Anthropic 员工预计 AI 能做完自己 75% 的工作，95% 仍预计公司一年内扩招
Anthropic Institute 把美国公众与自家员工的问卷答案换算成 2030 年 GDP 增速，得到 5.4% 与 17.1%；本文拆开这 11.7 点落在哪几项信念上、模型替受访者做了多少判断，以及哪几个数可以直接引用。
2026 年 8 月 9 日到 12 日，Anthropic 向全公司发了一份问卷，1,334 人作答，每个部门都有人参与。1
同一批问题在 8 月 11 日到 23 日由民调机构 Morning Consult 问了一遍美国成年人：收到 16,395 份访问，去掉重复作答后剩 10,980 人。2
10 月 16 日，Anthropic 内部的研究机构 Anthropic Institute 把这两组答案送进一个模型。模型出自同一批作者 9 月的工作论文，能把五类信念——能力、扩散、自动化、生产率、再就业摩擦——换算成 2030 年的 GDP 增速。3
换算的结果，员工那组是公众的三倍出头：美国公众的中位答案对应 5.4%，Anthropic 员工对应 17.1%。1
最容易的读法是「离技术最近的人最乐观」。报告给的解释要细一些，也有意思一些：这点差距被拆进了附录的一张图里，落点可以指出来。
今天能做什么：排序一致，数值差得远
问卷列了八项任务，从写常规邮件到做出诺贝尔级发现，问的是「AI 什么时候能做得和一个熟练的专业人士一样好」。
报告说，两组对「今天就能做到什么」的判断方向一致，八项任务的难度排序几乎相同。1
看具体数字，这个「一致」要打折扣。今天就能写常规邮件，员工 86%，公众 53%；记账 58% 对 41%；报税 60% 对 37%。5
最下面两项还反了过来。今天就能经营一门线上生意，员工只有 13%，公众 19%；今天就能做出诺贝尔级发现，员工 4%，公众 12%。5
到 2030 年，两组答案的距离拉开到没法并读：诺贝尔级发现 91% 对 39%，独立完成并发表一项研究 98% 对 57%。5
「永远不会」这一项更能说明分歧的形状：视任务而定，19% 到 40% 的美国成年人认为 AI 永远做不到某件事，员工里这个比例最高 2%。1
用不用 AI，也拉开了公众内部的差距。经常在工作里用 AI 的人（约占受访者五分之一）有 56% 认为到 2030 年 AI 能完成八项里的至少七项；全体公众 41%，从没用过 AI 工具的人 28%，员工 96%。1
官方 Figure 1。三栏是同一道题的三个时间点，同一行里橙条与蓝条的长度差就是两个样本的答案差。美国成年人 N=10,980 已加权，员工 N=1,334 未加权；2027 那一栏只问了一半的公众样本。
差在多快被用起来、省多少时间
能力只是一层。报告接着问：AI 能做的那些工作里，到 2030 年实际会用 AI 做掉多少？公众答 42%，员工答 65%。1
在公众眼里，拦住采用的是人的偏好与规则，技术排在后面。让他们从九个选项里挑最多三个，得票最高的是「客户更愿意跟人打交道」41%，然后是「数据隐私与安全担忧」37%、「AI 还不够可靠」与「法律、监管或责任」。1
天天用 AI 的人排法略有不同：他们把隐私放到第一（42%，其余人 37%），客户偏好降到 37%。1
省下的时间，是换算到 GDP 时最吃重的一项。员工里 85% 说，一项适合 AI 的任务用上 AI 之后，耗时降到一半或更少。1
用 AI 工作的公众，典型答案也停在「一半时间」；并且 29% 说用不用 AI 一样久、甚至更久，员工里只有 5% 这么说。1
把标准抬到「四分之一时间以内」，差距是 59% 对 26%（用 AI 工作的公众）与 21%（不用 AI 工作的公众）。1
这一项为什么关键，报告借了两位经济学家 Acemoglu 与 Restrepo 的一个区分：刚好能替代人的技术会拿走岗位，却推不动 GDP；把耗时压到零头的技术才会。1
