Anthropic 员工预期与模型增长情景

Anthropic 首席经济学家 Peter McCrory 介绍团队开发的结构化框架，用于比较 AI 进展未来及其经济影响的不同情景，动机是外界对这些问题的看法分歧很大。框架页面见 https://www.anthropic.com/institute/econ-scenarios。

我们发现证据表明，Anthropic 员工与公众对能力将如何塑造更广泛经济结果的看法相似：那些预期 AI 会承担自己更多工作的人，也预期会出现类似的失业效应。

与此同时，Anthropic 招聘的初级技术岗位占比有所下降，在招聘决策中越来越强调自主性与判断力，而非技术领域专长与落地执行。

我们发现，公众和 Anthropic 员工都预期，未来几年 AI 能力将在日益复杂的知识工作任务上快速进步。 但 Anthropic 员工预期进展会更快、更广泛。

请阅读 @rclegateyang 和 Maxim 撰写的这份非常出色的报告：https://www.anthropic.com/research/what-work-can-robots-do

机器人技术在经济中的扩散，可能比 AI 的采用需要更长时间。 在近期的情景建模工作中，我们只考察了 AI 到 2030 年的影响。 若要展望更远的未来，则需要对机器人投资与采用的经济学进行更细致的建模。

与 AI 不同，机器人的相对成本非常高。他们估计，机器人仅在 0.3% 的工作任务上具备成本竞争力。 如果机器人价格下降遵循过去的趋势，这一比例需要 40 年才能达到 10%。

为什么这是一项有用的练习？ 他们发现，过去 50 年里，基线机器人能力可以预测相关暴露工人随后的工资和就业下降。随着成本下降、采用率上升，这一过程在数十年间逐步显现。

他们发现，对于美国经济中大多数体力任务，已存在能够执行这些任务的机器人——尽管是在有限场景下。总体而言，他们发现 34% 的工作时长面临机器人替代的暴露风险。

他们构建了一个新的机器人暴露指数，基于现有机器人在日益通用和非结构化条件下完成各种工作任务的能力。