美国工人预期AI替代28%工作，Anthropic员工预期75%

2026年8月，Anthropic做了一项调查。调查对象是两拨人：具有全国代表性的美国成年人，以及自家员工。问题只有一个：到2030年，AI能完成你目前多少比例的工作？美国工人整体预期28%，Anthropic员工整体预期75%。

超过一半的Anthropic员工认为，AI到2030年能完成自己至少80%的工作；这样想的美国工人只有5%。两组人对AI今天能做什么看法差不多，分歧几乎全在进步速度上。

差距不限于个人工作。39%的美国成年人认为，AI到2030年能做出诺贝尔奖级别的发现；员工里持同样预期的占91%。科学研究的判断也类似：约四分之一的美国成年人和员工认为，AI今天就能设计、进行并发表研究。但到明年，90%的员工觉得AI能做到，普通公众里只有38%。具体到不同任务，19%到40%的美国成年人说某件事AI永远做不了，Anthropic员工里最多只有2%。

内部人的乐观来自使用体验

为什么内部人会这样判断？Anthropic员工的体验更直接。85%的人说，在适合AI的任务上，耗时能降到一半或更少。59%的人说，能降到四分之一或更少。美国成年人里，26%在工作中用AI的人报告了四分之一或更少的耗时，不用AI的人里也有21%这么说。

自家工程师用上编码代理后，一个月内添加的代码行数变成原来的三倍。销售代表用上AI代理后，成交的客户变多了。这些体验，和员工预测AI能力会更快进步的判断，方向一致。

失业预期与自身工作相关

失业率的预判也和自身工作暴露相关。两组都是这样：判断AI会接手自己更多工作的人，对失业率的预期也更高。美国工人里，预期AI能完成自己80%以上工作的人，平均预计2030年失业率12.2%，比大金融危机期间的峰值还高。工作受影响的占比每增加10个百分点，预期的失业率就上升0.4个百分点。

一个细节是，在控制自身工作暴露后，工人对AI掌握八项任务的预期，与他们的失业率预测没有关系。比起AI整体变得多强，人们更在意AI有没有动到自己这份工作。

不同职业的预期也不同。体力劳动、生产和运输工人的工作时间，AI能完成25%；计算机、工程和科学职业，AI能完成33%。后一类职业里，经常用AI的人预期40%，这个数字更接近普通美国工人，而不是Anthropic员工的75%。

前景与担忧同时存在

两组预期不全是坏消息。95%的Anthropic员工预计未来12个月公司人数还会增长，中位数预期增长66%，27%的人说至少翻倍。关于转行：被AI挤掉、需要换职业的工人，Anthropic员工的中位数估计是12个月才能找到新岗位。美国成年人的中位数回答落在7到12个月之间。两边的差距没那么大。

在采用障碍上，普通人选出的最大障碍不是技术能力。美国成年人选得最多的是“客户更愿意与人打交道”，然后是数据隐私和安全担忧、AI不够可靠、法律法规或责任。经常在工作中用AI的人，把数据隐私和安全担忧提到了第一位。

到2030年，绝大多数Anthropic员工预期AI能单独完成任务，或者由工人来评估AI做的工作。40%的美国成年人则认为，人类会自己做大部分工作，AI只搭把手。

两种扩散速度，两种经济结果

两组对扩散速度的估计也不同。普通人预期，到2030年，在AI能胜任的任务里，会有42%真正交给AI；Anthropic员工预期这个比例是65%。

把两组的回答放进同一个经济学模型，得到的是两种经济增长速度。美国成年人的中位数回答，意味着2030年GDP增长5.4%——一个让美国经济增速超过常态两倍的场景。员工的中位数回答对应17.1%，相当于GDP大约每四年半翻一番。

调查发布后48小时内，23,075名访客在线完成了互动场景探索器测验，来自140多个国家。这些访客的中位数回答，对应的GDP增长是12.5%，正好夹在两组之间。

AI开发AI

调查里还有一个更贴近自身的问题：当前构建前沿模型的工作里，AI已经承担了多少？员工的中位数估计是51%，到2027年底升到80%，到2030年底到95%。研究团队的人——最贴近模型构建的人——给出的平均数字是60%，其他员工平均估计53%。

使用越多，预期越接近内部人

调查还比较了使用AI频率不同的工人。约五分之一的美国成年人经常在工作中用AI。这些人里，56%预期到2030年AI能完成八项任务中的至少七项。所有美国成年人中这个比例是41%，从没用过AI工具的人里是28%。Anthropic员工中，这个数字是96%。经常用AI的工人，预期已经明显比不用的工人更接近内部人。