01 资料与背景
一份把“能不能做”与“划不划算”拆开的指数
2026年9月30日,Anthropic发布研究《What work can robots do?》,提出一套“机器人暴露指数”。该研究把机器人定义为能感知并行动的自主物理机器,用O*NET约900个职业、约19000项任务描述作为底表,借助Claude对每项任务的物理、认知与人际属性打分,再判断当今机器人在何种环境中能完成该任务。研究按工作环境的受控程度分四级:E0为无法完成,E1为只能在专用机器人环境(如工厂产线)完成,E2为可在有人作业的结构化场所(如物流仓)完成,E3为可在非结构化环境(如城市道路)完成。
研究给出几个关键数字:机器人今日可完成美国74%的实体任务、折合34%的总工时,但多数限于受控环境;实体任务中约四分之一为E0,E1约占一半,E2约22%,E3仅约2%。与LLM合并计算,约80%工时任务暴露于机器人或大模型,且机器人承担的是大模型做不了的活。暴露度最高前十里九个是车辆操作类,出租车司机指数2.2居首;护理与通用维修类因人际与灵巧要求高而暴露低。
成本是研究反复强调的第二层结论:机器人在能力上已覆盖大量任务,但只对0.3%的任务具备与人力的成本竞争力;若价格按历史趋势下降,该比例要40年才能到10%。研究还称,以1977年以来数据回测,暴露度更高的职业在随后数十年工资与就业下降更多,且机器人每年新增可完成约2%此前不能做的实体工作。以上为来源转述,以下各节为GSP的经营分析。
02 GSP 分析
能力覆盖不等于替代发生:企业要先做“环境分级”而非“职业名单”
这份研究最有经营价值的不是职业排行榜,而是把“机器人能不能做”与“机器人做是否便宜”强行拆成两个变量。多数自动化讨论把二者混为一谈,于是要么高估替代速度,要么在被成本挡住时误判技术失败。企业的第一项战略选择是承认:E级反映的是环境受控程度,而环境受控程度往往由企业自己决定——货架位置、托盘规格、工位布局、来料一致性,都是可以投资的变量。把任务从E2推向已可承接的E1,有时不靠机器人升级,靠的是把现场改造得更像仓库。
由此得出一个反常识判断:自动化选型不应从“哪个岗位人最贵”出发,而应从“哪些任务所在的环境最容易被结构化”出发。一个高薪但工作环境混乱、来料非标的岗位,短期替代难度可能高于一个低薪但流程高度标准化的岗位。研究指出暴露员工更可能为男性、学历较低、收入较低,这意味着自动化压力最先落在议价能力较弱的群体身上,企业若只按成本排序推进,会把社会与合规风险一并引入。
假设示例:某区域连锁餐饮把后厨分为三类任务——按订单组装餐盘(E1潜力)、现场处理突发食材短缺(接近E0)、门店盘点(E2潜力)。若预算有限,先动的应是组装与盘点,而非看起来最耗人力的临场处置。判断条件很明确:任务是否有稳定输入、是否可被摄像头与传感器覆盖、出错后的返工成本是否可承受。三者不满足,即使机器人演示视频再流畅,也不该进入试点队列。
03 GSP 分析
价值机制在于把人力从“可被结构化”的时段里释放出来,而非裁掉岗位
机器人暴露指数的隐含价值逻辑是任务颗粒度而非岗位颗粒度。一个岗位由多项任务按工时加权组成,替代的价值等于被替代任务的工时占比乘以单位工时成本差,再减去部署、集成、维护与停机的总成本。研究给出的0.3%成本竞争力比例说明,当前大多数场景下这个差值仍为负。因此短期内真正可落地的收益,不在“减少人头数”,而在于把员工从低判断、高重复的时段中释放出来,投入到研究判定为E0的人际与灵巧工作上。
这一机制对服务型与制造型业务含义不同。制造业的受控环境天然存在,机器人价值主要来自节拍稳定与良率提升;物流与零售的价值更多来自峰值弹性,即用机器人吸收波峰而非全年替代人力。研究提到仓储任务多被评为E2、回收分拣工人四分之三以上工时可在E2完成,而贴墙纸的工人出现“部分任务可高度自动化、部分任务完全不可”的断点,说明瓶颈任务决定整条流程能否无人化。企业若只替换非瓶颈环节,可能得到的是半自动化的更高复杂度,而非更低成本。
