跳到正文
原文
Anthropic 官方(新闻+研究)·· 3 天前精选AI 评分62

Anthropic 研究:美国公众与 Anthropic 员工对 AI 的预期差距

The AI expectations gap

AI 导读

Anthropic 在 2026 年 8 月调查美国成年人样本与自家员工,发现双方对 AI 当前能力的判断接近,但对未来进展速度分歧明显:39% 的美国成年人和 91% 的员工认为 AI 到 2030 年能做出诺奖级发现。

推荐理由

Anthropic 与美国成年人的同期调查对比,呈现同一技术在两群人眼中的能力与就业预期落差。

正文 · AI 翻译

Szymon Sacher、Tess Cotter、Charles I. Jones、Anton Korinek、Peter McCrory

主要发现

  1. 美国成年人预计未来几年 AI 能力将快速提升;Anthropic 员工预计进展会更快;39% 的美国成年人和 91% 的员工预计到 2030 年 AI 将能够做出诺贝尔奖级别的发现。
  2. Anthropic 员工预计,在 AI 擅长的任务上,AI 带来的生产力提升会大得多。在工作中使用 AI 的美国成年人中,26% 表示借助 AI 完成某项任务所需时间缩短至原来的四分之一或更少,而 Anthropic 员工中这一比例为 59%。
  3. 就自己的本职工作而言,超过半数的 Anthropic 员工预计到 2030 年 AI 将能完成他们当前至少 80% 的工作,而美国劳动者中这一比例仅为 5%。
  4. 在美国劳动者和 Anthropic 员工中,预计 AI 能承担自己更多工作的人,都预期失业率会更高。尽管两组人对未来能力的看法存在差异,但他们在“AI 可能如何改变自己的工作”与更广泛失业之间所感知的关联上非常相似。

引言

未来几年 AI 将如何重塑经济?AI 能力正在快速提升,而未来 AI 模型或许能够构建自己的后继者(递归自我改进),这可能进一步加快进步的速度。这一前景多快会实现、实现程度如何,尚不清楚。相关预测差异巨大,争论激烈。

关于 AI 未来经济影响的分歧,核心来源是什么?主要源于对 AI 能力提升速度的看法不同?还是反映了对能力以多快速度、以何种形式转化为现实应用的看法不同?哪些关于 AI 未来路径的观点与快速经济增长相一致?

本说明呈现了针对这些问题的新调查证据。2026 年 8 月,我们调查了两组人群:一个具有全国代表性的美国成年人样本,以及 Anthropic 员工。1 问题涵盖 AI 的能力、其使用范围会有多广、能节省多少时间、自主性会有多高,以及被替代的劳动者在另一职业中找到工作的难度等。2 Anthropic 员工每天都在构建和使用前沿 AI。因此,第二项调查展示了最接近这项技术的人如何预期其未来,包括能力和更广泛的经济影响。

我们报告以下主要发现。第一,两组人对 AI 今天能做什么大体一致,但对未来进展的速度存在分歧。Anthropic 员工预计能力提升更快、AI 使用更广泛且人工参与更少、在任务上节省的时间多得多。例如,91% 的员工预计到 2030 年 AI 将能够做出诺贝尔奖级别的发现,而美国成年人中这一比例为 39%。

第二,在人们自己的工作上存在显著差异。平均而言,员工预计到 2030 年 AI 将能完成他们当前 75% 的工作,而美国劳动者总体这一比例为 28%。

第三,两组人似乎以相似的方式思考劳动力市场:预计未来 AI 能承担自己更多工作的人,预测失业率更高。而且,在预期 AI 自动化自己工作的程度相同时,两组人预测的失业率大致相同。

人们预期 AI 能做什么

能力

我们首先调查了人们对AI能力的预期。我们询问了AI何时能在八项任务上达到熟练专业人士的水平,从撰写日常邮件到做出诺贝尔级别的科学发现。美国成年人和Anthropic员工对AI今天能做什么基本一致,尤其是在更复杂的任务上。两组对任务难度的排序几乎相同(图1,A面板)。

