关于AI对就业影响的早期数据令人尴尬

关于AI与就业的早期证据最引人注目的是其在两个层面呈现出的矛盾。从宏观整体看，目前仍几乎没有大规模AI冲击的迹象：在最易受AI影响的职业中，失业率实际上低于受影响较小的职业，且只有约五分之一的美国企业使用了AI ^[1]。但聚焦年轻劳动者时，情况则相反。在生成式AI普及后，处于最易受AI影响职业中的22至25岁劳动者就业率相对下降了约16%，尽管总体就业保持稳定 ^[1]。斯坦福大学数字经济实验室的研究也得出了类似的尴尬结论：目前AI对总体就业的影响可能很小，但对初级岗位的影响是真实存在的，而研究之间对影响程度存在分歧 ^[3]。正如前美国劳工统计局（BLS）委员Erika McEntarfer所言：'这可能具有破坏性，但数据目前告诉我们，破坏尚未到来，我们还有时间规划' ^[1]。末日论与一切正常论在狭义上都得到了数据支持——这正是为何这一故事无法被简化为一条清晰的头条新闻。

机制解释了为何损害集中在年轻人身上。初级岗位在结构上比高级岗位更容易被自动化：AI可以替代那些仅有书本知识但缺乏经验的新毕业生，同时辅助那些价值在于隐性知识的资深员工 ^[1][4]。因此，破坏'不是以裁员形式出现，而是进入劳动力市场的路径变少' ^[4]。这一迹象已体现在数据中——在易受AI影响的企业中，初级岗位招聘相对下降了13%，而22至25岁软件开发人员的就业率从2022年底的峰值下降了近20%，同时软件开发类职位发布量暴跌53% ^[3][4]。悉尼大学商学院的Clinton Free称，'初级岗位的减少是AI破坏最清晰的早期信号' ^[5]。更深层的担忧，也是社区讨论中反复出现的问题，是人才管道问题：如果企业停止招聘初级员工，那么将断送未来资深人才的来源——而这些资深员工正是当前AI所辅助而非替代的对象。

这种尴尬不仅存在于研究发现中，更根植于测量方式本身。哈佛大学经济学家David Deming直言：'我们某种程度上是在盲目前行' ^[1]。企业采用AI的估算值波动剧烈，从人口普查数据的约10%到Ramp AI指数的约44%，而国际数据几乎不存在 ^[3]。混淆的宏观因素进一步模糊了归因：由利率上升和经济不确定性引发的普遍招聘冻结与AI的采用重叠，瑞银（UBS）首席经济学家Paul Donovan认为'美国的情况更符合一个广泛的招聘冻结叙事，影响的是劳动力市场的新进入者' ^[7]。研究本身也自带大量警告。Anthropic自己的研究发现，受影响员工的失业率未上升，且仅对22至25岁人群的招聘放缓提供了初步证据——但批评者指出，其经验核心来自其自身产品的使用数据，公司本身也承认'AI远未达到其理论能力：实际覆盖范围仅是可行范围的一小部分' ^[2]。反观另一项在X平台流传的针对2.1万家美国企业的企业级研究发现，重度AI采用者在过去两年中员工人数反而增长了约10%。当Erik Brynjolfsson指出'我们甚至没有将1%的资金用于理解这一转型'时，这种'盲目前行'的问题并非偶然，而是一种资金分配的选择 ^[1]。

剥离叙事，量化故事围绕一个关键分界线展开——年龄与资历。在最易受AI影响职业中的22至25岁人群中，就业率相对下降了约16%，找到工作的比率比2022年下降了约14% ^[1][2]。在企业内部，易受AI影响岗位的初级招聘相对受影响较小岗位下降了13%，而该年龄段的软件开发人员就业率从2022年底的峰值下降了近20% ^[3][4]。近期毕业生的失业率目前约为5.6%-6%，大约是整体经济失业率（约4%）的两倍，其中计算机科学专业为7.0%，计算机工程为7.8%，42.5%的近期毕业生处于就业不足状态 ^[4][5]。高盛估计AI每月持续拖累约1.6万个美国就业岗位 ^[4]。然而总体仍保持平静，因为蓝领工作吸收了剩余劳动力——在过去三年中，蓝领就业比白领岗位多增加了约100万个 ^[5]。同时存在工资悖论：AI易受影响行业的就业落后于经济其他部分，而这些行业的工资却超过全国平均水平，这正是AI替代初级员工、同时增强资深员工的预期结果 ^[6]。作为对比，世界经济论坛（WEF）2025年预测仍预计净增——到2030年将有9200万个岗位被取代，但会创造1.7亿个新岗位 ^[8]。