假设示例:某中型分拣中心测算,分拣任务占总工时60%、可E2替代,但异常件处理占15%且不可替代。若只上分拣机器人而不改异常件流程,总人力下降有限,反而多出机器人调度岗。此时更优取舍是先统一包裹规格与标签规范,把异常件比例压到可管理区间,再上设备。责任人应是运营负责人而非IT负责人,因为输入标准化属于流程权限,不属于技术权限。
04 GSP 分析
用户旅程视角:暴露度高的岗位,体验风险先于失业风险出现
把机器人暴露度当作员工旅程的一条暗线,会发现最先变化的不是雇佣关系,而是工作内容与考核方式。研究显示驾驶类岗位暴露度最高,但自动驾驶尚未大规模改变驾驶岗位数量,这说明中间状态可能长期存在:人仍在岗,但被要求监控机器、处理机器无法应对的边缘情况、承担更高的单位时间产出。这种“人机同岗”阶段的体验风险,常被自动化讨论忽略。
从员工旅程看,可识别四段:任务被机器部分接管、职责被重新划分为监控与异常处理、考核指标从产量转向机器利用率与异常响应、最后才是岗位数量调整。研究的E级框架可直接映射到第二段:员工从执行者变为环境维护者,其技能要求从体力转向诊断与协调。若企业不主动重写岗位说明与培训路径,员工会把机器视为替代威胁,从而在异常处理环节消极配合,反而推高系统总成本。
假设示例:某医院配送机器人上线后,护理人员的工作从“送药”变为“核对机器人配送清单并处理错件”。若考核仍按原有配送时效计算,护士会倾向于绕过机器人自行送药,投资回报落空。解决办法是把机器人的异常率纳入科室共同指标,并明确护士在异常闭环中的角色与权限。这一节的责任人是人力资源与一线主管的联合体,输入是任务重划分清单,输出是更新后的岗位说明与培训模块,取舍是短期效率下降换取长期流程可信。
05 GSP 分析
组织分工:自动化预算应由业务方持有,技术方只做可行性否决
研究的证据结构提示一个组织结论:机器人替代的决策变量中,环境改造、任务重划分、质量容忍度都属于业务权限,只有接口、集成与数据属于技术权限。若把预算与决策权放在技术部门,容易发生两种失败:一是按技术可行性而非经济性排序,二是上线后无人对流程改造负责,机器人被孤立在原有流程之外。较稳的分工是业务方持有预算与目标,技术方行使可行性否决权与集成责任,财务方独立核算单位任务成本。
具体职责可拆为三层。业务负责人定义任务边界与验收指标,包括异常率上限、人机切换规则、员工再分配方案;技术负责人评估E级可达性、集成周期与停机风险,并有权对不达标场景叫停;财务或运营分析岗负责计算每项任务的机器人单位成本与人力单位成本的动态比值,按研究给出的0.3%起点设定滚动的观察阈值。三者之间需要一份共同的成本口径,否则“划算”会变成各说各话。
假设示例:某汽车零部件厂在焊接与物料搬运之间选择先上哪一项。焊接任务在专用环境内可达E1,但换型频繁;物料搬运属E2但路线复杂。若由技术部门主导,可能选更炫的焊接;若由业务主导并计入换型停机损失,可能先上搬运以稳定节拍。取舍条件应包括订单波动率与换型频率,责任人应是厂长,技术方保留对安全与集成的否决。
06 GSP 分析
投入与替代解释:成本曲线之外,还有偏好、法规与能力三道闸
研究明确指出,除价格外还有能力、偏好与法规三重障碍,且大多数机器人需要高度结构化环境。这意味着“机器人价格下降”并非自动化的充分条件。企业做投入测算时,若只把设备单价纳入模型,会系统性低估集成、维护、场地改造与人员再培训的成本,从而高估回报。研究中40年才到10%成本竞争力的推演,本身就是对“价格下降必然带来快速替代”这一直觉的反证。
需要严肃对待的替代解释是:工资与就业的历史下降,可能主要来自贸易、产业转移或需求结构变化,而非机器人本身。研究称回测已控制行业趋势与其他混淆因素,但外部读者无法独立复核,因此企业不应把该结论当作自身裁员决策的依据,而应把它当作压力测试的情境之一。真正对企业有用的,是同一套E级方法用在自己现场数据上的排序结果,而非全国性统计。
假设示例:某纺织企业评估自动验布,设备报价可接受,但厂区湿度控制与灯光改造费用超过设备本身,且小批量订单的换型时间使机器利用率不足。按研究的逻辑,这属于能力与环境双重不达标,应归入暂缓而非否决,一旦订单结构转向大批量同款,条件即改变。判断条件应写清楚:订单批量阈值、换型频次上限、以及改造投资回收期,缺一不可。
