Anthropic报告:工人再培训回报有限,或不足以应对AI带来的岗位替代

关键要点

  • Anthropic 于 2026 年 8 月 13 日发布了一份报告,基于对美国 56 项随机对照试验的分析,评估了工人再培训项目。
  • 工人再培训使就业率提高了 2 至 3 个百分点,并使每位参与者的年收入增加约 1,000 美元。
  • Anthropic 建议立即投资扩大 Year Up 等已被证实有效的行业培训项目,以便在大规模人工智能取代就业发生之前扩大这些项目。

AI 研究公司 Anthropic 于 2026 年 8 月 13 日发布了一份报告,显示工人再培训项目带来的经济效益有限。该报告由 David Roodman 和 Maxim Massenkoff 共同撰写,利用 Anthropic 的 Claude 模型分析了自 20 世纪 70 年代以来美国的 56 项随机对照试验以及欧洲的相关证据。这些发现为应对潜在 AI 劳动力替代问题的政策制定者提供了参考。

Anthropic 报告发现就业和收入增幅有限

以每位获得培训名额的人为单位,与每位参与者约 13,000 美元的平均成本相比,就业率大约上升 2 至 3 个百分点,年收入增加约 1,000 美元。从财政角度看,政府通过增加税收收入和减少公共福利支出收回了超过一半的投入,这意味着这些干预措施总体上大致能够实现收支平衡。

该报告将这些发现置于 Anthropic 更广泛的经济研究议程中,该议程追踪 AI 在各职业和行业中的扩散情况。尽管在公众和专家调查中,再培训仍是应对技术性失业最受欢迎的政策措施,但作者警告称,历史表现表明,如果先进自动化技术大规模取代工人,当前的项目架构很可能难以满足需求。

行业项目回报更高但难以复制

在有限的平均效果之外,一个由少数“行业项目”组成的小集群表现突出——这些项目与高需求行业的雇主开展密切合作,筛选申请者、设计针对特定职业的课程,并直接将毕业生安置到工作岗位。Year Up 和 Per Scholas 等项目使参与者的收入提高了数倍,有效发挥了劳动力市场中介的作用,将被忽视的人才与愿意承诺建立招聘渠道的雇主匹配起来。

然而,报告强调,这些成功案例已被证明难以复制。领先模式的高保真复制版本在新地点往往未能奏效,这表明项目效果取决于一些脆弱且特定于环境的因素,包括深厚的本地关系、高度筛选性的招生流程(淘汰超过 80% 的申请者),以及经过多年发展形成的组织成熟度。

鉴于大多数受研究项目针对的是低收入或就业不稳定人群,而不是可能需要数年再培训的职业生涯中期白领,作者得出结论:现有的再培训基础设施与 AI 大规模替代劳动力的情景并不匹配。

Anthropic 建议立即投资于扩大已验证模式的规模

他们的核心建议是在危机出现之前,立即投资于展示、评估并扩大最有前景的模式。具体而言,他们提议迅速扩大一个领先行业项目的规模,面向一组界定明确的工人群体,同时严格衡量就业和收入结果。Anthropic 的 Economic Futures Research Fund 被定位为支持此类研究,反映出日益形成的共识:了解再培训的局限性对于为快速自动化时代做好准备至关重要。

常见问题

Anthropic 于 2026 年 8 月 13 日发布的报告对工人再培训项目有何发现?

Anthropic 的报告发现,工人再培训项目能够带来具有统计显著性但幅度有限的经济效益。以每位获得培训名额的人为单位,与每位参与者约 13,000 美元的平均成本相比,就业率大约上升 2 至 3 个百分点,年收入增加约 1,000 美元。政府通过增加税收收入和减少公共福利支出收回了超过一半的投入。

为什么 Year Up 和 Per Scholas 等行业项目的表现优于其他再培训项目?

行业项目与高需求行业的雇主开展密切合作,筛选申请者、设计针对特定职业的课程,并直接将毕业生安置到工作岗位。这些项目通过发挥劳动力市场中介的作用,使参与者的收入提高了数倍。然而,报告强调,这些成功案例已被证明难以复制,因为项目效果取决于深厚的本地关系、高度筛选性的招生流程(淘汰超过 80% 的申请者),以及经过多年发展形成的组织成熟度。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论