8.1万人告诉Anthropic：生产力的红利与失业的恐惧，正在同一群人身上同时发生
8.1万人告诉Anthropic：生产力的红利与失业的恐惧，正在同一群人身上同时发生
一个软件工程师说：”我现在每天使用Claude，效率至少翻了3倍。但我也每天在想，那些需要3倍效率的项目，以前是需要3个工程师的。”
这句话出现在Anthropic 2025年12月针对81,000名Claude用户的开放式问卷回复中。它之所以值得引用，不是因为它揭示了什么新事物，而是因为它以极其简洁的形式，描述了这份调查最核心的发现：生产力的受益者和失业的恐惧者，是同一群人。
2026年4月22日，Anthropic宣布正式推出Anthropic Economic Index Survey——一个每月滚动进行的经济影响调查系统，同时发布了配套的81,000人调查分析报告。两份文件加在一起，是AI行业迄今最大规模、最具结构性的就业影响第一手数据集。
方法论：他们不是在测”观点”，而是在测”结构”
理解这份调查的价值，需要先理解它的方法论。
大多数关于AI与就业的调查问的是：”你认为AI会对你的工作造成威胁吗？”这种问法测量的是情绪——一种受媒体报道、政治立场、甚至当天心情影响的主观判断。
Anthropic做的是不同的事。他们用Anthropic Interviewer（一个基于Claude的访谈工具）进行深度开放式访谈，然后用Claude分类器对回答进行结构化分析。被访谈者不知道自己在回答什么”选项”——他们只是在和AI聊工作。研究者从这些对话中提取信号。
更关键的是：这81,000人的自述，被叠加在Anthropic自己的”观察到的暴露度”（Observed Exposure）指标上——即Claude实际被用于执行某一职业任务的比例。换言之，他们同时掌握”Claude在实际帮你做什么任务”和”你自己觉得这些任务会不会消失”这两组数据，然后看它们是否对应。
这就是为什么这份报告的信噪比远高于通常的AI就业调查。
矛盾的核心发现：越受益，越担忧
报告的核心数据是一个看起来矛盾的结构。
生产力感知的平均分是5.1分（满分7分），对应”显著提高生产力”。主动使用Claude的人中不乏极端案例：”以前要花几个月建的网站，4-5天就做完了”；”原来需要4小时的工作，半小时完成了”；”让我从零开始创办了我之前根本没有资源做的业务”。
但与此同时，表达对AI驱动性就业置换感到担忧的人，占所有受访者的20%。他们的焦虑不是抽象的：一位市场研究员说，”提升能力毫无疑问，但AI未来可能会替代我的工作”；一位软件工程师说，”AI来了，项目经理开始给我们派更难、更多的任务”——效率上去了，标准也跟着上去了，薪酬却不一定。
更关键的是：这两组人高度重叠。
Anthropic的数据显示，生产力加速最大的群体，同时也是就业置换担忧最强的群体。软件工程师报告了最大的生产力增益，也报告了最高比例的失业焦虑。这不是巧合，也不是认知失调。这是理性的：当一个人同时意识到”AI让我完成了3倍工作量”和”3倍工作量以前需要3个人”，他的感受就是这样的——既更有效率，也更不安全。
这是技术变革历史上罕见的同步化：通常，受益者和受害者分属不同群体，变革的代价有一定的缓冲期。这一次，同一批人在同一时间经历着两面。
分布从来不均匀：高薪与低薪的U形曲线
报告最值得关注的是”谁受益”和”谁担忧”的非均匀分布。
受益最多的两端：最高薪和最低薪职业，中间薪资段的受益最有限。
高薪职业（软件工程师、咨询顾问）的受益来自”范围扩展”——AI让他们能做以前不在自己能力范围内的任务，触达更多客户、撰写更复杂的分析。低薪职业的受益则更多来自”速度提升”——花更少时间完成重复性任务。
但中间薪资段是AI暴露度增长最快、生产力感知提升最有限、同时替代焦虑最集中的区域。这些人往往在知识密集型工作的边缘地带：数据录入、行政协调、初级内容生产。他们使用Claude，但不确定Claude是在帮自己，还是在代替自己的必要性。
早期职业者承担了不成比例的焦虑。
数据显示，入门级从业者表达就业威胁的比例，远高于资深从业者。按观察到的暴露度分组：前25%高暴露度职业的从业者，提及就业焦虑的频率是后25%低暴露度职业从业者的3倍。暴露度每提高10个百分点，就业威胁感知提升1.3个百分点。人们的担忧与AI在其职业中的实际渗透程度高度吻合——他们的恐惧有其现实基础，而不仅仅是媒体放大的情绪。
但更重要的是机制：当AI成熟到足以执行初级任务，企业有动机减少招聘入门级员工，而不是让这些员工升级到更高级的工作。资深员工通过多年经验建立的不可替代性判断力，对于职场新人来说是一道很难翻越的门槛。
第三层洞察：学习曲线在自我强化不平等
这份报告还揭示了一个更深层、更结构性的问题，来自Anthropic 2026年3月发布的Economic Index最新报告（基于2026年2月数据）。
想象两个程序员：A从2025年6月开始每天使用Claude，B从2026年4月才开始。同样是”会用Claude”，他们的差距已经是10个月的积累。Anthropic的数据发现了这种差距的量化痕迹：高使用年限的Claude用户，发展出了让他们更好地调用Claude能力的习惯和策略。资深用户不仅尝试更高价值的任务，还更能从对话中获得成功的回应——这就是所谓的学习曲线效应（Learning Curves）。
