为什么AI还没有增加失业率？Anthropic经济学主管解读

美国劳动力市场正处于充分就业水平，6月失业率仅4.2%，裁员率低于疫情前，职位空缺与失业人数之比刚刚回升到1以上。与此同时，美国约20%的企业已经在至少一个业务环节中使用了AI，信息行业的比例更是高达40%。按照经济学直觉，AI应该已经对劳动力市场产生看得见的影响了——但它没有。Anthropic经济学研究主管彼得·麦克罗里最近发表了一篇长文，试图回答这个让人困惑的问题：为什么AI没有推高失业率？

AI确实够大了，但它在"增强"而非"替代"

麦克罗里首先确认了一个前提：AI行业的规模已经大到足以在宏观层面产生可观察的影响。经质量调整后的AI产出在2024年和2025年每年增长超过2000%。从一个小基数出发，这个增速足以在总量数据中留下痕迹——而且你确实能在生产率数据中看到它。

2022年第一季度到2026年第一季度，美国劳动生产率年均增长2.0%，而疫情前四年仅为1.6%。AI采用率更高的行业，劳动生产率增长也更快。不过，当经济学家用全要素生产率来衡量时，证据就没那么有力了——尤其在剔除产能利用率因素后，全要素生产率的增长更为温和。麦克罗里认为，这种"混合信号"本身就可能是加速正在发生的迹象。

技能偏向的技术：AI让专家更强，而不是让专家失业

问题的核心在于AI的性质。麦克罗里判断，到目前为止，AI表现出"技能偏向的、劳动力增强型技术"的所有特征。AI确实在自动化工作中的某些环节，但人类的专业判断与AI形成了互补——两者结合能达成的效果，远超任何一方单独能做到的。AI拓宽了人们能做的事情的范围，从而提高了与AI协作的回报。

换句话说：AI不是在做掉你的工作，而是在让你干更多活、干更难的事。在Anthropic今年1月发布的《经济原语》报告中，研究者发现，用户输入的复杂程度与Claude产出的复杂程度高度相关——换句话说，Claude之所以能构建复杂的经济模型，是因为有人在用专业判断给它方向。3月的《学习曲线》报告进一步发现，仅仅使用六个月后，人们就更倾向于把Claude当作"思维伙伴"来协作，而且交互成功率显著上升。如果AI自己就够好，你不会看到这种学习效应。

为什么我们还没看到失业？四个关键观察

第一，没有一份工作被AI完全覆盖。在O*NET职业分类中，没有任何一份工作的所有任务都能被Claude系统性地完成。工作是一组任务的集合，而那些AI做不了的事——人际协调、面对面互动、与物理世界的接触——构成了目前的"必备任务"，同时也放大了劳动的价值。

第二，AI的"锯齿形前沿"需要人类兜底。Claude在平均水平上表现不错，但最复杂的工作偏偏是它最容易出错的领域。METR的任务时域研究也印证了这一点：可靠性越高的AI，能独立完成的任务时域就越短。人类在回路中，把AI能胜任的范围推向更复杂的任务，同时负责在AI出错时兜底。

第三，广泛的任务自动化仍然可以增强劳动。工作不是固定的任务集合。历史上，新技术的出现总是引发工作内部的大规模重组——旧任务消失，新任务诞生，新的人机协作方式出现。Anthropic对81000名Claude用户的调研中，最常被提及的生产力提升来源是"范围"——能做更多事，而且做得更好。

第四，年轻工人的招聘确实有所减弱，但很难归因于AI。在AI暴露度高的岗位中，年轻工人的招聘率在过去一年左右有所走弱，这与斯坦福数字经济实验室的《煤矿中的金丝雀》论文结论一致。但麦克罗里提醒，2022年以来美国经历了一场"非衰退型劳动力市场减速"——也就是"完美去通胀"——这是一轮"低招聘、低裁员"的就业环境，那些刚入行的年轻人本就首当其冲。加上疫情后远程办公的冲击，很难把AI的影响从其他经济扰动中剥离开。

短期乐观，长期不确定

麦克罗里对近期的判断很清晰：他预计一年后失业率不会因AI而显著上升。模型能力的提升将推动生产率更快增长，甚至可能出现递归自我改进（RSI）的更明显信号，但"至少短期内，失业率不会因为AI而显著走高"。

但他同样没有回避长期的深层不确定性。AI与内燃机等历史上的通用技术有一个本质区别：它可能自动化创新本身。一旦机器具备了通用认知能力，它就成为进一步创新的直接催化剂。在标准经济模型中，自动化创新——最先可能表现为递归自我改进——可以产生"经济奇点"：有限时间内无限增长。

会不会真的出现奇点？麦克罗里引入了一个关键概念："弱链接"。经济增长可能不是被我们做得好的事情所限制，而是被那些"必须做但很难改进"的事情所限制。一组经济学家2017年的研究提出，只要存在永远无法被自动化的"必备任务"，即便自动化非常广泛且快速，劳动收入份额在长期内也能维持较高水平。最近的证据也显示，弱链接目前已经是自动化软件开发的一个约束：编码agent引入后，代码产出增加了10到20倍，但软件发布仅增加30%，应用使用量完全没有增加。

彼得·麦克罗里是Anthropic的经济学研究主管，这篇文章综合了他所在团队过去18个月的多项研究成果，包括Anthropic经济指数系列报告。他的核心框架可以总结为一句话：到目前为止，AI是一种让能干的专家更能干的技术，而不是一种让专家变得多余的技术。至于这个框架能维持多久——那就是他的团队正在努力回答的下一个问题了。