Anthropic 员工和美国公众的 AI 预期差：分歧不在怎么推理，在自己的工作会被做掉多少

前沿实验室员工和美国公众对 AI 的预期被放进同一套问卷里对比，分歧集中在对自己工作的判断：两组对「AI 今天能做什么」看法大体一致，差得远的是对未来速度的估计，以及「我的工作会被做掉多少」。

先给结论：59% 对 26% 这组节时数字最容易被转述，但它是受访者自报的感受，不是计时测量；这份报告里更结实的一条，是两组人从「自己的工作被做掉多少」推到「失业率会是多少」的方式几乎一样。所以员工的乐观，是前沿实验室工作方式的一个读数，不能直接当作全社会的预测。

发生了什么

据 Anthropic 10 月 16 日发布的研究报告，署名作者五人，包括 Peter McCrory、Charles I. Jones 和 Anton Korinek。数据有两份：

• 美国成年人：Morning Consult 于 8 月 11 日至 23 日在线访问 10,980 人，按人口结构加权；关于未来的问题，一半人被问 2027 年，一半人被问 2030 年，报告默认呈现 2030 年那一半。
• Anthropic 员工：8 月 9 日至 12 日的内部问卷，1,334 人作答，不加权，全部问 2030 年。

几个主要数字（均为 Anthropic 报告口径）：

问题	美国成年人 / 劳动者	Anthropic 员工
2030 年前 AI 能做出诺贝尔级发现	39%	91%
2030 年 AI 能做自己当前工时的比例（平均）	28%（有工作者）	75%
认为 AI 能做自己 80% 以上工时	约 1/20	过半
擅长任务用 AI 后耗时降到四分之一或更少	26%（工作中用 AI 者）	59%
按各人回答代入模型得到的 2030 年 GDP 增速（中位）	5.4%	17.1%

报告还写到，两组人对 AI「今天」能做什么的看法大体一致，对八项任务难度的排序也几乎相同；分歧出在未来的速度上。

59% 对 26%：这是哪一种数字

节时那道题问的是：想一个当前 AI 擅长的任务（例如总结文件、起草邮件），用 AI 完成要多久，计入检查和修正的时间，与不用 AI 相比如何。题目设计已经尽量把返工算进去，但答案仍是受访者的估计。

口径上还有三处要拆开读：

1. 分母不同。26% 是「工作中使用 AI 的美国成年人」这一子群，不是 10,980 人全体；工作中不用 AI 的人里也有 21% 选了同一档。
2. 任务是自选的。每个人想的是自己心中「AI 擅长的那件事」，员工想到的任务和公众想到的任务未必是同一类。
3. 另一端同样悬殊。工作中用 AI 的美国成年人里，29% 说耗时不变或更长；员工里只有 5%。

作为对照，St. Louis Fed 2025 年 2 月的文章用了另一种问法：问受访者「如果上周没有生成式 AI，完成同样的工作要多花几小时」。按这种问法，2024 年 11 月的用户平均节省 5.4% 的工时，摊到全体劳动者是 1.4%。该文页首注明，2024 年结果后来因题目顺序调整在新文章里做过修订。这里不把它和 Anthropic 的数字并排比较：一个问「单项擅长任务快了多少」，一个问「一周总工时省了多少」，分母完全不同。两者放在一起说明的是，问法一变，「AI 节时」就是另一个量级的数字。

最站得住的一条：推理一样，自评不同

报告告诉受访者当前失业率约 4.2%，请他们预测 2030 年的失业率，再按「自己多少工时会被 AI 做掉」分组：

• 美国劳动者里，认为 AI 能做自己不到一半工作的人，预测失业率在 7% 到 8%；认为能做 80% 以上的人，平均预测 12.2%。
• 自评暴露每高 10 个百分点，预测失业率高约 0.4 个百分点；控制住自评暴露后，「对 AI 整体能力有多乐观」与失业预测无关。
• 员工组呈现同一条斜线：在同样的自评暴露水平上，两组预测的失业率相近。

