一周前，美國麻省理工學(xué)院的一份報(bào)告從企業(yè)角度揭示了業(yè)界 AI 投資回報(bào)率低的情況。一周后，美國斯坦福大學(xué)的一份報(bào)告則從就業(yè)角度揭示了 AI 對(duì)于美國就業(yè)市場(chǎng)的影響。

斯坦福的報(bào)告包含三名作者，他們分別是斯坦福大學(xué)的以人為本 AI 研究所數(shù)字經(jīng)濟(jì)實(shí)驗(yàn)室的埃里克·布林約爾松（Erik Brynjolfsson）教授、 博士后研究員巴拉特·錢達(dá)爾（Bharat Chandar）和博士后研究員 Ruyu Chen。

（來源：資料圖）

該報(bào)告指出，在生成式 AI 普及之后，美國的就業(yè)趨勢(shì)基本符合“AI 暴露度越高，就業(yè)增長越慢”的規(guī)律，而 2022 年之前則未呈現(xiàn)這一規(guī)律。大學(xué)畢業(yè)生勞動(dòng)者占比高的職業(yè)，整體就業(yè)率呈下降趨勢(shì)；而大學(xué)畢業(yè)生勞動(dòng)者占比低的職業(yè)，整體就業(yè)率呈上升趨勢(shì)。其中，AI 暴露度最低的職業(yè)就業(yè)率出現(xiàn)增長，AI 暴露度最高的職業(yè)就業(yè)率出現(xiàn)下降。

在軟件開發(fā)等 AI 暴露度最高的職業(yè)中，年齡段在 22-25 歲的美國職業(yè)生涯初期勞動(dòng)者的就業(yè)率出現(xiàn)大幅下降。與此同時(shí)，盡管美國整體的就業(yè)率正在持續(xù)增長，但是美國年輕勞動(dòng)者的就業(yè)增長陷入停滯。在 AI 用于替代人類工作的應(yīng)用場(chǎng)景中，入門級(jí)崗位就業(yè)率出現(xiàn)下降；而在 AI 用于增強(qiáng)人類工作能力的場(chǎng)景中，入門級(jí)崗位就業(yè)率所受影響不太顯著。在控制企業(yè)-時(shí)間固定效應(yīng)之后，高暴露職業(yè)年輕勞動(dòng)者仍呈現(xiàn)出 13% 的相對(duì)就業(yè)下降率。不過，勞動(dòng)力市場(chǎng)的這些變化更多體現(xiàn)在就業(yè)層面，而非薪酬層面。同時(shí)，無論是在不受遠(yuǎn)程工作影響的職業(yè)中，還是在多種替代性樣本構(gòu)建方式下，上述趨勢(shì)均成立。

（來源：資料圖）

研究樣本涵蓋美國數(shù)百萬名勞動(dòng)者，得出六大關(guān)鍵發(fā)現(xiàn)

據(jù)介紹，本次報(bào)告利用美國最大薪資管理軟件提供商 ADP 的大規(guī)模高頻行政數(shù)據(jù)集展開研究。研究樣本包含截至 2025 年 7 月的月度個(gè)人薪資記錄，涵蓋數(shù)萬家企業(yè)的數(shù)百萬勞動(dòng)者。通過將該數(shù)據(jù)與已有的職業(yè) AI 暴露度衡量指標(biāo)及其他變量關(guān)聯(lián)，研究人員得以量化了生成式 AI 被廣泛應(yīng)用以來實(shí)際發(fā)生的就業(yè)變化。

通過梳理數(shù)據(jù)，他們發(fā)現(xiàn)了六個(gè)關(guān)鍵發(fā)現(xiàn)：

第一個(gè)關(guān)鍵發(fā)現(xiàn)：在軟件開發(fā)者、客戶服務(wù)代表等 AI 高暴露度職業(yè)中，美國 22 - 25 歲的職業(yè)生涯初期勞動(dòng)者的就業(yè)率出現(xiàn)顯著下降。與之相反，同一職業(yè)中經(jīng)驗(yàn)更豐富的勞動(dòng)者，以及護(hù)理助理等 AI 低暴露度職業(yè)中所有年齡段的勞動(dòng)者，其就業(yè)趨勢(shì)要么保持穩(wěn)定，要么持續(xù)增長。

