Anthropic调查揭示AI预期落差：内部员工比公众更看好能力与工作重塑

生成式 AI 的争论常被压缩成“模型能不能做某项任务”。Anthropic 于 2026 年 10 月 16 日发布的一项新调查，把视角转向更难的问题：不同人对能力进步速度、工作效率和岗位变化的判断，究竟差多远？调查显示，最靠近技术的人与普通公众并非只是在乐观程度上略有差别，他们对未来几年的时间表和影响范围也有明显分歧。

这项调查问了谁，结果如何解读

研究团队汇总两组调查：Morning Consult 于 2026 年 8 月面向 10,980 名美国成年人开展调查，样本按人口特征加权；Anthropic 在 8 月对 1,334 名员工进行内部调查，结果未加权。研究发表于 10 月，不应把“最近发布”误读成“最近才采集数据”。员工既是模型的日常使用者，也身处开发公司，这种样本有独特观察视角，但不能代表所有 AI 从业者。

关于能力的一个鲜明例子是：预计 AI 到 2030 年能够做出诺贝尔级科学发现的美国成年人占 39%，Anthropic 员工占 91%。对个人工作的判断也不同：员工平均预计 AI 到 2030 年可完成自己当前工作内容的 75%，美国就业人群平均估计为 28%。这些是对“能做什么”的预测，不是已验证的生产率、岗位替代率或公司正式预测。

把远期预期放回当下的职场数据

美国人口普查局 2026 年 8 月发布的另一组 HTOPS 调查提供了现实参照：该调查基于 2026 年 3 月数据，约 56% 的美国就业者表示曾在 11 类工作任务中的至少一类使用 AI；在最近一周工作中用过 AI 的受访者里，31% 自报节省一至两小时，另有 15% 自报节省超过四小时。这是个人回忆与自我评估，并非对工作成果的独立审计，也与 Anthropic 调查的样本、问题和时间口径不同。

两项调查适合并读，但不能把数字直接相减：人口普查局呈现的是已发生使用及自报时间节省，Anthropic 研究询问的是到 2030 年的能力判断。能力预期要兑现为组织产出，还要经过数据接入、流程重构、错误复核、合规管理和员工培训等环节。

预期落差会怎样影响企业与劳动市场讨论

对企业来说，员工对工具的强预期可能推动试点和自动化计划更快启动；如果管理层把能力预测当成现成产能，预算、岗位设计与人员安排就可能跑在证据之前。更稳妥的做法是按任务测量质量、周期、成本和复核工作量，并观察收益是否在不同团队稳定复现。

对劳动市场，调查让一个重要问题更具体：技术能力被认为可覆盖多少工作，与岗位是否消失并不是同一回事。岗位变化还取决于企业是否采用、任务能否拆分、责任如何分配，以及受影响员工转岗是否顺利。Anthropic 的结果显示受访者预期与担忧值得讨论，但它没有证明失业已经因 AI 上升，也没有提供 2030 年的确定路径。

适合哪些人关注

企业负责人和人力资源团队可关注“预期—试点—实际结果”的落差，避免按远期预测直接编制人力计划；产品与数据团队可用可审计的任务指标验证 AI 是否节省时间且不降低质量；研究者、政策制定者和劳动者则可关注技术信念如何影响培训、岗位流动和组织决策。对于个人，最有用的不是猜哪一年被替代，而是识别工作中可验证、可复核且能与 AI 协作的任务环节。

来源参考与核验说明

• Anthropic：The AI expectations gap（2026-10-16）——样本、调查问题和预期数据。
• 美国人口普查局：About a Third of Workers Who Used AI in the Last Week Said They Completed Tasks One to Two Hours Faster（2026-08-11，9月修订权重）——职场 AI 使用和自报节时数据。
• Anthropic：How Employment is Changing at Anthropic——关于公司内部工具采用和工作变化的补充材料。

口径提醒：员工调查是 Anthropic 内部民调，文中的个人预期不代表 Anthropic 的正式预测、人员计划或对未来就业的承诺；不同调查的统计口径不可直接对比。