Anthropic 最近做了一份内部和外部对照的调查，我把它翻来覆去看了几遍。
到 2030 年，Anthropic 员工平均预计，AI 能够完成他们当前工作时数的 75%；有工作的美国受访者给出的平均数是 28%。照常见的新闻写法，这里大概该接一句"AI 将取代大量白领工作"。
可同一份调查里还躺着另一个数字：95% 的 Anthropic 员工预计公司未来 12 个月的人数会增长。其中一半人预计增幅至少 66%，还有 27% 预计人数至少翻倍。
这两个判断摆在一起，说实话挺别扭的。既然 AI 能做掉这么多工作，公司为什么还要招人？
先把最容易被标题带跑的地方说清楚：75% 不是"75% 的岗位会消失"，95% 也不是 Anthropic 的招聘承诺。这些都是受访员工对未来的个人预期，不能拿来证明 2030 年的真实自动化率、裁员规模或招聘结果。
有意思的是，这组看似打架的答案，反而把 AI 就业讨论里最常被搅在一起的三件事分开了：任务会不会被自动化、岗位会不会改变、组织会不会继续扩大。
75% 说的不是岗位，而是工作里的时间
调查问员工的，其实不是"你的职位会不会被替代"，而是：到 2030 年，AI 能完成你当前工作时数的多大比例。
问法差一点，意思差很远。
拿一个产品经理来说，一天下来，可能包括整理用户反馈、写需求文档、开会协调、判断优先级、向客户解释路线图、处理临时冲突。AI 也许会先压缩前两项的时间，却未必接得住后几项，更不意味着"产品经理"这个岗位会被直接划掉。
程序员那边也差不多。AI 可以写更多初稿、补测试、解释旧代码，可团队仍要决定需求值不值得做、改动能不能合并、线上事故由谁负责、用户反馈该怎么处理。工作不是一块完整的饼，切掉一部分任务，不会让岗位按同样比例缩小。
顺带一提，调查还显示两组人对 AI 当下能做什么其实分歧没那么大，差别主要落在未来进步的速度上。比如，39% 的美国成年人预计，到 2030 年 AI 能做出诺奖级发现；Anthropic 员工的比例是 91%。
这同样不是对未来能力的测量，更像是两群人对未来下的不同注。离模型研发近的人，看到的实验、工具和内部工作流多，把能力曲线想得陡一些，不奇怪。麻烦的是，能力曲线再陡，也不能一步跳到就业结论。
从"能做"到"真的在做"，中间隔着一整个公司
AI 能完成任务，企业未必会把任务交给 AI。
调查里，美国成年人预计，到 2030 年，技术上能够使用 AI 的工作任务中，42% 会真正用上 AI；Anthropic 员工给出的比例是 65%。就算按最乐观的一侧看，能力和采用之间仍然空着一大段。
这段空白，不是因为公司里的人看不懂新工具。它通常藏在很具体的地方：客户不愿意只和机器打交道；内部数据不能随便接出去；模型输出需要复核；法务要确认责任；一套十年前采购的系统压根没有接口；主管不想为一次失败背锅。
美国成年人在调查中被要求选出阻碍 AI 采用的主要因素，排在前面的并不只是"模型还不够强"。客户偏好与人互动、数据隐私与安全、可靠性、法律监管和责任，都是高频答案。
换句话说，AI 对工作最早造成的影响，往往不是某个岗位突然消失，而是流程开始重新排队。过去一个人从头做到尾的任务，变成 AI 先处理一部分，再由人验证、补例外、扛下最终责任。工具省下来的时间，会不会变成人员削减，就看公司接下来拿这些时间去干什么了。
自动化任务，为什么可能和扩招同时发生
把任务自动化直接等同于少招人，背后藏着一个很强的前提：公司的需求是固定的。
现实里，需求经常不是固定的。
假设一个小团队以前每周只能服务 20 个客户，文档、分析和跟进全靠人工。AI 把其中一半重复性步骤压缩后，团队可以少招一个人；也可以选择服务 40 个客户、加快产品迭代，或者把原来挤不出时间做的培训、售后和行业定制做起来。两条路都说得通。
这不等于说生产率提升就一定带来扩招。不同公司会做不同选择。增长快、机会多的业务，可能把省下来的时间重新投进扩张；需求停滞、成本压力大的部门，则可能冻结招聘甚至裁员。
Anthropic 员工给出的"AI 能做更多工作，同时公司还会扩招"的预期，更像是他们对后一种组织逻辑的判断：模型把单个任务压缩后，前沿 AI 公司仍会因为产品、客户、算力、数据、合规和商业化的新需求继续需要人。
但这份调查没有证明这种机制已经发生，更没说它会适用于所有行业。它只说明了一件事：同一批很相信自动化会加速的人，并没有把自动化简单翻译成"公司人数必然下降"。
这个区别值得多停留一会儿。新闻里常把"AI 能做什么"和"公司会少多少人"写成一句话，中间却跳过了采用、需求、组织设计和责任分配。真正决定招聘的，往往就藏在这些被跳过的环节里。
乐观，不等于不担心
如果只看 95% 的扩招预期，很容易把这份调查读成"最懂 AI 的人其实不担心就业"。原文并不支持这个结论。
在两组受访者中，越预计 AI 能完成自己更多工作的人，也越容易预计 2030 年失业率更高。美国就业者中，预计 AI 能完成自身工作时数 80% 以上的人，对 2030 年失业率的平均预期是 12.2%。研究还发现，受访者预计的自身工作暴露每增加 10 个百分点，与其预期失业率高 0.4 个百分点有关。
这是同一份问卷里的预期相关性，不是"AI 暴露会导致失业率上升"的因果结论。但它至少说明，员工并没有把自动化当成纯粹的好消息。
还有再就业这道坎。Anthropic 员工对于因 AI 自动化而需要换职业的人，再就业需要多久，给出的中位预期是 12 个月；美国成年人给的是 7 到 12 个月。公司整体可能增长，不代表每个被重组的岗位都能顺滑地迁移到新位置。
这里其实有两本账。
一本是组织的：工具提高效率后，公司能不能扩大业务、进新市场、做新产品。
另一本是个人的：原来熟悉的任务被压缩后，自己能不能拿到新职责、重新训练、找到下一个岗位。前一本变好，不会自动把后一本也结清。
面对 AI，先把三张表分开
“AI 会不会取代我的工作"当然是个真实问题，只是它太大，也容易把人带向一个只有"会"或"不会"的答案。
不如把它拆成三张表。
第一张是任务表：你一天中哪些工作可以被压缩、自动生成或交给工具初筛？哪些必须依赖现场判断、上下文、关系和责任？
第二张是岗位表：任务被压缩后，岗位会增加审核、整合、沟通和例外处理，还是会被拆分、合并甚至取消？这里要看团队怎么重新设计流程，而不是只看模型演示。
第三张是组织表：效率释放后，公司会把资源投向扩张、产品、客户和新业务，还是投向削减成本？这决定了"同样的自动化"最终长成更多机会还是更少岗位。
Anthropic 这份调查的价值，不在于替我们预报 2030 年会发生什么。它更像一个提醒：谈 AI 与就业时，别把任务、岗位和组织规模塞进同一个百分比里。
模型也许会很快改掉第一张表。第二张和第三张表怎么改，仍然是公司、制度和人做的决定。
参考来源
以上比例主要反映受访者对 2030 年的预期，不等同于独立能力测试、实际采用率、就业预测或 Anthropic 的招聘计划。美国成年人样本经加权，Anthropic 员工内部样本未加权；两组问卷的工作时数测量方式也并不完全相同。