作者：TinTinLand
为什么那些从 AI 中获益最多的人，反而是最担心失业的人？
4 月 22 日，Anthropic 发布了一份覆盖 81,000 名 Claude 真实用户的调查报告——《 81,000 人告诉我们的：AI 经济学的真实影响 》（What 81,000 people told us about the economics of AI），试图揭开了普通人在 AI 浪潮下真实的处境与心态。
报告提到的核心结论如下：
-
AI 介入越深的职业，从业者的失业焦虑就越强，尤其是刚入行的职场新人；
-
收入最高和最低的群体，生产力提升反而最为显著。而这种提升大多不是 “做得更快”，而是 “做到了以前根本做不了的事”；
-
那些通过 AI 获得最高效率提升的人，反而对职业前景感到最深刻的焦虑。
TinTinLand 对全文进行了深度编译，带你拆解这份关于 AI、经济与生存的最新调研。
? 谁在担心失业？
五分之一的人表示担忧
“和如今所有白领一样，我几乎每时每刻都在担心自己的工作会被 AI 取代”。—— 某软件工程师
受访者中，约五分之一的人明确表达了对经济性失业的担忧。
一位软件开发者表示，“现在这个阶段的 AI，很可能会取代初级职位”。还有一些人则哀叹，自己的工作内容正在被自动化蚕食。
一位市场研究人员表示：“毫无疑问，AI 提升了我的能力。但未来，它可能会取代我的工作。”
在某些岗位上，AI 的到来甚至让工作变得更难。一位软件开发者观察到：“自从 AI 出现后，项目经理开始给我们派越来越难的任务和 bug。”
数据验证
在本报告中，我们使用 Claude 从受访者的回答中推断他们的属性和情绪。例如，许多受访者会在回答中顺带提及自己的职业，或提供关于工作生活的细节，这使我们能够推断其职业类别。类似地，我们通过让 Claude 识别并解读受访者关于“自身岗位面临 AI 替代风险”的直接表述，对 “失业担忧” 进行了量化。
研究发现，受访者对 AI 威胁的主观感知与其岗位的 “观测暴露度” 高度相关。所谓暴露度，是指该职业中由 AI 实际承担的任务比例。
例如，小学教师对自身被替代的担忧明显低于软件工程师，这与 Claude 流量中编程任务占主导的现实完全吻合。
如图 1 所示，纵轴表示某一职业中有多少比例的受访者认为 AI 已经在替代他们的岗位，或很可能在不久的将来发生这种情况；横轴表示 “观测暴露度”。
暴露度每增加 10 个百分点，感知到的岗位威胁就会上升 1.3 个百分点。处于暴露度最高 25% 的人群，其表达担忧的频率是最低 25% 人群的三倍。
图 1：AI 带来的岗位威胁与观测暴露度
年轻人更慌
职业阶段是影响焦虑感的关键变量。在此前的研究中我们已观察到，美国应届毕业生和职场新人的招聘已经出现放缓迹象。
在本次调查中我们也发现： 职业早期的从业者，对失业的恐慌程度远高于资深从业者 。
图 2：不同职业阶段的失业担忧
谁在从 AI 中受益？
大多数人感到生产力提升
我们用 Claude 对受访者自述的生产力提升程度进行评分，采用 1 到 7 分制：1 分代表 "效率下降"，2 分代表 "没有变化"，之后每一个等级代表更高的提升。
-
典型的 7 分回答：“以前建一个网站要几个月，现在 4、5 天就搞定了”；
-
5 分回答：“原本可能要花四个小时的事，半小时就做完了”；
-
2 分回答：“AI 帮我修复了一段代码，但反复试了好几次才得到想要的结果”。
最终平均分为 5.1，意味着 “明显更高效”。
当然，这些受访者本身就是活跃的 Claude 用户，并且愿意参与调查，因此他们比普通用户更可能感知到生产力收益。约有 3% 的人报告了负面或中性的影响，另有 42% 没有明确提及生产力变化。
高收入者最受益
这一结果在收入层面存在一定分化。
图 3 左侧显示，高薪职业（如软件开发者）获得了最大的生产力提升。不仅仅是编程类工作，即使剔除计算机和数学类职业，这一趋势依然成立。
在需要更高教育水平的任务中，Claude 往往能更大幅度地缩短完成任务所需的时间（相较于不使用 AI 的情况）。
