10月16日，Anthropic旗下研究机构同时发布两份技术报告和一篇解读文章，“Anthropic调查：员工预计2030年AI完成八成工作”随即登上热搜。 这条数据的主语要先读准：超过一半的Anthropic员工预计，到2030年AI至少能完成自己当前工作的80%，而美国劳动者里只有5%对自己的工作给出同样的判断。 换句话说，“八成”不是AI将拿走社会八成岗位的预言，而是把AI用得最深的一群人对自身工作的预期。这份证据指向的打工人学习方向反而相当清晰：把AI接进完整任务流、练好评审与把关产出的能力、积累招聘中越来越被看重的自主性与判断力。微博Anthropic官网
两组人认可今天的AI，分歧全在对未来的外推
调查在2026年8月进行：一边是近1.1万名美国成年人、由Morning Consult执行并加权至全国代表性的样本；另一边是上千名每天都在构建和使用前沿模型的Anthropic员工。 平均到个人工作，两组人的答案是75%对28%，热搜里47个百分点的差距由此而来。Anthropic官网Anthropic官网
但对“今天的AI能做什么”，两组判断非常接近：八项任务的难度排序几乎一致，各有约四分之一的人认为AI现在已经能设计、开展并发表一项科学研究。 分歧集中在未来。诺奖级科学发现一题，91%的员工认为2030年前AI能做到，美国成年人只有39%。Anthropic官网Anthropic官网
扩散速度也是两组预期拉开的地方：对AI能够完成的工作任务，美国成年人预计2030年其中42%会真正交给AI，员工预计是65%。 把AI用得深浅，与预期高度相关：认为AI到2030年能胜任八项任务中至少七项的人，经常在工作中用AI的占56%，全体美国成人41%，从没用过的28%，而Anthropic员工是96%。Anthropic官网知乎
也就是说，差距不在推理逻辑，而在各自每天接触到的AI体验。报告同时提醒了样本的边界：员工经过筛选、公司业务就是AI、还掌握内部信息，这些因素都会抬高预期；即便在同一间公司，也有两成员工的判断与典型美国成年人接近。Anthropic官网
一项今天适合AI的任务，认为用AI能压到四分之一时长及以下的，员工占59%，在工作中使用AI的美国成年人占26%。 同样值得注意的是，两组人推理就业影响的方式几乎相同：在相同的“AI能完成我多少工作”预期档位里，员工和美国成年人预测的2030年失业率增幅基本一致。Anthropic官网Anthropic官网
内部记录：智能体工时已是员工6倍，瓶颈换成人的注意力
同批研究里，Anthropic公开了一份基于内部全量数据的雇佣报告：智能体工时在今年3月首次超过员工，到8月已是人类的6倍，人均代码、签单和合同处理量同步上升。 对采用过编码智能体的工程师，新增代码量在采用后一个月内大约翻了三倍，销售签单也在智能体接入后走高。 与效率同时发生的是招聘结构偏移：过去一年，初级技术岗位在招聘中的占比持续收缩。Anthropic官网Anthropic官网Anthropic官网
瓶颈随后转移到人的注意力：即便非技术岗位的员工，把自己Claude智能体的全部输出读完，也要花掉半个工作周。 于是员工把更多精力投向“元工作”——搭建工具，更好地监控智能体正在做的工作。Anthropic官网Anthropic官网
招聘端的偏好也在改变：用人经理在候选人身上越来越看重自主性与判断，相对弱化具体的技术专长与执行力。Anthropic官网
公司也搭起了缓冲：设立预警系统追踪可能被冲击的岗位，职位演变时优先内部转岗再配置。 作者对这套记录的定位很克制：Anthropic“可能是全经济工作方式与劳动力需求变化的领先指标”，但这家公司的实践无法自动外推到所有行业。Anthropic官网Anthropic官网
打工人该学的三件事，证据已经给出方向
第一件，把AI接进完整任务，而不是停在问答。59%对26%的省时差距，差的不是“有没有用过”，而是有多少人把AI嵌进了整条工作流并逐份审阅结果。自测方式很具体：每周有多少个完整任务真正交给了AI，审阅成本有没有算进总耗时。
第二件，把“评审与把关”练成硬能力。生成越来越便宜，注意力却不再便宜——内部报告点名的新瓶颈就是人类的注意力：草稿来得更快，但负责签字的人仍要逐份读完，谁来定验收标准、谁能挑出错、谁对最终判断负责，正在取代“会生成”成为更值钱的部分。Anthropic官网
第三件，积累自主判断，以及“不轻易交给机器”的信任。Anthropic的招聘偏好已经转向自主性与判断；而在公众列出的2030年AI使用障碍里，“客户更想和真人打交道”被选得最多，其次是数据隐私与安全、AI不够可靠、法律监管与责任。 这意味着工作中需要人在场、担责、建立信任的部分，会被消化得更慢。Anthropic官网
最后校正一次预期：这份调查没有说2030年社会八成工作会消失，它说的是——用AI最深的一群人对未来最乐观，而使用深度恰恰是可以补的。两组人今天对AI能力的判断高度一致，47个百分点的差距全在外推上；与其为别人的预测恐慌囤课，不如趁这一年把任务接进流程、把验收练硬、把担责和判断做重。这是证据直接支持的行动，其余的，留给模型自己证明。
