Anthropic 经济研究负责人 Peter McCrory 近日发文称，至少到目前为止，AI 并没有抢走工作岗位，也没有导致美国失业率上升。
他给出的依据是，美国劳动力市场当前仍然稳健：经质量调整的 AI 产出在 2024 和 2025 年均增长超过 2000%，约五分之一的美国企业已在业务中使用 AI，但美国 6 月失业率仍为 4.2%，处于充分就业水平。
McCrory 将 AI 当前阶段定义为「技能偏向型、劳动力增强型」技术。他的判断是，AI 现在主要在放大人的能力，而不是直接替代人。不过，他也给这一结论明确加上了时间限制：有效期为 12 个月。
美国就业数据未显示 AI 冲击失业
为说明美国劳动力市场的稳定状态，McCrory 列出了一组数据：失业率为 4.2%，职位空缺与失业人数之比略高于 1，25 至 54 岁人群就业比例接近数十年高位，初请失业金人数连续四年保持低位。他据此认为，美国整体就业形势稳中向好。
在他看来，只看总量还不够，更关键的是观察 AI 暴露程度较高岗位的变化。
McCrory 与同事 Maxim Massenkoff 此前曾分析 Claude 被大量用于自动化任务所对应的岗位，检验这些岗位的失业率是否比其他岗位恶化更快。结论是否定的。用美国劳工统计局最新数据更新后，这一结果仍没有改变。
他还提到，软件工程类职位的招聘帖自 2025 年 5 月起出现反弹，涨幅甚至高于其他岗位平均水平。
不过，年轻劳动者是他认为需要单独留意的一组人。McCrory 承认，年轻人在 AI 高暴露岗位上的求职难度确实有所上升，斯坦福数字经济实验室的论文也给出了类似证据。
但他同时指出，2022 年以来，美国经历了有记录以来幅度最大的非衰退式劳动力市场降温。在「低招聘、低裁员」格局下，职业生涯早期人群原本就更容易受到挤压。因此，把年轻人求职承压全部归因于 AI，现有证据并不充分。
为何没有出现大规模替代
McCrory 的解释建立在 Anthropic 过去 18 个月多份研究报告之上。
第一层是任务结构。按照美国劳工部 O*NET 的全部职业分类，尚没有任何一个岗位的所有相关任务都能被 Claude 系统性完成。每个岗位都保留了 AI 难以覆盖的部分，包括人际协调、面对面互动，以及与物理世界打交道的工作。
在他的论述里，这些无法被自动化的部分就像木桶短板，一方面限制 AI 对整体生产率的提升幅度，另一方面也抬高了能够补上这些短板的人力价值。
第二层是人对 AI 的驾驭能力。Anthropic 在今年 1 月发布的《Economic Primitives》报告显示，Claude 产出越复杂，背后用户输入的专业度也越高。模型能够完成复杂经济模型的前提，往往是有专业能力的用户给出精准指令。
3 月发布的《Learning Curves》报告则显示，在使用 Claude 六个月后，用户更倾向于把它作为思维伙伴，交互成功率也更高。McCrory 认为，如果 AI 已经强到可以独立完成工作，这种学习效应本不应如此明显。
第三层与 Agent 相关。Anthropic 对 Claude Code 七个月使用数据的分析显示，任务价值持续上升，但人类专业能力的回报并未下降。用户负责规划，再将实现委派给 Claude；专业能力更强的用户，任务成功率更高，在 Claude 出错时也能更快恢复。
这意味着，纯编程实现的溢价可能正在收缩，但规划、判断和纠错的价值在上升。
McCrory 还引用了 Anthropic 6 月经济指数调查中的用户反馈。超过三分之一受访者预计，AI 会在 12 个月内完成自己大部分工作，但预计自己因此失业的比例明显更低。自动化程度更高的那批 AI 用户，对薪资和岗位安全的预期反而更乐观。
McCrory 提到的三种「奇点」
虽然对当前局面持乐观看法，McCrory 并未回避未来可能改变劳动力市场结构的几种场景。他提到的讨论框架包括软件奇点、经济奇点和科斯奇点。
软件奇点指 AI 自动化创新本身。与过去的通用技术不同，AI 被赋予了通用认知能力，理论上可能反过来加速自身迭代。McCrory 在原文中明确讨论了递归自我改进（RSI）场景：一旦这一机制成立，AI 能力提升的节奏可能脱离人类控制。
经济奇点则是软件奇点对应的经济学后果。McCrory 援引 Aghion、Jones 和 Jones 2017 年模型称，如果创新过程本身可以被自动化，标准经济模型会推导出「有限时间内的无限增长」。
科斯奇点则聚焦组织形态。NBER 2025 年一篇由 Shahidi、Rusak、Manning 等人合著的论文提出，当 Agent 将搜索、谈判、签约和监督等交易成本压低到接近零时，Ronald Coase 1937 年提出的企业边界问题会被重新激活。若市场协调成本趋近消失，企业存在的理由也会受到冲击。
McCrory 认为，如果 Agent 不只是改变生产方式，还改变组织结构，那么它对劳动力市场的影响就不会只停留在「谁失去工作」这一层面。
一道共同防线：弱环节
面对上述三种可能性，McCrory 给出的共同防线是「弱环节」。这个概念来自 Aghion、Jones 和 Jones 的论文：经济增长上限并不由表现最好的环节决定，而取决于那些不可或缺却难以改进的部分。
他的意思是，只要仍然存在始终无法被自动化的关键任务，无论是技术瓶颈还是社会约束，劳动收入份额就不会崩塌，企业形态也不会完全瓦解。
他以编程 Agent 的现状作为佐证。数据显示，引入编程 Agent 后，代码行数增长了 10 到 20 倍，但软件发布量只增加了 30%，应用实际使用量没有增长。代码只是软件生产的一部分，测试、架构设计、产品判断等环节仍依赖人工，这些部分正是当前的「弱环节」。
基于这套分析，McCrory 给出了一个明确预测：一年后，美国失业率不会因为 AI 而明显上升。
不过，他也给出了检验这套判断是否需要修正的两个观察指标：其一，AI 高暴露岗位的失业率是否开始偏离其他岗位；其二，在 Agent 场景中，人类专业能力的回报是否开始下降。如果这两个指标同时转向，他认为自己当前搭建的分析框架也需要调整。
上述观点来自 Peter McCrory 近日发布的长文，原文由微信公众号「新智元」刊载，作者为 ASI 启示录，编辑为马可。