但有一个细节值得关注： 低薪岗位的受益程度同样不容小觑 。一位客服代表用 AI 快速生成回复，节省了大量时间；一位快递员在用 Claude 创办电商业务；一位园艺工人在开发音乐应用。AI 正在为受教育程度较低、收入较低的人打开一扇以前从未触及过的门。
图 3：按职业划分的生产力提升（推断）
我们在图 3 右侧对这一结果进行了更细致的拆解。
排名最高的是管理类职业，这些受访者大多是使用 Claude 来创业的企业家。其次是计算机与数学类职业，包括软件开发者。生产力提升最为温和的两个群体是科研和法律从业者。
一些律师对 AI 能否准确遵循复杂指令表示担忧：“我已经给出了非常具体的规则，包括内容位置、如何解读法律文件、希望它执行的操作…… 但它每次都会跑偏。”
收益流向了谁？
随着 AI 在经济体系中的扩散，一个关键问题是：这些收益最终会流向谁 —— 是劳动者本身、管理者、消费者，还是企业？
总体来看，大多数人认为收益归于自己： 任务更快完成、能做的事情更多、多出了可自由支配的时间。
然而，仍有 10% 的受访者感到这种红利被雇主或客户 “收割”：需要在同等时间内交付更多的产出。还有一小部分人提到 AI 公司会从中受益。
这种差异也与职业阶段有关：只有 60% 的职场新人认为自己是 AI 红利的受益者，而资深专业人士中这一比例高达80%。
图 4：AI 生产力红利流向何处？
效率提升体现在哪里？
“我做到了以前做不到的事"”
受访者分享了他们在哪些方面感受到了生产力提升。我们将其拆分为四个维度： 工作范围（scope） 、 速度（speed） 、 质量（quality）和成本（cost） 。
分析发现，在所有明确提到生产力变化的受访者中， 最常见的提升来自 “工作范围的扩展” ，占比达到 48%；而有 40% 的人强调了速度的提升。
例如，许多使用 AI 进行编程的人表示：“我本来不是技术人员，但现在已经可以做全栈开发了。”这属于工作范围的扩展 —— AI 为他们解锁了新的能力。
也有人是在原有任务上实现提速，比如一位会计表示：“我做了一个工具，可以在 15 分钟内完成过去需要 2 小时的融资任务。”
质量方面的提升，通常体现在对代码、合同以及各类文档进行更全面、更细致的检查。而还有一小部分受访者提到 AI 的低成本优势。
图 5：用户报告的生产力提升类型
速度越快，越怕失业
研究发现， AI 对工作速度的提升与岗位威胁感知之间呈现出 U 型关系 （见图 6）。
-
低速组（变慢）： 主要是创意工作者（如作家、艺术家），他们认为 AI 的僵化限制了创作流，但又担心低质 AI 内容的泛滥会挤压生存空间。
-
高速组（极速提升）： 当任务完成时间从数小时缩短至数分钟时，用户会产生强烈的不安全感——如果工作变得如此简单，那么“我”存在的长期价值是什么？
图 6：AI 带来的岗位威胁与速度变化的关系
结语：我们能从中读到什么？
人们的感知与数据高度吻合
数据表明，人们的感知与实际使用数据是一致的：Claude 能承担的任务越多，人们对 AI 的影响也最为担忧。
另外，职场早期人群的经济焦虑更高，这与既有研究结果相符。
AI 在赋能，但焦虑也是真实的
与此同时，调查也呈现了硬币的另一面：AI 正在真实地拓展人们的能力边界。
虽然高薪人群对 AI 带来的生产力提升最为积极，但低薪岗位和教育水平较低的群体同样报告了显著的效率提升。大多数受访者认为，Claude 通过拓展工作范围或提升执行速度，增强了他们的能力。
但这并不能消解焦虑。 那些受益最深的人，往往也是最不安的人 —— 因为他们比任何人都更清楚，AI 能做到什么。
局限与展望
需要指出的是，我们的分析也存在一些重要局限：
受访者都是 Claude 的活跃用户，更容易感知到 AI 带来的个人收益；职业、职业阶段等信息是从开放回答中推断的，存在一定误差；另外，调查采用开放式问题，结果取决于受访者 “恰好主动提到了什么”。
但无论如何，80,508 名 Claude 用户在报告中提到的经济焦虑，本身就是一个不容忽视的信号。