这一条比节时数字结实，原因在于它比较的是两组人内部的关系，而不是两组人的绝对水平。员工样本不加权、公众样本来自在线自愿面板，这些偏差会影响「员工平均多乐观」，但较难解释「同样暴露、同样预测」这种结构上的一致（分析推断，依据是报告给出的分组均值和置信区间）。

由此得出的读法是：两组人并没有关于劳动力市场的两套理论，差别在于各自对「AI 已经替我做了多少」的经验。报告结论也是这么写的，并补了一句，公众预期会移动多远，取决于 AI 在其他地方能否做到像在前沿实验室里那样多的工作。

一个转述需要小心的地方

据 Business Insider 的报道，「多数 Anthropic 员工预计 2030 年失业率会超过 12%」。报告原文给出的是按自评暴露分组的平均值（12.2% 对应的是自评 80% 以上那一组），并没有直接写员工整体的中位预测。「过半员工自评 80% 以上」加上「该组平均 12.2%」，推不出「多数员工预测超过 12%」，因为组内平均不代表组内多数。这句转述应当按原文的分组口径读。

同一篇报道称 McCrory 是 Anthropic 首席经济学家，并引述他在 X 上的说法：Anthropic 在 AI 采用上大约领先整体经济一年半，所以这里发生的事可能是更大范围的先行指标。这是公司首席经济学家的判断，不是报告测出来的结论。

为什么重要

对企业管理者，这份调查提供了一个可以直接借用的问题：在你的组织里，不同岗位的人认为 AI 能做自己多少工作？报告显示，美国劳动者内部也有分层，体力、生产和运输类岗位平均认为 25%，计算机、工程与科学类岗位为 33%，后者中经常用 AI 的人为 40%，仍离员工组的 75% 很远。预期分层会影响培训投入、岗位设计和对外沟通的口径（分析推断，依据是报告中自评暴露与失业预测的强相关）。

另一个值得记下的细节：员工一边预期 AI 能做掉自己大部分工作，一边有 95% 预期公司未来 12 个月会继续扩员，中位预期增长 66%。报告特别说明这是员工个人看法，不代表公司计划。它至少说明，「任务被自动化」和「岗位减少」在受访者心里是两个不同的预测。

最强反方

最有力的反驳是：员工的高预期也许不只是「经验」造成的，而是选择与利益。愿意加入 AI 公司的人本来就更相信 AI，而公司的业务也受益于「AI 会很强」这一预期；Business Insider 也提到员工有更多工具预算、能接触未发布模型。按这个解释，员工组只是一个偏乐观的特殊人群，「推理一致」并不能证明公众预期会向员工靠拢。

我们在这一点上部分让步：报告的「经验解释」确实无法和选择效应分开，公众里经常用 AI 的人预期更高，也可能是本来就乐观的人更愿意用 AI。我们仍然坚持论点，是因为论点只说「推理方式一致、分歧在自评暴露」，没有说「公众将来一定会变得像员工一样」。后一句需要追踪同一批人随使用增加而改变的面板数据，这份截面调查给不出。

我们不知道什么

• 员工组 1,334 人在各部门的构成，以及研究岗与非研究岗在节时题上的差异；报告只在「AI 承担多少模型研发工作」一题上给了研究岗的分组（60% 对 53%）。
• 自报的节时与实际工时、产出之间差多少。报告没有配套任务计时或业务日志。
• 9 月复访的 7,613 名美国成年人里，自评暴露与失业预测的关系是否保持；报告只说主结果变化不大，GDP 中位隐含增速为 5.6%，诺贝尔级发现一题升到 44%。
• 17.1% 和 5.4% 是把回答代入 Anthropic 自己的经济情景模型得到的，其他参数固定在模型的「Substantial」情景；换模型或参数，数字会变。

接下来看什么

如果 Anthropic 或其他机构公布同一批人的追踪调查，看经常用 AI 的劳动者自评暴露是否上升、失业预测是否沿同一条斜线移动，这会直接检验「经验推动预期」的说法。另一个可核对的信号是企业财报和招聘公告里的人力数字：如果自评暴露高的岗位出现可核对的编制变化，才能把预期和结果连起来。在那之前，这份报告更适合当作一张「谁在怎样想」的地图。