摘要： Anthropic於2026年3月5日發表實測暴露研究，改以O*NET任務資料和Claude實際用量衡量AI對勞動市場的影響。研究發現電腦與數學類任務理論覆蓋率為94%，實際僅33%，並指出22至25歲勞工進入高暴露職業的求職率下降約14%，但高暴露勞工失業率尚未系統性上升。
2026 年 3 月 5 日，Anthropic 推出《Labor market impacts of AI: A new measure and early evidence》一文，作者是 Maxim Massenkoff 和 Peter McCrory。論文的核心，是一個稱作「實測暴露」（observed exposure）的新指標——拋開「AI 能做哪些工作」的問法，改量「AI 實際上正在做哪些工作」。在模型能力狂飆、開年展望裡人人預期 agent 全面進場的 2026 年，這篇論文難得地用真實使用資料，對勞動市場做了一次量測。
最關鍵的結論一句話就能講完：光看理論能力，AI 早已做得到；論實際使用，中間卻隔著約三倍的距離。
「實測暴露」怎麼算
過去的 AI 就業研究，多半停在「理論暴露」：列出任務清單，逐項測模型做不做得得到，做得到就記一分。批評者早就說這種算法放大了衝擊——做得到，不代表有人這樣用。Anthropic 這回改疊三份資料：O*NET 資料庫對約 800 個美國職業的任務拆解、Anthropic Economic Index 累積的 Claude 實際對話紀錄，加上 Eloundou 等人（2023）的任務級暴露分數。
計分規則跟著用途意圖走：整個任務由 AI 全自動完成，權重給滿；增強式輔助只算一半；工作相關的用量又重於私人用途。任務層級的覆蓋率最後按工時加權，彙整到職業層級。說白了，它量的是「已經發生的自動化」，不是「可能發生的自動化」。
三倍缺口：做得到，還得真的有人在用
全篇最有力的對照來自電腦與數學類職業：LLM 能力理論上涵蓋 94% 的任務，實際被用到的只有 33%，落差將近三倍。整體來看，97% 的 Claude 用量落在理論可行的任務類別裡，可實際覆蓋率在職業與職業之間拉得很開。
往後幾年勞動市場承受多少壓力，可以盯著這個缺口看：採用已被模型能力拋在後頭，衝擊什麼時候到，看的是缺口收攏得多快，不是下一版模型有多強。對產品團隊而言，這同時是機會的量化——理論上可自動化的電腦類任務，還有三分之二沒有任何產品真正承接。
榜首、榜尾，與完全零暴露的三成
CBS News 和 Investopedia 都轉載了排行榜：排最前面的是電腦程式設計師，任務覆蓋率約 75%；客服人員約 70%；資料輸入員 67%。另一頭，美國約有三成勞工的暴露是零——廚師、調酒師、洗碗工、救生員、機車技工、更衣室服務員。AI 的影響，高度集中在對著螢幕就能完成的工作。
高暴露族群的人口畫像同樣出乎直覺：女性比例多 16 個百分點，收入高 47%，研究生學歷的佔比達 17.4%，未暴露組只有 4.5%；身為亞裔的機率接近兩倍，白人比例多 11 個百分點。AI 先動的是高學歷、高薪的白領工作，順序恰恰跟一般想像相反。方法上，作者用現前人口調查（CPS）跑差異中的差異：拿暴露最高四分位的勞工，對照零暴露的那三成。
初步證據：失業持平，青年入口收窄
壞消息得先講：目前沒有。從 ChatGPT 於 2022 年底上線算起，高暴露勞工的失業率並未系統性走高——這套設計抓得住約 1 個百分點的差異性增加，實際上卻沒抓到。
但有兩個方向性訊號。其一，ChatGPT 問世後，22–25 歲勞工進入高暴露職業的求職率下降約 14%，作者形容「勉強達統計顯著」，25 歲以上則無此趨勢；這與 Brynjolfsson 等人（2025）以 ADP 薪資資料看到的 22–25 歲就業下降 6–16% 同方向。換句話說，證據像「入口變窄」多過「在職者被取代」——新人進不來，在位者沒動。其二，BLS 十年期預測顯示，實測暴露每多 10 個百分點，2024–2034 年預測就業成長就低 0.6 個百分點；換成傳統理論暴露指標跑同樣回歸，什麼都看不出來。
引用前該知道的三個限制
這份研究有三個限制要記在心上。首先，使用資料全部來自 Claude 一家：白領與開發者本來就是重度使用者，所以它量到的其實是「Claude 使用者的自動化」，不能等同所有 AI 的自動化。再來，「暴露」跟「取代」是兩回事——那 33% 的覆蓋率裡，輔助性用法佔大宗，真正全自動的比例更低。最後，使用資料天生追不上前沿能力：論文記錄的是已經上線的用法，模型能力卻每一季都在往前衝，因此真實的暴露只可能被低估，不會被高估。
話雖如此，能把「能力」和「使用」拆開量測、又對得上官方勞動統計的框架，這是第一個——政策與產品團隊就此多了一塊可追蹤的儀表板。接下來該盯的不是失業率，而是 33% 收攏到 94% 的速度，以及 22–25 歲那條求職曲線會不會越彎越陡。