更深层的含义是：AI能力的收益不是”接入即享有”，而是通过使用经验逐渐解锁的。如果这个判断成立，那么今天在使用Claude的人和今天还没有开始用的人，6个月后的差距将是几何级扩大的——因为AI工具本身还在每季度迭代一次，而积累的使用经验无法被后来者快速复制。
这也解释了2026年2月数据中另一个现象：Claude.ai的使用在个人化普通查询方向上显著扩散（体育、购物、家庭维修），平均任务价值略有下降。这是标准的”技术扩散曲线”——早期采用者主导高价值专业任务，后期采用者进入时用于更广泛、更低价值的用途。早期采用者的优势正在自我强化，后来者正在用AI做更平凡的事情。
对于就业影响来说，这个发现有个不那么乐观的推论：AI对劳动力市场的影响，将在那些最早、最密集使用AI工具的群体中最先、最强地显现——不论是正面的（更高生产力、更高收入）还是负面的（岗位被压缩、门槛被提高）。而这些群体，恰恰是Anthropic这份调查中的受访者。
雇主缺席的那一面
这份报告有一个明显的视角缺口：81,000名受访者都是Claude的个人用户，没有雇主视角。
这意味着我们看到的生产力增益，是从雇员角度描述的——”我完成了3倍工作”。但从雇主角度来看，这可能呈现为三种截然不同的结果：
场景A：生产力增益转化为更高薪酬或更多的创意自主权（对雇员有利） 场景B：生产力增益被雇主用来提高工作量标准，同等工资期望更多产出（对雇员负担加重） 场景C：生产力增益被雇主用来优化人员结构，减少招聘或调整岗位（部分人受益，部分人岗位消失）
软件工程师在调查中的自述（”项目经理给了更难的任务”）更接近场景B。当生产力工具让个体能完成更多工作，市场的第一反应往往不是”让同样的人休息更多时间”，而是”用更少的人完成同样的目标”。
而从同期宏观动态来看，2026年4月23日，Meta宣布裁员约8,000人（占员工总数10%），将剩余团队重组为AI聚焦的”pods”；微软同日宣布51年历史上首次提供自愿退休买断计划，覆盖约7%的美国员工。两家公司都在同一时间窗口重组人力资本结构，以为AI投资腾出空间。这不是巧合——场景C在企业层面正在系统性发生，而它的受益者（留任的核心工程师）和受害者（离开的边缘岗位员工），都可能在这份81,000人调查的样本中。
但这些信息没有在这份调查中出现，因为被调查的是雇员，不是雇主。月度调查系统未来是否会增加雇主样本，将决定数据是否能更完整地反映这场转型的双侧影响。企业决策者如何看待和使用员工的生产力增益——这个问题，或许比员工自己的感受，更直接地决定AI带来的是增量分配还是零和博弈。
Anthropic正在记录自己制造的影响
这件事值得认真对待，不是因为调查结果揭示了惊天秘密——生产力提升和就业焦虑并存，并不令人意外。值得认真对待，是因为这是一家前沿AI实验室第一次以结构化、持续化的方式，记录自己的模型正在对人类的工作生活造成什么影响，并把这些数据公开发布。
没有人强迫他们这么做。
AI行业过去几年的惯例，是把经济影响的讨论留给学术界、政策智库和媒体评论员，自己则专注于技术发布和商业增长。Anthropic此次的行动是一种偏离，不管其动机是商业PR、监管套利，还是真诚的社会责任感——这三者在这个决定中可能都存在。
偏离本身创造了问责的可能性。
当每月的数据开始积累，当不同版本Claude上线前后的就业焦虑数据开始可以对比，当哪些职业的暴露度在快速上升的轨迹变得可见——某种更清晰的、关于”我们正在付出什么代价换取什么进步”的记录，将开始形成。
但这也是这套系统最大的风险所在：如果数据显示某次版本更新导致特定职业的就业焦虑显著上升，Anthropic会暂缓部署吗？ 还是说，月度调查最终会成为”我们已经知晓，但仍然继续”的档案记录？
答案，要等数据积累之后才能看到。
81,000人开了个头。接下来，是每月不断滚动的新一批人。
如果你是一个每天使用Claude的人，你终究有一天会在claude.ai上收到那条邀请：参与这项调查。
那时，你会怎么回答？
参考资料
- Anthropic, “Announcing the Anthropic Economic Index Survey”, 2026-04-22. https://www.anthropic.com/research/economic-index-survey-announcement
- Anthropic, “What 81,000 people told us about the economics of AI”, 2026. https://www.anthropic.com/research/81k-economics
- Anthropic, “Anthropic Economic Index report: Learning curves” (March 2026), based on February 2026 data. https://www.anthropic.com/research/economic-index-march-2026-report
- Massenkoff & McCrory, “Labor market impacts of AI: A new measure and early evidence”, Anthropic Economic Research. https://www.anthropic.com/research/labor-market-impacts