AI and the Job Market: What We Know So Far

人工智能与就业市场：我们目前的了解 - Gradient Flow

人工智能与就业市场：我们目前的了解

发布者

Ben Lorica

2026年8月31日

2026年8月23日

发布于

未分类

.meta-info

.post-thumbnail

目录

• 人工智能正在比就业市场更快地改变工作方式
• 入职层级的挤压效应
• 关注招聘而非裁员
• 自动化与增强是两种不同概念
• 生产效率并不必然意味着就业岗位减少
• 招聘市场正在展开人工智能军备竞赛
• 企业可能更看重的信号
• 人工智能就业数据为何难以解读
• 工作流程自动化与工作流程再造是两种不同决策

订阅我们的每周通讯

##### 人工智能正在比就业市场更快地改变工作方式

到目前为止，我所知道的最简单的方式来描述证据是，人工智能正在比就业市场更快地改变工作方式。尽管宏观指标尚未显示出大规模技术性失业的迹象，但人工智能的应用已经非常广泛：在代表美国88.4%就业人口的职业中都观察到了使用情况，约55%的劳动者表示他们至少在一项工作中使用了人工智能。但覆盖范围并不等同于深度。在观察到使用人工智能的典型职业中，人工智能仅涉及约21%的任务，仅有约3%的职业在超过四分之三的任务中都使用了人工智能。这在一定程度上解释了为何人工智能在职场中看似无处不在，却尚未导致整体就业市场的崩溃。

我需要关注的是这些平均值背后的变化。许多使用人工智能的劳动者已经节省了大量时间，但这些额外的时间可以转化为更高的产出、更快的交付周期或更高质量的工作，而不一定是减少员工数量。同时，确实出现的就业疲软现象是高度集中的。在多个国家，呼叫中心的就业人数远低于历史趋势；在加利福尼亚州一些高风险岗位中，受过高等教育的劳动者失业申请选择更为严峻；韩国年轻劳动者在人工智能相关行业已失去竞争优势。我认为不能将所有这些现象都简单归因于人工智能，因为高利率、疫情后的经济重置、远程办公和科技行业放缓等因素都与同一时期交织在一起。但这种不均衡本身具有重要意义。人工智能对劳动力市场的早期影响可能更多体现在某些类型工作的经济特性发生变化，而非全球范围内的岗位消失。

返回目录

##### 入职层级的挤压效应

观察这种不均衡现象最明显的地方可能是在职业发展阶梯的起点。对于年龄在22至25岁的美国劳动者而言，目前在人工智能应用最广泛的行业中就业人数比如果与低风险岗位保持同步增长的话，已减少了约19%。这种趋势不仅限于美国。在韩国，自2022年以来青年就业率的下降主要集中在人工智能应用高度集中的行业，而与此同时，许多相同行业50多岁的劳动者就业率却在上升。印度也呈现出类似但不同的情况，IT公司报告初级职位招聘下降的比例远高于高级职位。我需要谨慎对待将所有现象都归因于人工智能的倾向。在ChatGPT出现之前，初级职位招聘就已经开始疲软，远程办公、人口结构变化以及白领招聘整体放缓等因素都交织在这些数据中。

更让我感兴趣的是，为什么年轻员工可能会承受不成比例的压力。初级专业职位通常涉及更多正式且可教授的工作内容，例如研究、综合、初稿撰写和常规分析。经验丰富的员工则能带来更多的背景知识、判断力、对例外情况的了解以及对真正重要事项的理解。这使得AI有可能替代部分初级工作，同时让经验丰富的员工变得更加高效。但对企业而言，这里存在一个隐患。初级工作也是人们积累经验的途径。如果AI消除了这一学习路径，企业就必须用其他方式来替代。安永（EY）已经在尝试更长的驻留期，让新人更快地接触判断和实际项目经验。我怀疑，重新设计学徒制度的重要性将不亚于决定哪些初级任务需要自动化。

##### 关注招聘，而不仅仅是裁员

这表明，我们还需要从另一个角度观察AI对就业的影响：关注招聘而非裁员。在高度暴露于AI风险的职业中，年轻人的就业疲软主要源于招聘人数的减少，而非裁员人数的激增。加拿大也呈现出类似的趋势。高度暴露职业与未暴露职业在找到工作机会的差距上显著扩大，而离职率却大致保持稳定。同时，采用AI的企业仍报告较少直接裁员，对现有员工进行再培训则更为常见。一个从未被创建的职位不会出现在裁员公告或失业申请选择中，这使得这种调整容易被忽视。

