先说清楚：现在就业市场好得很

要谈 AI 有没有冲击就业，先得排除一种可能：会不会是就业市场本身在变差，把 AI 的影响盖住了？答案是没有。现在的美国就业市场，各项指标都很健康：失业率维持在 4.2% 左右，这在美联储眼里就是「充分就业」；每周首次申请失业金的人数处在低位；岗位空缺数和正在找工作的人数大致一比一，供需基本平衡。

而同期，AI 用得也不少：约 20% 的企业已经在业务里用上 AI，信息技术行业更是高到 40%。他因此推断：AI 这个盘子已经够大，如果它真在抢工作，本该在这些宏观数据里露出痕迹。

AI 的痕迹，出现在生产率里

痕迹确实有，只是它出现在「生产率」这一栏，「失业」那一栏反而没动静。衡量一个经济体干活效率的指标叫劳动生产率（每小时能产出多少），这几年它涨得比疫情前快。

这里要老实补一句：衡量「效率」其实有两把尺子，它们给的读数并不一致。

一把尺子说 AI 在加速，另一把更严格的尺子却没这么乐观。他的看法是：两把尺子读数打架，本身可能正说明一场加速才刚起步、还没被数据完全接住。但不管用哪把尺子量，这一节的意思都一样：AI 的宏观影响看得见，它落在「产出效率」这一栏，而不是「失业」那一栏。

AI 到现在，是在放大人的能力

那为什么效率涨了、失业却没涨？这就是全篇最核心的判断。对「AI 会怎么影响工作」，其实有两种截然不同的世界观：

关键那句话：干掉任务，不等于干掉工作

为什么 AI 能自动化很多任务，却没把工作整个端掉？关键在于一句话（他称之为 the task is not the job）：一份工作，是很多个任务拼起来的；自动化其中几个任务，不等于自动化整份工作。

这不是空话。在美国劳工部维护的职业任务库（O*NET，一份把每个职业拆成典型任务的目录）里，没有任何一个职业的全部任务能被 Claude 系统性接管。那些接管不了的任务，往往要靠人和人的协调、面对面的互动、或者跟真实世界打交道，目前只有人能做。

还有一层更深：工作从来不是一个固定不变的任务包。历史上每来一次新技术，都会把一份工作里的任务重新洗牌：干掉一些、强化另一些，还催生出全新的活。净效果，是人的边际产出不降反升。

有个常被引用的例子（示意）：ATM 机普及后，很多人以为银行柜员会被取代，结果柜员没消失，反而腾出手转去做更需要人的销售和咨询；单个网点省了人、变便宜了，银行索性开了更多网点，柜员总数还涨了。机器接走了「数钱」这个任务，人被推向了「服务客户」这些更值钱的任务。

凭什么说是「放大」？他给了一串证据

这套判断不是拍脑袋，背后是 Anthropic 经济研究团队基于真实 Claude 使用数据的几项发现：

唯一的隐忧在年轻人，但别急着赖 AI

他没有回避反面证据。有一些较弱的迹象显示，过去一年里，在 AI 高暴露的岗位上，年轻人的招聘变弱了，这和斯坦福数字经济实验室那篇《煤矿里的金丝雀》方向一致。但他紧接着提醒：这笔账不能简单记到 AI 头上。

所以年轻人现在难找工作，很可能是这些宏观原因，未必是 AI。担忧是真的，但把它当成 AI 已经造成失业的证据，还站不住。

什么会让这套逻辑失效

「放大而非替代」是「到目前为止」的结论。他坦白，随着模型变强，这一条完全可能失效：锯齿状的能力边界（jagged frontier，指 AI 时好时坏、还不好预测）会被慢慢填平，人类专长的回报也可能缩水。而最大的那个变量，是 AI 可能开始自动化「创新」本身。

过去的通用技术做不到这一点：内燃机再强，也不会自己发明出新的交通方式。但给机器装上通用智力，本身就是催生下一步创新的引擎。在标准的经济模型里，一旦「搞创新」这件事也被自动化（最先可能出现在 AI 递归地自我改进、即 RSI 上），就可能产生「经济奇点」：有限时间内的无限增长。

而短板现在确实在卡。他举了个例子：编程 Agent 让生成的代码量涨了 10 到 20 倍，可软件的发布量只多了 30%，App 的使用量根本没涨。

写得快了十几倍，交付却几乎没跟上，卡在哪了？卡在「写代码」从来只是软件生产的一个环节。它前面得先「想清楚要做什么」，后面还有测试、审查、集成、上线、真正让用户用起来，这些环节 AI 都没怎么加速。写代码这一段快了十几倍，一冲出去就撞在后面那些没变快的环节上，堵住了。这就是「短板」：一条链子能过多少货，是最慢的那一环说了算，不是最快的那一环。

于是：代码量 10–20× ，软件发布只 +30% ，App 使用量 0 增长。一环快了，全链还是被最慢处卡着走。

规模定律很难反驳，模型一定会变得更好，好得多。我预计这会带来更快的生产率增长，甚至更明显的自我改进迹象。但我不认为一年后失业率会明显更高，至少不会因为 AI。Peter McCrory

为什么效率涨了、失业栏却安静？他的判断：到目前为止，AI 是一种「技能偏向、增强劳动」的技术，谁会用谁身价涨；它接走一部分活，人在其中定方向、做判断、兜住最难的部分，一个人能干成的边界被拓宽了。

支撑证据也指向同一方向：复杂输出往往有懂行人在指挥；最难的活上模型最吃力，需要人兜底；用得越久越当「思考搭子」；编程场景里，越懂行的人成功率越高、出错后恢复越好，「纯写代码」贬值，「会规划、会兜底」升值。

自动化一堆任务，整份工作却没被端掉，因为一份工作是很多任务拼起来的。AI 拆走其中几块，只要还有只有人能干的活，这份工作就还在，甚至因为人补缺口而更值钱。工作也从来不是固定任务包，新技术会重新洗牌任务、造出新活。

以小互的日常工作为例：录入、排版这类块可以被 AI 接走；拿主意、打交道、出错兜底仍在人手里。只要这些块在，工作就没被消灭，人的身价还会被抬高。

反面迹象他没绕开：AI 高暴露岗位上，年轻人招聘变弱了（和斯坦福《煤矿里的金丝雀》同向）。但近几年宏观太乱，史上最大的「非衰退式」就业放缓，低招聘、低解雇本就最坑刚入职场的人。担忧是真的；把账全记到 AI 头上，证据还站不住。