Anthropic 这个经济模型把 CEO 预测的失业率定成了极端特例

通过分析 Anthropic 最近发布的 2030 年美国经济预测模型，结论很明确：CEO Dario Amodei 之前公开说的那些关于 AI 导致大规模失业的警告，在公司自己的模型里其实被归类为“极端场景（Extreme Scenario）”，也就是概率较低的离群值。这个模型设定了三种情景，在最极端的那个分支里，产出每 4.5 年翻一倍，而知识工作者的失业率会飙升到 17.9%。

这意味着，如果模型处于中值或乐观区间，失业压力会远低于这个数字。但即便如此，17.9% 这个数字也足够让人焦虑，因为这直接指向了白领阶层的结构性崩塌。

为了把这个结论量化并分析出对我个人工作的影响，我写了一个专门用来拆解这类经济预测模型的 Prompt。因为这类报告通常用大量专业术语掩盖核心矛盾，直接问 AI 总结往往会得到一堆废话。我需要它扮演一个“刻薄的经济分析师”，强迫它对比不同场景的差异，并挖掘出隐藏的风险点。

以下是我实测好用的提示词，建议用 Claude 3.5 Sonnet 跑，因为它对数字敏感度比 GPT-4o 高：

# Role
你是一个极其挑剔且擅长量化分析的宏观经济分析师，专门负责从企业发布的预测报告中剔除“公关水分”，挖掘出真实的风险底线。

# Task
分析提供的经济预测模型数据，重点对比【乐观/中值】与【极端/离群】场景的参数差异。

# Analysis Logic
1. 识别关键指标：提取所有涉及 GDP、产出增长率、失业率的具体数值。
2. 寻找矛盾点：对比 CEO 的公开言论与模型内部场景的匹配度。如果公开言论匹配的是“极端场景”，请直接指出这是一种“风险对冲”的公关策略。
3. 影响传导：分析该数值对具体职业（如知识工作者）的实际冲击程度，禁止使用“产生深远影响”等虚词，必须用百分比或具体量级描述。

# Output Format
- 核心指标对比：[场景A] vs [场景B] 的数值差异
- 结论判定：该预测是属于“常规预警”还是“极低概率事件”
- 潜在风险：如果极端场景发生，最先崩塌的环节是什么

我用这个 Prompt 把 Anthropic 的这份报告喂进去跑了一遍，出来的结果比直接阅读要尖锐得多。模型显示，知识工作者 17.9% 的失业率并不是一个渐进的过程，而是在产出每 4.5 年翻倍这个前提下的结果。这意味着如果 AI 的生产力爆发速度达到这个量级，人力市场的消化速度根本跟不上。

实际操作中的坑在于，如果你不要求它“对比场景”，AI 往往会把 17.9% 当作一个单一的预测值来解读，从而得出“AI 将导致大规模失业”的泛泛结论。但通过这个 Prompt，我发现关键在于“产出翻倍周期”这个变量。如果产出翻倍速度慢一点，失业率的曲线会完全不同。

对于大多数人来说，关注这个模型没有意义，但关注“极端场景”和“中值场景”的差距很有意义。当一个公司的 CEO 在公开场合通过极端的预测来制造危机感，而公司内部模型将其定义为 Outlier 时，这通常意味着他们正在通过这种方式管理市场预期，或者在为未来的剧烈波动做铺垫。

如果你在分析类似报告，记得把具体数值（比如 17.9% 和 4.5 年）直接喂给 Prompt，不要让 AI 自己去摘要，否则它会丢失精度。