到 2030 年谁干活，两组各有一套。员工绝大多数认为 AI 自己做完，或者 AI 做完由人核对；四成公众认为主体仍然是人，AI 打下手。1
官方 Figure 4。三根条分别是员工、用 AI 工作的公众、不用 AI 工作的公众，分界线落在「四分之一时间以内」这一档；附录 Figure A2 给了六档答案的完整分布。
自己那份工作：75% 与 28%
换成「你自己那份工作」来问，两组的差距更大。
员工平均认为，AI 到 2030 年能做完自己当前工作时间的 75%。有工作的美国人给的是 28%，其中只有 1/20 认为能到 80% 以上。1
按职业分，体力、生产与运输类工人给 25%，计算机、工程与科学类给 33%；后者里天天用 AI 的人也只给到 40%，离员工的 75% 还很远。1
这里有一处方法差异。员工拖滑块给出一个数，公众选区间、由研究者取中点，图上的 95% 置信区间各按自己的样本算。1 两个平均数因此不在同一把尺子上。
员工的高分也许来自日常。同一研究所的另一份报告里，采用编码 agent 后工程师每月新增代码行数涨到三倍，销售代表拿下的客户变多，法务与招聘的人均产出也在上升。6
两组唯一推理方式相同的地方
报告在这里做了一个很干净的对照：先告诉所有人当前失业率约 4.2%，再问 2030 年会是多少。1
然后按「自己有多少工作会被 AI 做掉」把人分档。预期不到一半的人，给出的 2030 年失业率是 7% 到 8%；超过一半之后，这条线开始往上走。1
斜率是暴露度每多 10 个百分点，预期失业率高 0.4 点。认为自己 80% 以上的工作会被 AI 做掉的那组，平均给出 12.2%，高于金融危机期间的峰值。1
这条线只跟着自家暴露度走。把暴露度固定住，受访者对八项任务的判断与他的失业率预期就脱钩了。1
两群人对「技术怎么传导到劳动力市场」用的是同一套判断，差的只是「AI 能做什么」这个输入。
还有一处，员工比公众更悲观：一个人因 AI 失业、还得换行业，多久能找到新工作。员工的中位答案是 12 个月，公众的中位落在 7 到 12 个月这一档。1
官方 Figure 6。上栏是各暴露组的平均失业率预期与 95% 置信区间，下栏是两组人在各档的占比；同一根横轴，两群人站的位置几乎不重叠。
11.7 点是怎么造出来的
回到那个换算。三个中位数是 5.4%、12.5%、17.1%。1
它们对标工作论文里的三个情景 Modest、Substantial、Extreme（温和、显著、极端），2030 年当年的 GDP 增速分别为 2.4%、5.4%、15.4%。3 员工的中位数落在 Extreme 的右侧。
口径先要说清：5.4% 指 2030 年那一年相对前 12 个月的增速。同一个 Substantial 情景还有另一个数——产出比无 AI 的路径高 8.3%，那是累计值。3
附录 B 把这 11.7 点拆开了。做法是把公众答案逐项换成员工分布中同百分位的答案，五项换入的顺序一共 120 种，取平均。2
拆出来是：省下的时间 +4.9 点、采用率 +3.6、能力信念 +2.7、自主性 +0.8、再就业摩擦 −0.2，合计 +11.8。2
每根条上还画了两条线，是 120 种换序里的最小值与最大值，附录写明它们不是置信区间。2
前三根的跨度都很宽，并且互相重叠：时间节省那根的最小值落到了 0.5 点附近，能力那根的最大值接近 8 点。摆动很小的是后两根，自主与再就业加起来不到 1 点。2
这张图能支撑的判断因此只有一个：分歧的主体落在「省了多少时间」与「用得多快」上，能力信念的份额排第三；哪一项排第一，会随换序变化。
顺带一处口径差。附录这张图的标题写的是 5.4% → 17.2%，正文与 Figure 7 写的是 17.1%。2
官方 Figure 7。三条虚线是论文自己定义的 Modest、Substantial、Extreme；粗条是 25 到 75 百分位，细线是 10 到 90 百分位。员工的中位竖线落在最右侧那条虚线之外。
官方 Figure A1，附录第 3 页。每根条是 120 种换序的平均贡献，细线是最小值与最大值，不是置信区间；读它要看跨度，不能只看条长。