07 行动建议
实施顺序:先标准化输入,再上受控环境机器人,最后碰非结构化
结合E级框架,可给出一条保守但可辩护的推进顺序。第一步不是买设备,而是用统一口径盘点全流程任务,按环境受控程度标注已有与潜在等级,识别瓶颈任务。第二步针对E2与E1任务做输入标准化:统一包装、标签、工位布局与来料公差,把不可控因素压缩到设备可承受范围。第三步在单一工位或单一班次做小规模部署,验证异常率与人工干预频率,而非验证峰值产能。第四步才考虑跨工位复制与E3场景。
这一顺序的关键在于每一步都有明确的退出条件。若输入标准化后异常率仍超出预期,应停止设备采购而非追加集成预算;若试点中人工干预频率高于设定阈值,说明任务的实际E级低于纸面评级,需重新评级而非简单扩容。研究提到的多数部署集中于工厂与物流仓,正说明受控环境是当前商业化的现实边界,企业逆着这条边界推进,失败概率会显著上升。
假设示例:某电商仓按此顺序先统一周转箱规格与标签朝向,再在一条分拣线上部署机器人,用四周时间只测异常率与人工介入次数,达标后才复制到第二条线。责任人应是仓运营负责人,输入是任务清单与标准化规范,输出是试点结论与复制条件,取舍是牺牲短期上线速度换取可复制的确定性。
08 行动建议
指标与实验:衡量“任务替代率”而非“减员数”,用成本比值做滚动闸门
多数自动化项目用减员数或产能提升作为唯一指标,这在早期会误导决策。更合适的核心指标是任务替代率:被机器人稳定承接的任务工时占该岗位总工时的比例,配合人工干预频率、异常闭环时长与单位任务成本比值三个辅助指标。任务替代率回答“技术上跑通了多少”,成本比值回答“经济上值不值得扩”,干预频率回答“稳定性是否支持复制”。三者同时达标才扩建。
实验设计上,建议采用同任务对照而非同岗位对照:在相同任务、相同班次结构下比较人工作业与机器作业的单位成本与质量波动,避免岗位差异污染结论。阈值可参考研究给出的起点——先记录本企业当前成本比值处于什么位置,再设定每季度观察点,而不是预设一个乐观的赶超时间。研究称机器人每年新增可完成约2%此前不能做的实体工作,这意味着能力边界在缓慢外扩,实验机制应定期重跑评级,而非一次性结论。
假设示例:某食品加工厂设定规则,只有当某任务的机器人单位成本低于人力的八成、且连续八周干预频率低于设定值时,才批准复制到第二条产线。这一闸门的作用不是精确预测,而是防止在单点成功上过度扩张。责任人是运营分析与财务的联合小组,输入是每周运行数据,输出是扩建或叫停建议。
09 行动建议
适用条件与调整判断:哪些企业该等,哪些企业该早动
这套框架并非对所有企业同等适用。更该早动的是任务高度重复、环境可自行工程化、订单批量大且稳定、人力成本占比高且有合规压力的企业,典型如仓储分拣、部分制造工位与车辆作业场景。更该等待的是任务以人际互动与精细操作为主、批量小且换型频繁、现场不可控因素多的企业,如护理、维修与定制服务。研究对护理与通用维修的判断正支持这一分野。
调整判断应绑定几个可观察信号:同类任务的可替代环境等级是否提升、设备单位成本是否出现趋势性下降、法规是否放开特定场景、以及本企业的异常率是否随标准化投入而下降。任一信号持续改善,可提高投入权重;若成本比值长期停滞且干预频率不降,应降低预期或转向部分自动化加人工的混合模式。把“混合模式”当作失败,是许多项目在错误方向上追加投入的根源。
需要保留的谦逊是:全国性指数无法替代现场测算,历史相关性无法保证未来因果,研究的成本推演基于假设的价格趋势。企业的判断条件应写在自己的数据里,并保留定期推翻结论的机制。真正稳健的自动化战略,不是预测机器人何时到来,而是始终清楚自己每一项任务当前处在哪一级、值不值得动、以及放弃的条件是什么。
研究来源
- Can we predict the jobs robots will do? - Anthropic ↗www.anthropic.com ·
基于注明来源的公开资料整理，AI 辅助研究；事实转述与编辑观察分别呈现。
CONTINUE THE RESEARCH
围绕你的问题，进一步研究。
申请完整研究报告，与 GSP 讨论你关注的市场、品牌课题与业务背景。
申请完整研究报告 ↗