从预测到实践：关于工作的未来，人工智能使用数据揭示了什么

直到最近，研究人工智能对劳动力市场影响的研究人员都不得不面对一个根本限制：没有实际使用数据，我们只能依靠“暴露度”进行理论上的衡量，估计不同职业易受人工智能冲击影响的程度。我们在此前关于低收入和中等收入国家人工智能暴露度的文章中讨论过这些研究。但有一个关键问题仍然没有得到解答：即，对这些职业的暴露度预测是否与民众实际使用人工智能的情况相符？

预测基本上是正确的

Anthropic 最近发布了来自一个2025 年 11 月Claude一周对话样本的匿名使用数据，按任务类型使用 O*NET（一种将任务与职业关联的美国分类系统）分类。我们将这些数据映射到职业和国家，以便将预测暴露度与实际采用模式进行比对。

我们的核心发现是：暴露指数被证明是对现实世界人工智能采用的极其准确的预测指标。预测暴露度低的职业通常显示出低使用率，而预测暴露度高的职业则显示出高使用率。极少数职业被归入高暴露度但低使用率或低暴露度但高使用率的不匹配类别。

经过深入探究，我们发现信息通信技术（ICT）专业人员在人工智能暴露度和使用率方面均处于领先位置。这很容易理解，因为信息技术人员通常更方便使用技术基础设施，可以直接得益于人工智能工具带来的生产率提升。

更令人惊讶的是管理者中的差距。管理层职位显示出人工智能暴露度高但使用率相对较低。起作用的可能有这么几个因素：对敏感商业决策的隐私泄露担忧、对实验的时间限制，或者组织文化中把决策权交给人工智能的做法尚未常态化。理解为什么管理者（他们往往掌握着采用人工智能的决策权）本身尚未成为重度使用者，可能对于预测组织的人工智能扩散模式至关重要。

全球两极分化明显

Anthropic人工智能使用指数的补充数据按国家衡量相对于其劳动年龄人口的Claude使用强度。指数值高于1表示该国的人工智能用户规模相对于其劳动年龄人口高于预期；指数值低于1 则表示该国的人工智能用户规模相对于其人口规模低于预期。只有高收入国家（HIC）的指数值高于1，平均为2.02，其他各个国家组别的指数值均低于 1。平均来看，高收入国家报告的人工智能使用率约为中等收入国家（MIC）的四倍，只有高收入国家超过了全球人均基准。

用户构成也有明显差异。Anthropic 的数据将Claude用户按相关职业进行分类。在高收入国家，Claude 用户分布在各行各业。在中等收入国家则高度集中：信息通信技术专业人员占使用量的 48%，教学专业人员占 24%。这两个群体合计在中等收入国家人工智能用户中占将近四分之三，而在高收入国家则超过一半。这种集中度可能反映了这些劳动者相较于其他中等收入国家的劳动者具有更高需求和更高可及性两方面的影响。这一发现与显示许多中等收入国家超过半数的教师表示已在使用人工智能的数据相符。由于观测数据不足，我们在本文的分析中未包括低收入国家。

供政策制定者参考的三个关键洞察

我们从这一简要分析中得出三点结论：

• 首先，暴露指数是有用的。人工智能职业暴露指数，例如人工智能职业暴露（AIOE）衡量指标，与人工智能使用率具有相关性。这意味着政策制定者可以利用这些指数来评估哪些劳动者和行业可能面临最大的就业影响。
• 第二，人工智能采用遵循可预测的模式。生成式人工智能工具首先被技术熟练的信息通信技术专业人员采用，然后逐渐扩散到其他职业。这一扩散过程在高收入国家稳步推进，在中等收入国家刚刚开始，但在低收入国家几乎还没起步。
• 第三，对于人工智能采用的两极分化需要有意识地采取措施。人工智能使用集中在高收入国家，这预示着一种新形式的技术排斥风险。如果不采取有意识的干预措施——投资于数字基础设施、技能提升和支持性政策环境——低收入和中等收入国家就有可能在人工智能驱动的全球经济中被进一步边缘化。

这些研究结果对于世界银行集团的使命及其就业议程具有深远的影响。鉴于未来十年将有超过十亿发展中国家的年轻人达到劳动年龄，理解人工智能如何重塑劳动力市场不只是学术研究，而是发展优先事项。本分析文章揭示出显著的使用率差距，中等收入国家的人工智能采用率比高收入国家低四倍，而低收入国家几乎还没起步，一种新形式的技术排斥正在出现，可能在人口风险最大的关键时刻拉大贫富国家之间的差距。如果人工智能驱动的生产率提升继续集中在富裕经济体，发展中国家在自动化和生产回流的情况下就有可能丧失劳动密集型产业中的比较优势，从而削弱曾让亿万人脱贫的出口导向型增长战略。