AI 目前尚未取代任何人的工作。至少从目前的数据来看，这一结论是成立的。这一观点来自 Anthropic 经济研究负责人 Peter McCrory 近期发布的一篇长文。数据显示，经过质量调整的 AI 产出在 2024 年和 2025 年均增长了超过 2000%。尽管约五分之一的美国企业已在业务中应用 AI，但 6 月份的美国失业率仍维持在 4.2%，恰好处于充分就业水平。
McCrory 的核心判断是：AI 目前仍是一种“技能偏向型”和“劳动力增强型”技术。它的作用在于放大人的能力，而非直接替代人类。不过，他也为这一判断设定了有效期：12 个月。
数据不会撒谎：即便是 AI 高暴露岗位也表现稳健
McCrory 通过一系列数据链证明了美国劳动力市场的稳定性。失业率保持在 4.2%，职位空缺与失业人数之比刚过 1，25 至 54 岁人群的就业比例接近数十年高位，初请失业金人数也连续四年处于低位。总体来看，美国就业形势稳中向好。
总量数据只是起点，分组对照才见真章。McCrory 与同事 Maxim Massenkoff 之前曾做过一项分析，将 Claude 能够自动化的任务对应的岗位单独拎出来，观察其失业率是否比其他岗位恶化得更快。结果显示，并没有。即使使用最新的劳动统计局数据更新，这一结论依然成立。值得注意的是，软件工程类职位的招聘帖自 2025 年 5 月起开始反弹，涨幅甚至高于其他岗位的平均水平。
唯一值得关注的是年轻劳动者。McCrory 承认，年轻人在 AI 高暴露岗位上的求职确实变得更加困难，斯坦福数字经济实验室的论文也提供了类似证据。但他也指出一个容易被忽略的背景：自 2022 年以来，美国经历了有记录以来最大幅度的非衰退式劳动力市场降温，“低招聘、低裁员”的格局本就最先挤压早期职业者。因此，将所有困难都归咎于 AI，证据尚不充分。
为什么 AI 没有抢走工作：每个岗位都有 AI 无法攻克的环节
McCrory 的解释建立在 Anthropic 过去 18 个月的多份研究报告之上，逻辑链条清晰：
第一层事实：在美国劳工部 O*NET 的职业分类中，没有任何一个岗位的所有关联任务能被 Claude 系统性地完成。每个岗位都存在 AI 搞不定的环节，如人际协调、面对面互动以及与物理世界的交互。这些环节就像木桶的短板，既限制了 AI 对整体生产力的提升幅度，也让能补上短板的人变得更加值钱。
第二层事实：AI 越强，对操控它的人的要求反而越高。Anthropic 今年 1 月的 Economic Primitives 报告发现，Claude 产出的复杂度越高，背后用户的输入专业度也越高。当模型被用于处理复杂经济模型时，往往需要一个能给出精准指令的专业用户在指挥。3 月份的 Learning Curves 报告进一步显示，使用 Claude 六个月后，用户更多地将其视为思维伙伴，交互成功率显著提升。如果 AI 已经强大到能独立完成工作，这种持续的学习效应就不会出现。
第三层事实：即便进入 Agent 时代，人类的价值依然稳固。Anthropic 分析了 Claude Code 七个月的使用数据，发现虽然任务价值在持续攀升，但人类专业能力的回报并未下降：用户负责规划，将实现细节委派给 Claude；专业能力更强的用户，任务成功率更高，且当 Claude 出错时，人类能更快地进行纠错。虽然纯编程实现的溢价可能正在缩水，但规划、判断和纠错的价值反而上升了。
一个有趣的佐证来自用户自身的感受。Anthropic 6 月的经济指数调查中，超过三分之一的受访者预期 AI 在 12 个月内能完成自己大部分工作，但预期自己因此失业的比例明显更低。那些用 AI 自动化程度更高的用户，反而对薪资和工作安全感更加乐观。
三种“奇点”与一道防线
McCrory 对当下的判断保持乐观，但他并未回避三种可能打破现有格局的未来场景。在学术文献和行业讨论中，这些被称为软件奇点、经济奇点和科斯奇点。
软件奇点指的是 AI 自动化创新本身。过去的通用技术（如内燃机）无法创造出新的交通方式，但 AI 被赋予了通用认知能力，理论上可以反过来加速自身的迭代。McCrory 明确讨论了这一场景：一旦递归自我改进（RSI）成立，AI 能力的提升将脱离人类控制的节奏。
经济奇点是软件奇点的经济学后果。McCrory 引用 Aghion、Jones 和 Jones 2017 年的模型指出，如果创新过程本身被自动化，标准经济模型会预测出“有限时间内的无限增长”。这听起来虽像科幻，却是严格的数学推演。
科斯奇点则瞄准了另一个维度。NBER 2025 年的一篇论文提出，当 Agent 把搜索、谈判、签约和监督等交易成本压到接近零时，Ronald Coase 1937 年的经典问题就会被重新激活——当市场协调的成本消失，企业存在的理由也将动摇。如果 Agent 不仅改变生产方式，还改变组织形态，劳动力市场的影响将远不止“谁丢了工作”这么简单。
面对这三种奇点，McCrory 给出的防线是同一道：“弱环节”。这个概念来自 Aghion、Jones 和 Jones 的论文——经济增长的上限不由做得最好的环节决定，而由那些不可或缺却难以改进的环节决定。只要存在始终无法被自动化的关键任务，无论是技术瓶颈还是社会约束，劳动收入份额就不会崩塌，企业形态也不会彻底解体。
编程 Agent 的现状已经在验证这条逻辑。数据显示，引入编程 Agent 后代码行数增长了 10 到 20 倍，但软件发布量只增加了 30%，应用实际使用量没有任何增长。代码只是软件生产的一环，测试、架构设计、产品判断这些环节仍然卡在人类手中，它们就是当前的“弱环节”。
McCrory 给出了明确的预测：一年后美国的失业率不会因为 AI 而明显上升。这个判断的有效期是 12 个月，验证信号也很清晰——观察 AI 高暴露岗位的失业率是否开始偏离其他岗位，以及 Agent 场景中人类专业能力的回报是否开始下降。两个指标同时转向的那一天，他自己搭建的这套分析框架也需要被修正。