实验室里的人怎么看自己
报告最后问了员工一个更直接的问题：建一个 2026 年初的前沿模型，其中多少工作由 AI 完成？
同一批人对公司人数的判断是另一回事：95% 预计未来 12 个月还会扩张，中位预期涨 66%，27% 认为至少翻倍。1
报告自己提醒，这些是员工在内部投票里给出的个人判断；公司计划与这份问卷是两回事。1
「AI 能做掉我 75% 的工作」与「公司会扩招」可以并存：被替掉的是任务，岗位数量取决于需求扩张与成本下降。报告把这两件事分开写成「自动化任务」与「裁员」，说它们是两个不同的预测。1
官方 Figure 8。三个时点问的是同一个问题；竖线是中位，箱体是 25 到 75 百分位，两端细线是 10 到 90 百分位。到 2030 年底，箱体收窄到最靠右的一小段。
这几个数能引用到什么程度
两组数字有四处地方没法直接对齐。2
| 项目 | 美国成年人样本 | Anthropic 员工样本 |
|---|---|---|
| 自己工作的比例怎么答 | 选区间，取中点 1 | 拖滑块 1 |
| 「不确定」选项 | 有，占 12% 到 21%，逐题剔除 2 | 没有，可以跳过 2 |
| 加权 | 年龄性别、种族族裔、教育、普查区、家庭收入 2 | 无权重 1 |
| 未来问题的时间点 | 随机分半，一半问 2027、一半问 2030 1 | 全部问 2030 1 |
抽样还有一层：公众是自愿报名参加的在线样本库，排除了没有网络的人，加权修不掉这部分偏差。1
9 月 17 日到 24 日，Morning Consult 用同一套题又问了一次，7,613 人作答。中位答案对应 5.6%，与 8 月的 5.4% 接近；变化最大的是诺贝尔级发现，从 39% 升到 44%。1
报告里唯一一处对外校验，校的是受访者用没用过 AI。
按州看，自报过去三个月用 AI 工作过的比例，与该州的经济指数使用率正相关：指数每高一个单位，比例高 8.1 个百分点，标准误 2.0，相关系数 0.57，哥伦比亚特区是明显的离群点。2
按国家看，45 个至少有 50 名访客的国家里，访客人数与该国使用指数的相关系数是 0.87（取对数）；国家之间的差别只解释了访客答案差异的不到 1%。美国访客的中位答案是 12.2%，其他国家 12.7%。2
缺口与复测
没公布的有几项：员工问卷的回收率与部门、职级分布；题目设计有没有第三方复核；其余参数固定在 Substantial 取值上的敏感性检验。工作论文做过资本供给与工资刚性的稳健性检验，这份报告没有搬过来。3
可检验的部分在报告的结论里：它认为公众的预期会随 AI 使用扩散而移动。三组答案已经给了这个说法第一个证据——主动来答题的访客，中位落在公众与员工之间。1
若要引用，三个层次要分开：哪一句是问卷答案，哪一句是模型换算，哪一句是行为校验。第一层可以当民意用；第二层要带上「其余参数固定在 Substantial」这个前提；第三层只说明这套问卷对使用率的测量靠得住。
References
- 1The AI expectations gap
anthropic.com
- 2The AI Expectations Gap – Appendix
www-cdn.anthropic.com
- 3Economic Scenarios for Transformative AI
www-cdn.anthropic.com
- 4Economic scenarios explorer
anthropic.com
- 5The AI Expectations Gap（PDF）
www-cdn.anthropic.com
- 6How employment is changing at Anthropic
anthropic.com
- 7When AI builds itself
anthropic.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.