AI要抢饭碗的恐慌，已经让硅谷的电梯操作员幽灵重新游荡。Anthropic CEO Dario Amodei放话：五年内AI能替代所有人类劳动。他公司里的社会 impact 研究员更具体——短期经济衰退，"早期职业阶梯崩塌"。
但芝加哥大学经济学家 Alex Imas 上周跟我聊了一小时，甩出一句冷话：我们现在的预测工具，烂得离谱。
他手里攥着一份1998年的政府档案，说这才是唯一能照亮前路的火把。而OpenAI和Anthropic今年连发的两份重磅研究，用的全是这份数据——却用错了。
28%暴露度？这个数字毫无意义
美国政府从1998年开始做一件事：把成千上万个职业拆解成具体任务，编进一本叫O*NET的巨型目录。房地产经纪人的工作被切成碎片——"询问客户购房需求"是其中一块。
去年12月，OpenAI的研究员拿着这本目录，给每个任务打分：AI能干多少？房地产经纪人被打成28%暴露。今年2月，Anthropic更狠——分析了数百万条Claude对话，看用户实际用AI完成哪些任务，再跟O*NET的清单比对。
两份研究都上了头条。但Imas说，"暴露度"本身就是个幻觉。
他的逻辑很产品经理：知道一个任务能被AI做，和知道这份工作会不会消失，中间隔着整条供应链。除非一个职业的所有任务都能被AI零成本、零监督完成，否则"暴露度"只是张废纸。
电梯操作员之所以消失，是因为按按钮这件事100%能被机器替代，且机器更便宜。但客服接线员今天还在——因为客户骂人的时候，企业需要一个人形沙包。
经济学家集体失明，因为缺了一种数据
Imas的"call to arms"指向一个盲区：我们根本不知道AI在真实职场里怎么被用。
现有研究全是实验室产物。OpenAI看的是技术能力边界，Anthropic看的是用户自愿输入的查询。但企业采购AI工具后，是裁员还是扩编？员工用AI省下的时间，被老板榨成更多KPI还是准时下班？
这些动态，O*NET的静态任务清单捕捉不到。
Imas想要的数据很具体：某家公司引入AI客服系统后，接线员的数量变化、工作时长变化、时薪变化、培训周期变化。不是"能不能替代"，是"替代了多少、以什么代价、产生了什么连锁反应"。
这种数据现在几乎不存在。经济学家还在用1998年的任务清单，预测2025年的就业地震。
Amodei的五年预言，建立在沙滩之上
回到Anthropic的末日叙事。Amodei说AI是"通用劳动力替代品"，Imas直接拆台：推理模型和智能体（agentic AI）的成本账，没人算清楚。
一个Claude Pro用户处理复杂文档，Token消耗可能让单次查询成本飙到几美元。企业级部署更夸张——API调用费、微调成本、幻觉（hallucination）导致的错误修正人力。这些数字被"技术可行性"的聚光灯掩盖，但决定生死的是资产负债表。
Imas打了个比方：自动驾驶技术十年前就说要消灭卡车司机，但保险成本、法律责任、极端天气处理，把时间表无限期推迟。AI替代白领工作的障碍，可能同样隐形且顽固。
更讽刺的是，Anthropic自己的研究反而支持这种谨慎。他们分析Claude对话发现，用户用AI做的任务，和O*NET标记的"高风险任务"，重叠度远低于预期。人们用AI写代码、改简历、头脑风暴——但不是替代工作流，是加速工作流。
政策真空比技术恐慌更危险
Imas的担忧不在技术，在治理。美国国会至今没提出任何连贯的AI就业应对方案，而恐慌已经在产生真实后果——上周，多个州出现暂停数据中心建设的呼声，部分源于"AI抢工作"的焦虑。
这种焦虑被放大，是因为缺乏反事实。如果有一份实时数据，显示某州客服行业引入AI后就业率实际上升（因为服务成本下降带来需求扩张），恐慌可能让位于理性讨论。
但数据不存在。经济学家在盲人摸象，政策制定者在真空中喊话，企业则在NDA（保密协议）后面闷声发大财。
Imas的解决方案很朴素：政府资助大规模职场追踪调查，像跟踪通胀一样跟踪AI渗透。不是问"AI能做什么"，是问"AI正在做什么、代价是什么、谁承担了代价"。
这份调查的成本，可能不及一座中型数据中心的零头。但没有它，所有关于"AI就业末日"的讨论，都是建立在1998年任务清单上的空中楼阁。
Amodei的五年倒计时已经开始。问题是，我们连计时器的电池型号都没搞清楚。
热门跟贴