两组对未来AI发展路径的看法存在分歧。例如,大约四分之一的美国成年人和Anthropic员工认为AI今天就能设计、开展并发表科学研究。但到明年,十分之九的员工预计AI能做到这一点,而普通公众中这一比例仅为38%。到2030年,39%的美国成年人预计AI能做出诺贝尔级别的发现(C面板),而员工中这一比例为91%。或许最显著的差异在于,视任务而定,19%至40%的美国成年人表示AI永远无法完成某项任务,而员工中这一比例最高仅为2%。

在某种程度上,观点差异反映了AI使用频率的差异。在经常在工作中使用AI的人(约占受访者的五分之一)中,56%预计到2030年AI至少能完成八项任务中的七项。这远高于全体美国成年人(41%)和从未使用过AI工具的人(28%),但仍远低于员工的看法(96%)。

采用及其障碍

AI对经济的影响并不完全由原始能力决定。人们和企业需要真正使用AI,这需要时间和试验。在AI将能完成的工作任务中,美国成年人预计到2030年其中42%将由AI完成。Anthropic员工预计未来几年扩散速度会明显更快,AI将被用于所有可被AI完成任务的65%。

为了解可能阻碍工作中采用AI的因素,我们请美国成年人从九项障碍中最多选择三项,选出他们预计最大的障碍。普通公众认为,人们的偏好和规则,而非技术限制,可能才是阻碍采用的因素(图2)。“客户更愿意与人打交道”是选择最多的障碍,其次是“数据隐私和安全担忧”、“AI不够可靠”以及“法律、法规或责任”。


值得注意的是,经常在工作中使用AI的美国成年人将数据隐私和安全担忧排在首位(42%认为它是三大障碍之一,而其余人群为37%),并且认为客户更愿意与人打交道的重要性略低(37%对42%)。

AI的自主程度

AI对劳动力市场的影响部分取决于AI是自主完成复杂任务还是与人类协作完成。前者往往取代人类工人。反之,当AI补充人类能力时,工人的生产力会提高。为了解Anthropic员工和普通公众对2030年自动化与增强的预期,我们询问了到2030年AI和人类将如何在从邮件起草到法律合同等各种任务上合作。在Anthropic,绝大多数员工表示到2030年AI将要么独自完成任务,要么由一名工人评估工作(图3)。相比之下,十分之四的美国成年人反而预计人类将自己完成大部分工作,或借助一些AI帮助。

节省时间

AI 能提升多少产出,不仅取决于它能完成哪些任务、使用范围有多广,还取决于它完成任务的速度和效果能提升多少。一项仅够替代工人的技术——Acemoglu 和 Restrepo(2019)称之为“so-so”技术——会取代工作,却不会带来 GDP 的多少增长。相比之下,一项能以极小成本或极短时间完成任务的技术,则能显著提升 GDP。

为了衡量人们对 AI 带来生产率提升的感知,我们询问了普通公众和 Anthropic 员工:对于一项 AI 非常适合的任务,使用 AI 完成需要多长时间,与不使用 AI 相比如何。一项任务若用时减半,就相当于每小时产出翻倍。3

Anthropic 员工报告的预期节省要大得多,85% 的人表示只需一半或更少的时间。在工作场所使用 AI 的美国成年人中,典型回答是一半时间,29% 的人表示任务耗时相同或更长,而员工中只有 5% 这么说。在美国成年人中,在工作场所使用 AI 的人里有 26% 表示任务只需四分之一或更少的时间,而不在工作场所使用 AI 的人中有 21% 持相同看法。对于员工,这一比例为 59%(图 4)。

员工可能是在描述他们在工作中的实际体验。正如《Anthropic 的就业正在如何变化》中进一步讨论的那样,Anthropic 员工在采用智能体工具后在某些维度上提高了生产率:工程师在采用编码智能体后的一个月内新增代码行数增至三倍,销售代表在采用 AI 智能体后与客户达成了更多交易。法律和招聘等其他业务职能的人均产出也有所上升。

