AI会不会在职场上先吃掉00后，然后吃掉此后每一代人

与其说，AI正在改变人类离开职场的方式，不如说，它正在改变人类进入职场的方式。这种改变更隐秘，也更容易让社会放松警惕。 Anthropic最新研究发现，用户在工作中对Claude实际使用，远未达到理论上可以覆盖的任务规模。看上去，离AI普遍取代人类尚远。但倘若AI替代人类，最先从其中最脆弱的一环开始呢？ 也许，将与智能体竞争岗位的这一拨人类，首先是00后。在那些AI覆盖任务范围较高的职业领域，25岁以下年轻人的求职成功率，已经较ChatGPT诞生前明显下降；这一趋势在25岁以上群体中并不明显。 大模型越来越熟练地掌握了应届生刚学会的书本知识，却暂时难以取代资深员工多年在“工作中学习”中积累的隐性知识。而随着大模型从一代又一代资深员工身上“蒸馏”出更强大的模型和更多的技能（skills），智能体将又一次抬高下一波人类的入职门槛。 这也难怪最近在世界经济论坛上，Anthropic创始人CEO阿莫迪（Dario Amodei）宣称，AI将带来失业问题，白领，尤其是初级小白领，将是首先遭遇冲击的一批。在他的设想中，AI可能带来极大的劳动生产率提升，从而出现一种看似违反直觉的组合：5%至10%的经济增长，同时伴随接近10%的失业率。 在AI对就业的影响问题上，实证数据尤为重要。2023年，OpenAI发布的一项研究曾估算GPT在不同职业中的“暴露度”（exposure），至今仍是这一领域最具影响力的研究之一。不过，这项研究主要基于GPT-4能力的理论推演，而当时AI尚未进入规模化推理与智能体阶段。 如今，大模型的能力已经明显提升。包括今天发布的GPT-5.4在内，模型已经整合了推理、编码和智能体工作流，并逐渐具备操作计算机的能力。而Anthropic旗下的Claude Code，更是正在突破白领工业革命。这也意味着，仅依赖理论推演来估算AI对就业的影响，已经越来越难以反映真实情况。 Anthropic最新一份研究，则使用了平台的真实使用数据（usage data）。在隐私保护的前提下，研究团队分析了用户在Claude.ai上的对话记录，以及企业客户通过第一方API调用模型的情况。如果某项任务在理论上可以由AI完成，并且在实际数据中的出现频率超过设定阈值，就被认为已经被AI“覆盖”。其中，如果AI只是增强（augmentative），权重为0.5；如果任务实现自动化（automative），权重则为1。那些主要通过API实现、而较少出现在对话中的任务，往往意味着自动化程度更高。 这就是现实中“观察到的暴露度”（observed exposure）。通过比较理论能力与现实使用之间的差距，以及这种差距如何随时间变化，研究人员希望借此观察AI正在如何逐渐改变劳动力市场结构。当然，一些理论上可以由AI完成的任务，在现实中仍未被广泛使用，可能受到法律限制、软件环境、人工审核流程或组织惯性的影响。 从任务层面来看，AI的现实应用与理论能力之间仍存在明显差距。例如，在AI目前最擅长的“计算机与数学”类任务（tasks）中，Claude实际参与的任务比例约为33%，而理论上这一比例可以接近95%。类似地，三年前预计大约90%的管理类任务会受到AI影响，但在现实数据中，真正用Claude完成的仅约18%。相比之下，销售类工作的现实应用反而更高，AI已经兑现一半至少理论有能力覆盖的任务。 如果进一步从职业（occupations）层面观察，可以将一个职业包含的各类任务按其在工作时间中的占比进行加权，从而估算该职业中有多少比例的工作可能被AI覆盖。按照这一方法，毫不意外，程序员的现状最为“危险”，紧随其后的是客服代表、数据录入专员和医疗记录专员等。这项实证研究，重复了我们已知的叙事，高学历、高收入的白领工作者，最容易暴露于AI之下。不过，与OpenAI理论推演的还是有点不一样，当时，连央行的专家们都排名前10。 与此同时，大约30%的职业几乎没有出现在Anthropic的统计中。这些职业的核心任务往往很少涉及文本、数据处理或计算机操作，例如厨师、摩托车修理工、救生员或调酒师等。这一点倒与OpenAI此前的理论推算基本一致。不过，这种“安全”也许只是暂时的，如果未来具身智能或物理AI成熟，这些职业同样可能受到影响。 那么，为什么AI在实验室中表现强大，却在现实经济中应用缓慢？部分原因可能来自评估方式本身。近年来，越来越多基准测试试图评估大模型在高价值经济任务中的能力。OpenAI的GDPval就是如此，发布不久后，AI模型已超越人类基线，GPT-5.2与行业专家持平，Claude Opus 4.6表现更好。然而，这类基准测试通常依赖结构清晰、可快速重复评估的任务，而现实工作流程往往更加复杂、模糊且依赖协作。 也正因为如此，Anthropic的研究并未观察到明显的大规模失业现象。研究团队比较发现，自ChatGPT发布以来，高暴露职业（暴露度前25%）与低暴露职业（后25%）群体的失业率走势基本保持一致，两者之间的差异在统计上并不显著。 尽管如此，一些更微妙的变化可能已经开始出现。初级岗位的招聘结构可能已经开始发生变化。Anthropic发现，在22至25岁的年轻求职者中，自2024年起，高暴露职业与低暴露职业之间的入职率开始出现分化。低暴露行业的入职率仍维持稳定，而高暴露职业中年轻人的入职率下降了约14%。这一趋势在25岁以上群体中并不明显。 这一发现也与美国国家经济研究局（NBER）的一项研究结论相呼应。该研究利用美国最大薪资处理公司ADP的数据库，分析了2021年至2025年间数百万名18至70岁全职劳动者的雇佣与薪酬数据。研究发现，美国整体劳动力市场尚未出现AI导致的大规模就业冲击，但在AI高度暴露的职业中，22-25岁的职场新人的就业机会已经开始承受显著影响；AI冲击目前影响的是就业数量，而不是薪酬水平。 如果这一趋势持续下去，AI对劳动力市场的影响，可能首先表现为一种代际结构变化。在这场技术变革中，资深员工反而处于相对有利的位置，而最迫切需要职场实践机会的新人，则成为最脆弱的一环。从更长远的角度来看，这种变化不仅可能加剧不同代际之间的不平等，还可能削弱传统的经验传递机制，使大量依赖实践积累的隐性知识（tacit knowledge）难以顺利实现代际延续。 而随着大模型的学习能力持续提升，从资深员工的实际工作中“蒸馏”出更多智能，人类的知识日益向AI转移，而不是在实际工作中向新一代转移，也就进一步提升了人类新员工的入职门槛。也许，AI下一轮吃掉的是35岁以前的员工，并如此循环下去。 那些未能成功入职的年轻人最终流向何处，现有研究尚未给出明确答案。但可以确定的是，长期依赖初级岗位进行培养与筛选的人才成长模式，正在发生变化。这不仅是AI就业问题，也是AI时代教育体系必须面对的问题。或许，这些问题的解决，将比AI淘汰人类员工本身花费更长的时间。 软件曾经想吃掉世界，现在AI在吃掉软件。世界是老一辈的，也是年轻人的，不至于终究是AI的吧。