我认为，这也改变了我们对AI取代员工的理解。实际的变化可能并非简单地用AI系统替代一名员工，而是围绕更少的人重新组织团队。45%的受访招聘经理表示，他们正在将高级员工与AI结合，以处理过去需要多名初级员工完成的工作，30%的人表示AI减少了他们对研究生招聘的需求。现有员工在此方面具有优势，因为他们已经具备背景知识、人际关系和公司可以进一步培养的知识。而潜在的求职者面临的问题是，他们原本要填补的职位可能根本不会被创建。换句话说，我需要关注的单位不仅仅是单个职位，而是公司决定需要多少人才能完成工作。

##### 自动化与增强是不同的概念

这引出了一个我认为比单纯询问某个职位是否“暴露”于AI更有用的区分点。真正重要的是AI是取代了员工的某些贡献，还是让员工变得更强大。早期的证据表明，这两种使用方式可能导致截然不同的结果：在AI更多作为替代品使用的领域，就业表现较弱；而与AI互补性更强的工作则表现更为稳健。目前，实际使用情况也更倾向于辅助而非替代。在涉及非例行认知工作的观察对话中，不到10%的对话旨在端到端地自动化核心任务。起草、审阅、查找信息、解决问题和生成创意则更为常见。当然，这一趋势可能会发生变化。如今需要人工参与的工作，随着系统改进，未来可能需要更少的监督。

还有另一个原因让我对从“AI可以完成这项任务”直接推导出“AI可以取代这份工作”持谨慎态度。工作包含语境、判断力、客户关系、对例外情况的了解、验证过程以及对结果的责任。即使初稿的生成变得几乎免费，这些因素也不会消失，某些工作流程中它们甚至可能变得更加重要。对于部署AI的团队来说，还有一个实用的教训：在独立完成任务方面表现最佳的模型，未必在协助他人完成任务方面同样出色。在一组实验中，七项任务中有五项的自主模型被另一款作为助手的模型击败，有时添加AI甚至会降低表现。我会将工人、模型和工作流程视为一个系统来评估，而不是假设更强大的模型自动意味着更多的自动化或更高的生产率。

##### 生产力并不自动意味着就业岗位减少

还有一个理由让我们不能假设每提高一点生产力最终都会减少就业岗位。在美国超过21000家公司的数据中，最积极采用AI的企业在两年内总员工数量增长了约10%，而初级职位的就业增长了12%。我不会将此解读为AI创造了就业机会。这些公司本身规模更大、增长更快，且更可能获得风投支持。但这为“提高工人生产力必然意味着需要更少工人”的简单观点提供了一个有用的反例。如果AI降低了服务客户或制造产品的成本，公司可以用节省的资金裁员。它也可以降价、吸引新客户、推出新产品并扩张业务。

我们已经可以看到一些新的需求正在成形。在美国和加拿大的AI技术相关就业人数在一年内增长了约45%，AI相关职位现在占美国技术岗位招聘的约31%，而2022年这一比例仅为11%。这些影响也超出了软件领域。构建AI背后的基础设施为技术人员、建筑团队、管道工、暖通空调专家等创造了工作机会。这些现象并未告诉我们AI是否会创造比消除的就业岗位更多。即使大多数经济学家都同意AI将提高生产力，他们对这一问题仍存在分歧。我认为原因很直接：技术决定了哪些事情变得更容易实现，但公司和客户决定了接下来会发生什么。无论最终净增的就业岗位数量如何，这些收益不太可能在企业、职业或地区之间均匀分布。

##### 招聘市场正在展开一场AI军备竞赛

AI不仅改变了对劳动力的需求，还改变了将人与工作匹配的机制。申请过程变得显著更便宜，因为求职者可以大规模生成定制的简历和申请。雇主则通过自动化筛选、聊天机器人、AI面试和更多评估工具作出回应。目前，招聘人员为每个职位处理的申请数量约为291份，较2021年初的约100份大幅增加，但填补一个职位所需的时间比疫情前几乎延长了25%。这是一个奇怪的结果。双方都增加了自动化，但结果可能是更多噪音和效率更低的市场。

在那种环境中，稀缺资源可能最终会是信任。近三分之二的申请者表示他们曾经历过AI面试，38%的人表示曾因AI面试而放弃申请，仅有21%的招聘人员对自动化系统的筛选效果非常有信心。我认为这为进入职场的人带来了另一个问题。拥有十年经验的人可以展示自己的业绩、推荐信和人脉网络，而应届毕业生则必须更加依赖简历、证书、作品集和评估结果，而这些正是AI更容易优化的信号。我并不夸大这个问题，因为应届毕业生的就业率实际上有所提高。但AI即使不减少岗位数量，也能让就业市场更难把握，因为它让雇主和求职者更难判断谁才是真正的合适人选。