自身工作与岗位

AI 将能完成其自身工作的多少

也许并不意外的是,我们发现普通公众与 Anthropic 员工在 AI 对自身工作的影响上存在巨大认知差距(图 5)。平均而言,Anthropic 员工表示到 2030 年 AI 将能完成他们当前工作时间的 75%。美国劳动者(报告自己有工作的受访者)平均认为这一比例为 28%,且只有二十分之一的人表示到 2030 年 AI 能完成其 80% 或更多的工作时间。

在美国劳动者中,预期因职业而异:体力行业、生产和运输行业的劳动者预计 AI 能完成 25% 的工作时间,计算机、工程和科学职业的劳动者则为 33%。对于后一组,经常使用 AI 的人预期仅为 40%,这一看法更接近美国劳动者的平均水平,而非 Anthropic 员工的平均水平(75%)。

自身工作暴露度与失业预测

人们预期 AI 能完成自身工作的多少,在很大程度上解释了他们对劳动力市场的预期。我们告知受访者当前失业率约为 4.2%,并请他们预测 2030 年的失业率。图 6 按受访者预期到 2030 年 AI 能完成其自身工作时间的比例对受访者分组,并显示各组的平均失业率预测。

预期AI能完成自己不到一半工作的美国劳动者,预测失业率为7%到8%。超过一半时,预测值随AI可承担工作比例的上升而上升。那些预期AI能完成自己80%或更多工作的人,平均预计2030年失业率为12.2%,高于大金融危机期间的峰值。在美国劳动者中,受影响工作比例每增加十个百分点,预测失业率就上升0.4个百分点。对AI的普遍乐观情绪并不能解释这一点。在自身工作暴露程度固定的情况下,劳动者预期AI能掌握的八项任务所占比例与预测无关。

尽管Anthropic员工自报的暴露程度要高得多,但同样的梯度也出现在他们身上,其预测与普通人群的预测高度一致。因此,这两个群体似乎并不持有不同的理论来解释AI将如何同时影响自己的工作与更广泛的劳动力市场。他们对AI能力是什么有着不同的体验,进而产生了不同的预期。

招聘与再就业

尽管Anthropic员工预期AI能完成他们的大部分工作,他们也预期Anthropic会继续招聘。95%的Anthropic员工预计未来12个月员工人数将增长,员工中位数预计增长66%,27%的人预计至少翻倍。这些是员工在一次内部民意调查中的个人预期,不代表Anthropic的计划或其对自己员工人数的看法。即便如此,它们表明任务自动化与裁减岗位是不同的预测,至少在一家前沿AI实验室是如此。

然而,对于被AI取代的劳动者能多快找到新工作,Anthropic员工比美国成年人略为悲观。我们询问,一个在2030年被AI自动化夺去工作、且需要转换职业的人,需要多长时间才能找到新工作。4 Anthropic员工的中位数预期是,被AI取代的劳动者需要12个月才能在新职业中找到职位。相比之下,美国成年人的中位数回答在7-12个月区间。


对AI的预期及其经济影响

将调查回答映射到模型隐含的经济情景

在Economic Scenarios for Transformative AI中,我们引入了一个结构化框架,用于评估AI能力与扩散的不同未来路径可能如何转化为经济结果的差异。该模型使我们能够将每位受访者在五个维度——能力、扩散、自动化、生产率和劳动者过渡摩擦——上的回答转化为模型隐含的经济结果。5 在美国成年人和Anthropic员工两个样本中,我们识别出所有回答了关键模型输入相关全部问题的受访者(3,259名美国成年人和1,093名员工)。然后,我们评估每位受访者的回答所隐含的经济情景,下文重点关注对2030年GDP增长的影响。

根据该模型,美国成年人中位数受访者的回答隐含2030年GDP增长5.4%。员工中位数受访者的回答隐含到2030年GDP增长加速至17.1%。每个群体内部都存在显著差异,因此分布广泛重叠(图7)。附录中的图A1显示了每种信念对这一差距的贡献程度。

来自在线情景探索器测验的回答

图 7 还展示了基于该经济模型的交互式情景探索器所隐含的经济情景,这些情景由访问者提供的输入推导而来;该探索器于 2026 年 9 月 9 日发布在 www.anthropic.com/institute/econ-scenarios。