第二個(gè)關(guān)鍵發(fā)現(xiàn)：美國的整體就業(yè)率仍保持強(qiáng)勁增長，但是自 2022 年末起美國年輕勞動(dòng)者的就業(yè)增長陷入停滯。在 AI 低暴露度崗位中，年輕勞動(dòng)者與年長勞動(dòng)者的就業(yè)增長率基本持平；而在 AI 高暴露度職業(yè)中，2022 年末至 2025 年 7 月期間，22 - 25 歲勞動(dòng)者的就業(yè)率下降了 6%，年長勞動(dòng)者的就業(yè)率則增長了 6% - 9%。這些結(jié)果表明，由于年長勞動(dòng)者就業(yè)率持續(xù)增長，AI 高暴露度崗位的就業(yè)下滑，是導(dǎo)致 22 - 25 歲群體勞動(dòng)者整體就業(yè)增長乏力的主要原因。

第三個(gè)關(guān)鍵發(fā)現(xiàn)：并非所有 AI 應(yīng)用都會(huì)導(dǎo)致就業(yè)率下降。具體而言，在 AI 用于替代人類工作的場(chǎng)景中，入門級(jí)崗位就業(yè)率出現(xiàn)下降；但在 AI 主要用于增強(qiáng)人類勞動(dòng)能力的場(chǎng)景中，入門級(jí)崗位就業(yè)率并未下降。研究人員通過實(shí)證方法區(qū)分了 AI 的“替代”與“增強(qiáng)”作用：基于對(duì)大模型 Claude 的觀測(cè)查詢數(shù)據(jù)，估算其在特定職業(yè)中對(duì)人類任務(wù)的替代或補(bǔ)充程度。結(jié)果發(fā)現(xiàn)，在 AI 主要用于替代工作的職業(yè)中，年輕勞動(dòng)者就業(yè)率下降；而在 AI 主要用于增強(qiáng)工作能力的職業(yè)中，年輕勞動(dòng)者就業(yè)率反而上升。這些發(fā)現(xiàn)與“AI 的替代性功能會(huì)取代勞動(dòng)力，而 AI 的增強(qiáng)性功能不會(huì)取代勞動(dòng)力”的觀點(diǎn)一致。

第四個(gè)關(guān)鍵發(fā)現(xiàn)：在控制企業(yè)-時(shí)間固定效應(yīng)之后，美國 AI 高暴露度職業(yè)中年輕勞動(dòng)者的就業(yè)下滑趨勢(shì)依然存在。本次研究人員指出，有一種解釋認(rèn)為其可能由行業(yè)或企業(yè)層面的沖擊比如利率變化驅(qū)動(dòng)，而這些沖擊恰好與按年齡劃分的勞動(dòng)者分布以及職業(yè) AI 暴露度存在相關(guān)性。為了驗(yàn)證這類干擾因素的影響，研究人員在事件研究回歸模型中控制了企業(yè) - 時(shí)間效應(yīng)，以便在不考慮職業(yè) AI 暴露度的前提下，排除那些影響企業(yè)內(nèi)所有勞動(dòng)者的企業(yè)沖擊因素。結(jié)果顯示，對(duì)于 22 - 25 歲的美國勞動(dòng)者，AI 暴露度最高的五分之一職業(yè)與暴露度最低的五分之一職業(yè)相比，相對(duì)就業(yè)率下降 12 個(gè)對(duì)數(shù)點(diǎn)，這一影響幅度較大且具有統(tǒng)計(jì)顯著性。其他年齡段的美國勞動(dòng)者的就業(yè)影響估算值，在幅度上遠(yuǎn)遠(yuǎn)小于這一數(shù)值，并且不具備統(tǒng)計(jì)顯著性。這些發(fā)現(xiàn)表明，本次報(bào)告發(fā)現(xiàn)的就業(yè)趨勢(shì)并非由“雇傭大量 AI 高暴露度年輕勞動(dòng)者的企業(yè)遭受特殊沖擊”所導(dǎo)致。

