Az Anthropic 2026 márciusában publikálta eddigi legátfogóbb elemzését az AI munkaerőpiaci hatásairól. Az Anthropic AI munkaerőpiaci kutatás egy teljesen új mérőszámot vezetett be a foglalkoztatási kockázatok értékelésére. A tanulmány meglepően józan képet fest, és különösen fontos a fejlesztők számára.
Új mérőszám: megfigyelt kitettség az Anthropic AI munkaerőpiaci kutatásban
A kutatók bevezették az observed exposure nevű új mutatót. Ez a mérőszám az elméleti LLM-képességet és a valós használati adatokat kombinálja egyetlen értékké. A korábbi megközelítések kizárólag azt mérték, hogy egy feladat elméletben automatizálható-e. Az új módszer ennél lényegesen többet árul el a tényleges helyzetről.
A mutató három adatforrásra épít. Az O*NET adatbázis mintegy 800 foglalkozás feladatait sorolja fel. Az Anthropic saját használati adatai a Claude platformról származnak. Végül az Eloundou és társai által kidolgozott elméleti kitettségi becslések adják a harmadik pillért. Ez utóbbi azt méri, hogy egy feladat elvégzése legalább kétszer gyorsabb lehet-e LLM segítségével.
A módszer figyelembe veszi a használat kontextusát is. Külön súlyozza a munkahelyi környezetben történő felhasználást. Megkülönbözteti az automatizált és az augmentatív használatot. Az automatizált munkafolyamatok teljes súlyt kapnak a számításban. Az augmentatív használat csak fele akkora súllyal szerepel. Ez a megkülönböztetés azért fontos, mert az automatizált használat nagyobb valószínűséggel vezet tényleges munkaerőpiaci változáshoz.
Az eredmények szerint az AI messze nem érte el az elméleti képességeit. A számítógépes és matematikai szakmáknál az elméleti lefedettség 94 százalék. A tényleges Claude-használat viszont csak 33 százalékot fed le ebben a kategóriában. Ez hatalmas szakadékot jelez az elmélet és a gyakorlat között. A lefedettség más ágazatokban még alacsonyabb szinten áll.
Kik a leginkább érintett munkavállalók?
A kutatás szerint a programozók állnak az élen 75 százalékos lefedettséggel. Ez nem meglepő, hiszen a kódolás a Claude egyik legerősebb felhasználási területe. Őket az ügyfélszolgálati munkatársak követik, akiknél az API-alapú automatizáció erősödik. A harmadik helyen az adatrögzítők állnak 67 százalékkal. Pénzügyi elemzők és más irodai foglalkozások szintén magas kitettséget mutatnak.
Az érintett dolgozók demográfiai profilja is figyelemre méltó eredményeket hozott. A leginkább kitett munkavállalók átlagosan 47 százalékkal többet keresnek. Nagyobb arányban nők és magasabban képzett szakemberek. A diplomával rendelkezők aránya négyszer magasabb az érintett csoportban. Az ázsiai származású munkavállalók szintén felülreprezentáltak ebben a kategóriában.
Ezzel szemben a munkavállalók 30 százalékánál nulla a kitettség. Ide tartoznak a szakácsok, motorszerelők, úszómesterek és felszolgálók. Az ő feladataik fizikai jelenlétet igényelnek. Ezek a munkakörök egyszerűen nem jelennek meg az AI-használati adatokban. A kutatás szerint a fizikai munkát igénylő szakmákat az AI egyelőre nem érinti közvetlenül.
Munkanélküliség helyett lassabb felvétel a fiataloknál
A tanulmány központi kérdése a munkanélküliségre gyakorolt hatás volt. A válasz egyelőre megnyugtató az összesített adatok szintjén. A kutatók nem találtak szisztematikus munkanélküliség-növekedést a leginkább érintett szakmákban. A ChatGPT megjelenése óta eltelt időszakban a legkitettebb és a legkevésbé kitett csoportok munkanélküliségi rátája hasonló pályán mozgott.
A keretrendszer szerint egy nagyjából egy százalékpontos eltérés lenne kimutatható. Ha a leginkább kitett munkavállalók tíz százalékát elbocsátanák, az az összesített munkanélküliséget 4-ről 13 százalékra emelné. Ilyen mértékű hatás nem látszik az adatokban. A kutatók egy fehérgalléros nagyrecesszió forgatókönyvét is modellezték. Ebben a munkanélküliség megduplázódna az érintett csoportban. Erre sem utal semmi a jelenlegi adatokban.
A 22-25 éves korosztálynál viszont más a helyzet. A fiatal munkavállalók esetében 14 százalékkal csökkent az érintett szakmákba való belépési ráta. Ez a csökkenés statisztikailag éppen szignifikáns. A 25 év feletti munkavállalóknál nem tapasztalható hasonló visszaesés. Ez nem feltétlenül jelent munkanélküliséget a fiatalok körében. A pályakezdők visszatérhetnek az oktatásba. Választhatnak más területet is. Maradhatnak jelenlegi munkahelyükön hosszabb ideig.
A kutatók hangsúlyozzák a módszertani óvatosságot minden megállapításuknál. Az eredmények előzetesek és folyamatos frissítésre szorulnak. A korábbi előrejelzések gyakran túlbecsülték a technológiai változások hatását. Az offshoring-veszélyeztetett munkahelyek negyede például stabil foglalkoztatást mutatott egy évtized után is.
Összegzés
Az Anthropic kutatása fontos mérési alapot teremt a jövőbeli elemzésekhez. Az AI munkaerőpiaci hatása egyelőre mérsékelt és nehezen kimutatható. A fejlesztőknek érdemes figyelni a trendeket, különösen a saját szakterületükön. A pályakezdőknek és a fehérgalléros szakmákban dolgozóknak fokozott figyelmet kell fordítaniuk a változásokra. A következő frissítés várhatóan pontosabb képet ad majd az automatizáció terjedéséről.