##### 雇主可能更看重的信号

那么，这对个人工作者意味着什么？最明显的含义是，掌握与AI协作的能力正在成为许多专业岗位的基础要求。目前近四分之三的受访雇主都将AI技能视为优势或必要条件，而员工似乎也意识到了这一点。在ChatGPT发布后，人们在回顾性地将AI相关经验添加到旧有职业经历中的提及次数激增了六倍以上。甚至有调查证据表明，更频繁使用AI的员工经历裁员的可能性更小。但我对这一发现持谨慎态度，因为它并不能证明使用AI就能保护你的工作，因为频繁使用者可能本身就有不同的技能、职位或雇主。但我觉得更广泛的信号很难忽视：能够有效使用这些工具正在逐渐成为工作的基本要求，而非特殊技能。

与此同时，AI可能让实际经验变得更加有价值，而非减少其价值。在应届毕业生中，有81.6%在上学期间有工作经验的人已就业，而没有工作经验的人仅为40.7%。这一点尤其引人注目，因为一些能提供这种经验的初级职位本身可能正面临压力。我还会更重视当前能力的证据。最近获得的证书仍能预测工作表现，而较早的成就会随着时间推移失去大部分价值，且职业档案在事后变得出乎意料地容易修改。对雇主来说，实际的教训是：应更仔细寻找近期可验证的能力证据。对员工而言，我认为需要构建的组合是显而易见的：学会使用AI，积累实际操作经验，并能够展示自己真正能做什么。

##### 为什么AI岗位数据难以解读

在仔细审视了所有这些内容后，我认为我们对AI开始改变工作的领域了解得比它最终会创造或消除多少工作更清楚。这一区别很重要，因为这场辩论中使用的许多数字衡量的是不同的事物。AI暴露指数告诉我们一个模型可能具备的能力，而不是公司是否已部署该模型或是否消除了某个职位。使用数据告诉我们人们要求AI完成的任务，但无法说明就业情况之后会发生什么。失业索赔记录的是消失的职位，却忽略了从未被创造出来的职位。甚至企业公告也存在模糊性。今年有近113,000个美国职位削减被归因于AI，但高管们根据对话对象的不同，可能既强调AI驱动的效率，也可能淡化替代性。

我对于任何声称能准确告诉我们AI已经摧毁了多少工作的精确数字都持怀疑态度。

目前看来更清晰的是转型的轮廓。工作流程的变化早于总体就业情况的变化，招聘似乎在裁员之前就已做出反应，年轻工人面临非同寻常的压力，AI在某些公司可能增加劳动力需求，而在其他公司则可能减少需求。这一转型过程的痛苦程度可能更多地取决于速度，而非最终的净就业人数。渐进式的转变给工人留出时间获取新技能，也给公司留出时间重新设计工作。快速且集中的转变则几乎没有调整空间。因此，我认为现有证据既不支持“AI正在摧毁就业市场”的说法，也不支持“无需担心”的观点。更有用的结论是：影响正以多种渠道不均衡地到来，而我们的测量系统仍在追赶。

##### 自动化工作与重新设计工作是不同的决策

我认为在关于AI是创造还是摧毁工作的常规辩论中，还有一个容易被忽视的可能性。就业情况可能保持稳定，生产率可能上升，但工人可能仍无法分享到更多收益。自动化现有任务与为人们创造新工作是两回事，历史上两者都曾产生影响。一项估算表明，目前美国劳动力市场中约有40%至50%的人类工作来自相对较新的任务。这有助于解释为何早期的自动化浪潮能够与工资上涨共存。工人并非只是失去了旧任务，新技术周围也出现了新的任务。如果AI在吸收现有工作方面表现优异，却在为人们创造新任务方面表现不佳，那么总体就业数字可能保持相对稳定，但工资增长却可能呈现不那么乐观的图景。

这对公司而言尤其相关，因为结果并非仅由技术本身决定。制造业中有一个有用的先例。当日本、韩国和德国部分地区汽车制造商引入机器人时，他们也重新设计了工作并围绕机器人创造了新任务。而美国制造商则较少这样做。更广泛的教训是：自动化工作与重新设计工作是两种不同的选择。AI告诉公司哪些工作变得更容易完成，但管理层仍需决定是否主要利用这一能力来消除工作、扩大产出，或为人们创造新的任务。对于目前部署AI的任何人，我认为值得在常规生产率讨论中增加一个问题：不仅仅是“我们能自动化什么”，还有“我们的员工现在能做哪些以前无法做到的事情”？