第五個(gè)關(guān)鍵發(fā)現(xiàn)：勞動(dòng)力市場(chǎng)的調(diào)整更多體現(xiàn)在就業(yè)層面，而非薪酬層面。與就業(yè)領(lǐng)域的發(fā)現(xiàn)不同，本次報(bào)告發(fā)現(xiàn)不同年齡組、不同 AI 暴露度職業(yè)的年薪趨勢(shì)幾乎無差異，這暗示著可能存在一定的工資粘性。假如情況屬實(shí)，那么至少在初期，AI 對(duì)就業(yè)的影響可能大于對(duì)工資的影響。

第六個(gè)關(guān)鍵發(fā)現(xiàn)：在多種替代性樣本構(gòu)建方式下，上述五個(gè)結(jié)論基本保持一致。研究人員指出，這些研究結(jié)果并非僅由計(jì)算機(jī)相關(guān)職業(yè)或易受遠(yuǎn)程工作、外包影響的職業(yè)所驅(qū)動(dòng)。此外，在大模型廣泛應(yīng)用之前包括新冠疫情引發(fā)美國失業(yè)率飆升的時(shí)期，職業(yè) AI 暴露度分類并不能有效預(yù)測(cè)年輕勞動(dòng)者的就業(yè)結(jié)果。本次報(bào)告所觀察到的就業(yè)模式是：在 2022 年末左右即生成式 AI 工具快速普及的時(shí)期，無論是大學(xué)畢業(yè)生占比高的職業(yè)，還是大學(xué)畢業(yè)生占比低的職業(yè)，這一模式均成立，這說明新冠疫情期間美國教育水平的下滑并不是導(dǎo)致本次結(jié)論的原因。

需要說明的是，這些結(jié)論可能在一定程度上受到生成式 AI 以外其他因素的影響，但研究結(jié)果仍與“生成式 AI 已開始影響入門級(jí)就業(yè)”的假設(shè)一致。

那么，為何 AI 對(duì)高暴露度職業(yè)中入門級(jí)勞動(dòng)者的不利影響會(huì)大于其他年齡段群體？一種可能的解釋是，從模型訓(xùn)練過程的本質(zhì)來看，AI 主要替代的是“編碼知識(shí)”，即構(gòu)成正規(guī)教育核心的“書本知識(shí)”；而對(duì)“隱性知識(shí)”，即隨經(jīng)驗(yàn)積累的獨(dú)特技巧與訣竅的替代能力較弱。由于年輕勞動(dòng)者掌握的編碼知識(shí)相對(duì)較多，隱性知識(shí)相對(duì)較少，在 AI 高暴露度職業(yè)中，他們面臨的任務(wù)被 AI 替代的風(fēng)險(xiǎn)更高，進(jìn)而導(dǎo)致就業(yè)再分配的幅度更大。相反，擁有豐富隱性知識(shí)的年長勞動(dòng)者，其工作任務(wù)被 AI 替代的可能性較低。對(duì)于在“經(jīng)驗(yàn)回報(bào)率低”的職業(yè)中工作的非大學(xué)學(xué)歷勞動(dòng)者而言，隱性知識(shí)帶來的這種保護(hù)作用可能更弱。此外，經(jīng)驗(yàn)更豐富的勞動(dòng)者可能還具備其他方面的技能優(yōu)勢(shì)，使其更難被 AI 工具替代。

（來源：資料圖）

反復(fù)驗(yàn)證之后，本次結(jié)論依然成立

如前所述，本次報(bào)告使用的數(shù)據(jù)來源于美國最大的薪資處理公司——ADP。該公司為美國境內(nèi)雇傭了超過 2500 萬名員工的企業(yè)提供薪資服務(wù)。研究人員借助這些數(shù)據(jù)，追蹤在“AI 暴露度高低不同”的職業(yè)中勞動(dòng)者的就業(yè)變化情況。

