设想一台机器把箱子搬到了指定位置。看演示的人可以鼓掌，准备采购的人却得接着问：箱子破了怎么办？通道临时被占了怎么办？夜班出故障，谁来把货送出去？
“能把动作做出来”离“能排进明天的班表”，隔着一整套运营问题。最近一份研究，给这个距离提供了一个值得细看的刻度。
Anthropic 在 2026 年 9 月 30 日发布的机器人工作研究估计：美国约 34% 的工作时间，对应机器人已能在某些条件下完成的任务；加入成本比较后，具有成本竞争力的部分约为全部工作时间的 0.3%。
数字来自对 O*NET 约 900 种职业、约 1.9 万项任务的分析。Claude 辅助检索能力证据、评估任务、估算时间与成本，再按就业人数和任务用时加权。因此，“34%”不能读成三分之一岗位已经可被完整替换，“0.3%”也不是实测失业率。
如何理解这个落差？可以把实际部署要回答的问题分成四道关。它们相互影响，各有各的检查证据，不构成一条带固定通过率的漏斗。
能力这一关 要把任务问完整
继续看搬箱子。抓起一个尺寸统一、摆放整齐的纸箱，与从杂乱货堆里取出压坏的纸箱，写在岗位描述里可能都是“搬运”。对机器来说，两道题的难度未必接近。
于是，判断能力之前，得先补全任务的边界：处理什么物体，允许多大误差，速度要达到多少，哪些情况可以交回给人。边界写得越含糊，一段成功演示越容易被误读成通用能力。
这份研究也区分了专门为机器人建造的环境、结构化的人类工作场所，以及非结构化环境。在这个口径下，“能够完成”可以带着很强的场地条件。企业仍要核对：自己的那份工作，是否落在这些条件里。
现场这一关 异常也得有人处理
能力清单回答“做得了哪些事”，现场验收还要回答“多久会需要帮忙”。如果每次包装变化都要重新调试，每次货物卡住都得叫人，人的工作可能只是换成了等待和救场。
更有用的试运行记录，应当同时留下正常产出、停机时间、人工接管次数、返工，以及异常后的恢复过程。只看顺利完成的片段，采购方很难知道自己买到的是稳定产能，还是需要持续照看的设备。
安全也要在真实任务里验证。美国职业安全与健康管理局的工业机器人技术手册把风险评估放进设计、集成、运行和维护等环节。这提醒我们：清理卡料、维修、重新启动，同样属于机器人“上班”的现场。
图：四项部署检查。示意框架由本文整理，无面积或比例含义。
成本这一关 要算合格产出的账
机器的报价单很醒目，配套账单却容易散落在各个部门：夹具谁做，场地谁改，软件谁接，员工谁培训，停机时有没有备用方案？这些支出最终都要由业务承担。美国先进自动化协会关于总拥有成本的说明也把维护、能源和占地纳入考虑。
不妨想象两家使用同款机器的工厂。一家订单稳定，设备长期满负荷运转；另一家批次很小，产品经常变化。即使买价相同，摊到每件合格产品上的成本，也可能差得很远。
所以，比较时最好把问题写成：在同样的质量、产量和交付要求下，一年总共花多少钱？省下的人工时间能否真正用于别的工作？若只是每位员工各省几分钟，却无法重新安排流程，工资支出未必随之下降；企业也可以选择把时间用于增产或改善服务。
研究中的成本比较采用美国劳动报酬，并依赖任务用时、场地改造、设备寿命、维护等估计。这些假设一变，结果就会变。把 0.3% 原样搬到另一国、另一行业或某家工厂，都会丢掉决定账本的具体条件。
采用这一关 工作安排也要跟着变
即使试运行顺利、账也算得过来，管理者仍有一份清单：谁负责设备，谁接异常，谁批准停机，客户愿不愿意接受这套服务，适用规则允许它独立承担哪些责任？
例如，一家企业想让机器承担部分配送工作，仍须决定货物交接、投诉处理和人员排班怎样衔接。这里用配送举例，是为了说明组织问题：拿走一个动作后，剩下的工作需要重新拼接。设备采购并不会自动完成这种调整。
四道关也会互相拉扯。把环境改得更规整，可能提高可靠性，却增加投入；保留人工接管，可能让部署更早开始，也改变成本。逐项检查的价值，在于找出眼前最需要解决的瓶颈，而非算出所有机器人通用的上岗日期。
下一步值得追问什么
对关心职业变化的人来说，整份工作的风险标签过于粗糙。可以先列出自己一周的任务：哪些重复且边界清楚，哪些依赖临场判断，哪些需要处理异常和协调他人，再观察雇主实际在改造哪些环节。
同一项技术，可以被用来减少重复劳动，也可以伴随岗位缩减。具体走向还取决于订单、需求和企业的安排。任务暴露的估计能帮助提出问题，却不能替每位劳动者给出结局。
对看技术进展的人来说，下一段演示之外，更值得追问的是：它连续工作了多久，遇到过哪些失败，谁在补位，客户是否愿意长期付费。
机器人要走进班表，需要让整个工作现场运行得更好。能力进步当然重要，而可靠交付、完整成本和工作安排，决定了这种进步何时变成一份真正可用的产能。