AI 能替你干多少活？

AI 到底能替你干多少？Anthropic 报告显示，计算机与数学类工作理论上 94% 能被 AI 提速 1 倍以上，实际只有 33%。这是美国 2026 年数据，不等于中国职场；约 30% 的活儿，AI 现在也干不了。

差的不是能力，是没人把它接到你的工作里。

能力 94%，实际 33%

94%计算机与数学类 · 理论可覆盖

33%同类别 · 实际被用起来

口径说明：这里的覆盖率讲的是"理论上 LLM 能不能把这件事提速 1 倍以上"（报告用 β 表示），不是"哪些岗位会消失"的判断。

条形长度表示该职业里被 AI 覆盖的任务比例（报告 Figure 3 口径）。

理论覆盖 90%
办公与行政类的工作，理论上 90% 都能被 AI 提速 1 倍以上——与计算机与数学类并列为报告点名的两个高覆盖类目。
出处：Anthropic 报告 · Measuring exposure
程序员 75% · 数据录入 67%
实际使用中暴露度最高的职业是程序员（75%）和数据录入（67%），客服紧随其后。
出处：Anthropic 报告 · Initial results / Figure 3
约 30% 零覆盖
约 30% 的劳动者属于"零覆盖"：他们的日常任务，AI 现在基本碰不到。
出处：Anthropic 报告 · Initial results
97% · 68% · 3%
Claude 的实际使用里，97% 落在 β≥0.5 的任务上；其中最强的一档 β=1 占 68%，完全做不到的 β=0 只有 3%。
出处：Anthropic 报告 · Measuring exposure / Figure 1
每 +10pp → -0.6pp
实际被 AI 覆盖的比例每增加 10 个百分点，BLS 给出的十年就业增长预期就下降 0.6pp。
出处：Anthropic 报告 · How exposure tracks with expected employment growth / Figure 4

约 30% 的劳动者零覆盖：报告里这部分人的日常任务，AI 现在基本碰不到。原文举例是厨师、摩托车修理工、救生员、调酒师、洗碗工、更衣室服务员。

原文另有一句「有些任务 AI 够不到」：举例是修剪树木、操作农机、出庭代理客户——要现场动手、也要承担现场责任，短期内很难交给它。

一手源：Anthropic《Labor market impacts of AI: A new measure and early evidence》（2026-03-05）· 看原文与图表
数据构成：O*NET 的美国职业任务 × Anthropic Economic Index（真实 Claude 使用）× Eloundou 等（2023）的任务级 β。
口径：美国数据、2026-03 的快照，不等于中国职场；本页数字均取自该报告，不含二手改绘数据。

94% 和 33% 分别是什么意思？

94% 是"理论上能覆盖"：计算机与数学类工作里，理论上 LLM 能把任务提速 1 倍以上的比例。33% 是"实际用起来"：在观测到的真实使用中，真正被 AI 接手的比例。

报告里的 β 是什么意思？

β 表示理论上 LLM 单独能不能把一件事提速 1 倍以上：β=1 是能单独做到，β=0.5 是要配合其他软件或工具。它刻画的是任务能不能被提速，不是对某个岗位下结论。

这些数据能代表中国职场吗？

不能。数据来自美国：O*NET 的美国职业任务，加上 Claude 的真实使用，时点是 2026 年 3 月。中国的岗位分工、工具和用工方式都不一样，需要另行观察。

既然能力能到 94%，为什么实际只有 33%？

差在落地：法律与合规要有人担责、很多任务要配合专用软件、结果要人工核验，流程和组织的惯性也要一起改。能力是现成的，把它接到工作里得靠人。

约 30% 的活儿，AI 现在真的干不了吗？

这里要分清两件事。一是约 30% 的劳动者在报告里属于"零覆盖"，原文举例是厨师、摩托车修理工、救生员等；二是原文另有一句"有些任务 AI 够不到"，举例是修剪树木、操作农机、出庭代理客户。前者是统计事实，后者是任务边界，合起来看才是不承诺万能。

不知道从哪开始？