在構(gòu)建主要分析樣本時(shí)，研究人員對(duì)樣本范圍進(jìn)行了多項(xiàng)限定，具體如下：

• 首先，僅納入“使用 ADP 薪資產(chǎn)品記錄員工收入”的企業(yè)所雇傭的勞動(dòng)者；
• 其次，排除被企業(yè)歸類為兼職的員工；
• 最后，僅保留年齡在 18 至 70 歲之間的勞動(dòng)者。

由于企業(yè)會(huì)加入或退出 ADP 平臺(tái)，使用其薪資服務(wù)的企業(yè)群體隨時(shí)間推移會(huì)發(fā)生變化。為確保主要樣本期內(nèi)企業(yè)群體的一致性，研究人員僅保留了“2021 年 1 月至 2025 年 7 月期間每月均有員工收入記錄”的企業(yè)。

此外，ADP 系統(tǒng)中大約 70% 的勞動(dòng)者有著被記錄在案的職位名稱，為此研究人員排除了未記錄職位名稱的勞動(dòng)者。系統(tǒng)中的標(biāo)準(zhǔn)化職位名稱超過 7000 個(gè)，例如“搜索引擎優(yōu)化專員”“企業(yè)內(nèi)容管理經(jīng)理”和“工廠文件管控專員”等。ADP 內(nèi)部研究團(tuán)隊(duì)會(huì)將每個(gè)標(biāo)準(zhǔn)化職位名稱映射到 2010 年版《標(biāo)準(zhǔn)職業(yè)分類》（SOC，Standard Occupational Classification）代碼，映射過程中還會(huì)參考職位描述、所在行業(yè)、工作地點(diǎn)及其他相關(guān)信息。研究人員利用這些估算得出的 SOC 代碼，將研究數(shù)據(jù)與“職業(yè) AI 暴露度衡量指標(biāo)”進(jìn)行匹配。

經(jīng)過處理之后，研究人員的主要分析樣本包含 350 萬至 500 萬名勞動(dòng)者的記錄。同時(shí)，研究人員也通過“允許企業(yè)進(jìn)入或退出樣本”等替代性分析，來驗(yàn)證本次結(jié)論的穩(wěn)健性。

（來源：資料圖）

據(jù)了解，本次研究人員采用兩種不同方法來衡量職業(yè)的 AI 暴露度，具體如下：

第一種方法采用其他研究團(tuán)隊(duì)于 2024 年提出的暴露度衡量指標(biāo)。2024 年這項(xiàng)研究以 O*NET（職業(yè)信息網(wǎng)絡(luò)）任務(wù)分類為基礎(chǔ)，通過“ChatGPT 模型評(píng)估+人工標(biāo)注驗(yàn)證”的方式估算各任務(wù)的 AI 暴露度，隨后將任務(wù)層面的暴露度數(shù)據(jù)匯總至 2018 年版《標(biāo)準(zhǔn)職業(yè)分類》上，進(jìn)而形成職業(yè)層面的 AI 暴露度指標(biāo)。需要說明的是，本次研究重點(diǎn)采用 2024 年這項(xiàng)研究中基于 GPT-4 模型構(gòu)建的 β 暴露度指標(biāo)。

第二種主要方法利用 Anthropic 經(jīng)濟(jì)指數(shù)中的生成式 AI 使用數(shù)據(jù)。該指數(shù)基于 Anthropic 公司生成式 AI 模型 Claude 的數(shù)百萬條對(duì)話樣本，估算出與每個(gè) O*NET 任務(wù)相關(guān)的查詢量占比，再根據(jù)這些任務(wù)占比將數(shù)據(jù)匯總至職業(yè)層面。Anthropic 經(jīng)濟(jì)指數(shù)的一大特點(diǎn)是，對(duì)于每個(gè)任務(wù)它還會(huì)估算出與該任務(wù)相關(guān)的查詢中，屬于“替代型”（即 AI 替代人類工作）、“增強(qiáng)型”（即 AI 輔助人類工作）或“兩者皆非”的查詢占比。研究人員利用這一信息，來判斷某一職業(yè)的 AI 應(yīng)用對(duì)勞動(dòng)力而言主要是“互補(bǔ)關(guān)系”還是“替代關(guān)系”。

