax。

這些做法目前缺少大規模直接證據。即使制度能募到錢，仍要回答由誰實際負擔、企業是否改變投資位置、資金如何分配，以及帳戶能否在真正需要時提供足夠保障。

「讓全民持有 AI 公司股份」聽起來直觀，但收益波動、集中度、治理權與市場風險都不能忽略。研究若只量測帳戶餘額，沒有比較 household outcome，就無法判斷制度是否真的降低不平等。

優先五：哪些公共投資最值得擴大？

第五類研究聚焦 private market 可能低估的 human- and community-facing work，例如教學、課後活動、圖書館、社區健康、公園、基礎設施與藝術。

基金也希望測試 AI-enabled public service 是否能縮小取得 legal aid、medical guidance 與 financial advice 的落差，以及為 displaced worker 提供 public-good role 的 guaranteed-job pilot。

評估時不能只算創造多少職缺。教育成效、犯罪、健康、wellbeing、服務品質與每單位公共支出帶來的效益都要納入，並與 direct cash transfer 比較。

Place-based intervention 也是重點。受到 AI displacement 影響，或承接大型 AI infrastructure 的社區，可能需要把 workforce、public service、infrastructure 與地方治理一起設計，而不是各自發一筆短期補助。

這筆基金如何避免研究太慢？

傳統 grant、field work、peer review 與 publication cycle 可能花上數年，但 AI adoption 的速度更快。Anthropic 因此要求合作機構在重要 milestone 公開分享進度，因為可及時採取行動的早期訊號，有時比太晚出現的完整答案更有價值。

這不代表可以降低研究品質。較好的做法是預先註冊 hypothesis、outcome 與分析方法，在 milestone 發布可清楚標示的 interim result，並保留完整研究的 peer review、replication 與長期 follow-up。

基金也接受不只 RCT 的 ambitious pilot。這是合理的，因為制度型改革不一定能完整隨機化；但沒有 randomization 時，更需要 comparison group、difference-in-differences、synthetic control 或其他可信的 causal design，避免把景氣變化誤判成 AI policy 的效果。

AI 公司出資研究自己的外部性，有什麼風險？

Anthropic 願意投入 2 億美元研究工作與所得衝擊，對 evidence base 有正面價值。但研究資助者同時也是可能造成 disruption 的技術供應商，存在明確利益關係。

基金治理至少要公開：

• Proposal selection 的評審名單、利益揭露與評分標準。
• 研究者是否能發表負面或不利於 Anthropic 的結果。
• Anthropic 是否擁有 publication review、delay 或 veto 權。
• 使用 Claude usage data 時，第三方能否取得足以重現的資料與方法。
• 研究成果、code、instrument 與 anonymized data 的開放程度。
• Funded study 是否必須使用 Claude，或可比較其他模型。

若研究只能回答「如何減少採用阻力」，而不能質疑 AI rollout 的速度、產品設計或供應商責任，基金就會變成政策行銷。真正可信的外部研究必須容許結果否定出資者的假設。

企業可以怎麼建立自己的 AI 勞動影響實驗？

企業不需要等大型基金結果才開始量測。最實際的 MVP 是選一個流程與兩到四個相近團隊，先跑 8 至 12 週的 controlled rollout。

第一步，在導入前建立 baseline，包括 task completion time、品質、重工率、customer outcome、加班、skill distribution、員工壓力與離職意向。

第二步，比較不同導入設計。不要只做「有 AI／沒有 AI」，可以加入 worker co-design、training intensity、manager review 與不同權限組合。

第三步，同時觀察分配結果。總產出增加時，要記錄收益是否反映在薪資、工時、學習機會、晉升、headcount 或 profit；平均值不能掩蓋 junior、contractor 與特定職務的損失。

第四步，保留至少三至六個月 follow-up。短期效率提升可能來自員工熟悉舊流程，長期則可能出現 deskilling、依賴、人才 pipeline 斷裂或新任務成長。

第五步，預先寫好決策規則。例如品質不下降、員工 stress 未惡化、junior learning 指標維持，而且 productivity gain 有明確再投資用途，才擴大部署。否則應調整 workflow，而不是只增加 AI 使用率 KPI。

常見問題

Anthropic Economic Futures Research Fund 有多少資金？

Anthropic 承諾投入 2 億美元，主要資助 500 萬至 3,000 萬美元的計畫，也可能對 scope 清楚、影響潛力高的案子提供更高金額。

個人研究者可以直接申請嗎？

不行。個人可擔任大學、研究機構、政策組織或合格 nonprofit 提案的 principal investigator，但基金不接受個人以私人身份申請。

基金是否只資助美國研究？

不是。Anthropic 將它定位為 global fund，但承認目前列出的方向較偏美國制度與資料，實際資助預計反映全球準備需求。

這是否代表 Anthropic 預測一定會大規模失業？

不代表。官方明確表示 AI 的擴散速度與經濟效果仍不確定。基金目的是測試不同情境下哪些介入有效，而不是宣告單一路徑已確定。

企業最先該量測什麼？

先建立任務層級 baseline，再同時追蹤 productivity、quality、rework、skill development、worker wellbeing 與收益分配。只有使用率或省下多少工時，不足以判斷導入成功。

結論

Anthropic 的 2 億美元研究基金，把 AI 經濟討論從「工作會不會消失」推向更可行動的問題：企業怎麼設計導入、轉職方案能否擴大、所得支持如何現代化、AI 成長收益怎麼分享，以及公共投資在哪些場景最有效。

這套議程值得肯定，因為它承認現有證據不足，也願意支持大規模實驗。但基金的可信度將取決於研究者能否獨立發表、資料能否重現，以及結果是否可以挑戰 Anthropic 自己的產品與政策假設。

對企業來說，最直接的行動不是等待總體預測，而是為每一次 AI rollout 建立對照、baseline 與長期追蹤。當 productivity、quality、skill 與收益分配被放在同一張表上，AI 導入才真正成為可治理的組織實驗。

資料來源：

• Anthropic：A research agenda for the Economic Futures Research Fund
• Anthropic：Economic Policy Framework
• Anthropic Economic Index