该交互式探索器采用了我们于 2026 年 8 月向美国成年人和 Anthropic 员工提出的问题的简短版本。发布后的前 48 小时内,共有 23,075 名访客完成了调查,他们来自全球 140 多个国家。这些访客主动来到 Anthropic 网站上的页面并参与测验,因此他们可能比普通公众更关注 AI。事实上,他们的答案介于美国成年人和 Anthropic 员工之间:访客答案的中位数意味着 12.5% 的增长。

实验室内部

员工对 AI 能力更为乐观的一个原因,可能是他们对开发过程有更深入的了解。Anthropic Institute 最近发布了一份关于递归自我改进(RSI)进展的报告,RSI 是指 AI 系统日益提升自身能力的过程(Favaro and Clark, 2026)。

为了解员工自己是否预期这种情况会发生,我们询问了 Anthropic 员工:如今构建一个 2026 年初的前沿模型,有多大比例的工作由 AI 完成,以及他们预期未来这一比例会是多少(图 8)。6 在接受调查的 Anthropic 员工中,当前答案的中位数为 51%,到 2027 年底为 80%,到 2030 年底为 95%。

对 AI 在 AI 开发中所承担工作比例的估计,在团队内部的差异远大于团队之间的差异。不过,研究团队的员工离构建模型的工作最近,他们给出的当前 AI 占比略高:平均为 60%,而其他所有受访者为 53%。这与信息发挥了一定作用的说法相符,不过研究人员——由于其工作性质——也可能比其他员工在自己的工作中更多地使用 AI。

与招聘预测一样,这些回答是员工在 2026 年 8 月面向 Anthropic 员工开展的一项内部调查中的个人观点。

结论

美国成年人和 Anthropic 员工对 AI 今天能做什么基本一致。然而,对于 AI 将以多快的速度改进、将被多广泛地使用,以及以节省时间衡量的生产率提升会有多大,他们存在分歧。通过 Economic Scenarios for Transformative AI 中模型的视角来看,美国成年人答案的中位数意味着一种情景:美国经济以超过其典型速度两倍以上的速度增长。在处于 AI 开发和使用前沿的 Anthropic 员工中,对 AI 进展、采用和知识工作自动化的预期意味着经济将发生变革性的、史无前例的变化:到 2030 年,GDP 规模大约每四年半翻一番。

那些预期未来几年 AI 会承担更多自己工作的人,也预期失业率会更高。这在美国普通公众和 Anthropic 员工中都成立;平均而言,Anthropic 员工预期自己的工作会更快被自动化,进而预期失业率更高。我们发现,这种预期上的分歧与 Anthropic 员工和普通公众之间关于未来几年自己工作会有多大比例被自动化的看法差异密切相关。

这两组人群在日常使用 AI 的体验上差异很大。Anthropic 的大多数员工已经在与承担其大部分工作的 AI 协同工作,而美国劳动者中这样做的人很少。那些已经这样做的人所持的期望更接近 Anthropic 员工的期望,这表明随着 AI 使用的普及,公众的期望可能会发生变化。它们会变化到什么程度,将取决于 AI 在其他地方承担的工作量是否能达到其在前沿实验室中所承担的水平。

建议引用格式

参考文献

Acemoglu, D. and P. Restrepo (2019). "Automation and New Tasks: How Technology Displaces and Reinstates Labor." Journal of Economic Perspectives 33(2), 3–30.

Favaro, M. and J. Clark (2026). “When AI Builds Itself.” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement.

Korinek, A., C. I. Jones, S. Sacher, T. Cotter and P. McCrory (2026). "Economic Scenarios for Transformative AI." The Anthropic Institute Working Paper No. 2026-02.

Massenkoff, M., E. Lyubich, S. Sacher, Z. Hitzig, S. Zhang, R. Heller and P. McCrory (2026). “Anthropic Economic Index report: Cadences.” The Anthropic Institute. https://www.anthropic.com/research/economic-index-june-2026-report.

Wilmers, N., R. Catipon, M. Massenkoff and P. McCrory (2026). “How Employment is Changing at Anthropic.” The Anthropic Institute. https://www.anthropic.com/research/employment-at-anthropic.

附录

见此处。

来源:Anthropic 官方(新闻+研究) · anthropic.com