上述兩種暴露度指標(biāo)，均以 2018 年版 SOC 代碼為單位估算職業(yè) AI 暴露度。本次研究人員借助美國勞工統(tǒng)計(jì)局發(fā)布的“2010 年版 SOC 代碼與 2018 年版 SOC 代碼對(duì)照表”，將上述 AI 暴露度指標(biāo)與薪資數(shù)據(jù)進(jìn)行匹配。

為了對(duì)比”可遠(yuǎn)程工作職業(yè)“與”不可遠(yuǎn)程工作職業(yè)”的就業(yè)變化，研究人員采用了其他研究團(tuán)隊(duì)于 2020 給出的研究數(shù)據(jù)。與此同時(shí)，研究人員使用美國勞工統(tǒng)計(jì)局發(fā)布的個(gè)人消費(fèi)支出指數(shù)計(jì)算實(shí)際收入，并以 2017 年 10 月為基準(zhǔn)進(jìn)行指數(shù)化調(diào)整。同時(shí)，將月度當(dāng)前人口調(diào)查數(shù)據(jù)作為主要研究結(jié)果的對(duì)比參照數(shù)據(jù)。

研究人員指出，本次研究結(jié)果對(duì)多種替代性解釋均具有穩(wěn)健性，例如排除與科技相關(guān)的企業(yè)、排除適合遠(yuǎn)程工作的職業(yè)后，結(jié)論依然成立。這六個(gè)事實(shí)提供了早期、大規(guī)模的證據(jù)，與“AI 革命正開始對(duì)美國勞動(dòng)力市場(chǎng)中的入門級(jí)勞動(dòng)者產(chǎn)生顯著且不成比例的影響”這一假設(shè)相符。

生成式 AI 確實(shí)已對(duì)入門級(jí)崗位就業(yè)產(chǎn)生顯著影響

研究人員指出，盡管本次結(jié)論可能受到生成式 AI 以外其他因素的影響，但這些結(jié)論仍與“生成式 AI 已開始對(duì)入門級(jí)崗位就業(yè)產(chǎn)生顯著影響”這一假設(shè)相符。

新技術(shù)的應(yīng)用通常會(huì)對(duì)不同勞動(dòng)者產(chǎn)生差異化影響：隨著勞動(dòng)者從“崗位需求被替代的工作”重新配置到“勞動(dòng)力需求增長的新工作”，預(yù)計(jì)勞動(dòng)市場(chǎng)會(huì)經(jīng)歷一段調(diào)整期。事實(shí)上，這種內(nèi)生性調(diào)整可能正在 AI 領(lǐng)域發(fā)生，有最新證據(jù)表明美國青年在高校專業(yè)選擇上正逐漸避開計(jì)算機(jī)科學(xué)等 AI 暴露度高的領(lǐng)域。另據(jù)悉，未來研究人員計(jì)劃持續(xù)追蹤相關(guān)數(shù)據(jù)，以便評(píng)估這些趨勢(shì)在未來是否會(huì)發(fā)生變化。

當(dāng)然，這是報(bào)告結(jié)論主要基于美國勞動(dòng)市場(chǎng)，這一結(jié)論是否適用于全球市場(chǎng)仍有一定不確定性。但是，在 AI 全球化大趨勢(shì)下，個(gè)體設(shè)法增強(qiáng)自身能力，真正做到和 AI 共生共長或許是未來的出路之一。

參考資料：

https://fortune.com/2025/08/26/stanford-ai-entry-level-jobs-gen-z-erik-brynjolfsson/

https://x.com/StanfordHAI/status/1960389768761762228

https://x.com/StanfordHAI/status/1960389085127639160

https://x.com/semianalysis_/status/1960070677379133949?s=46

https://www.tomshardware.com/tech-industry/artificial-intelligence/ai-is-eating-entry-level-coding-and-customer-service-roles-according-to-a-new-stanford-study-junior-job-listings-drop-13-percent-in-three-years-in-fields-vulnerable-to-ai

運(yùn)營/排版：何晨龍