斯坦福新研究：AI尚未冲击就业，但应届生得注意了
AI到底有没有开始抢饭碗？
斯坦福大学教授Neale Mahoney认为，从整体就业数据来看，答案可能是暂时还没有；
但对刚走出校门的应届生来说，他们可能已经提前体验到了。
2026年初，美国应届毕业生失业率达到5.6%，比三年前上升1.6个百分点。
在软件开发、客户服务等容易受到AI影响的职业中，年轻员工的就业人数明显下降，资深员工却相对稳定。
换句话说，AI或许还没有掀起席卷整个就业市场的海啸，经验的有无却可能已经先冲走了一部分职场入口。
这到底是AI抢走了年轻人的工作，还是加息、科技行业裁员和远程办公过度招聘共同留下的后遗症？
最近，斯坦福经济政策研究所发布了一份政策简报，试图从真实的就业、招聘、生产率和企业调查数据中找到答案。
文章牵头作者Neale Mahoney是斯坦福大学经济学教授、斯坦福经济政策研究所主任，曾担任白宫国家经济委员会特别政策顾问。
研究团队给出的结论并不简单：
AI暂时没有造成大规模失业，但它对不同人群、岗位和企业的影响并不平均。应届生可能已经率先承压，而真正深远的变化，或许才刚刚开始。
国际劳工组织ILO在2026年的研究简报中也发出警示：
现有证据尚不足以证明生成式AI正在造成大规模岗位替代，但部分研究已经观察到，AI高暴露职业中的初级岗位和年轻劳动者就业机会正在减少，并可能进一步扩大就业机会上的不平等。
整体就业还没有被AI打崩
先说结论，至少目前，还没有足够证据表明AI正在造成大规模失业。
从2022年至今，受AI影响程度最高的职业，失业率上升了0.77个百分点；受AI影响最低的职业，失业率反而上升了0.85个百分点。
也就是说，AI并未优先淘汰那些最容易被替代的岗位。
这组数据更像是在说明，整个就业市场都在降温，而不是AI单独对某些职业发动了一场精准打击。
一些被视为AI高危区的岗位，情况也没有想象中糟糕。
虽然编程相关岗位的就业增速有所放缓，但整体仍保持增长。
过去一年，软件开发岗位的线上招聘数量，甚至比其他职业增长得更快。
还有研究发现，企业采用AI后的两年内，员工规模平均增长了10%，其中AI投入越高的企业，增长越明显。
至于那些把裁员原因写成AI的公司，也不能照单全收。
这些裁员都与AI有关，背后的逻辑却不尽相同。
比如Meta裁员近8000名员工是为了给千亿美元AI投资腾挪资金；HP计划裁员6000人旨在借AI精简运营；而Amazon两轮裁减约3万个岗位，更多是在消化疫情期间过度招聘的包袱，同时扩大AI工具应用。
可见，部分岗位的消失虽与AI自动化直接相关，但不能把每一次裁员都简单等同于“AI代替了人”。
AI既可能是真正的裁员原因，也可能只是企业调整成本与组织结构时，最显眼的解释。
而相比于直接裁员，AI目前更常见的影响可能是另一种：企业把原本分散给多个人的工作合并起来，或者干脆减少相关岗位的招聘。
so，我们的饭碗未必会被当场端走，只是新的饭碗可能变少了。
应届毕业生先中招
不过，虽然整体就业数据看起来还算平稳，但把镜头拉近到年轻人身上，情况就没那么乐观了。
2026年初，美国应届毕业生的失业率达到5.6%，比三年前上升了1.6个百分点，正面临多年来最艰难的就业市场之一。
这背后，AI可能确实推了一把。
很多初级岗位承担的，恰恰是资料搜集、基础分析、内容整理和文字撰写等工作。这些任务过去通常交给新人练手，如今已经可以被AI快速完成。
一项广受关注的研究发现，自ChatGPT在2022年发布以来，在软件开发、客户服务等容易受到AI影响的职业中，年轻员工的就业人数明显下降；同一职业中的资深员工，就业情况却基本稳定，甚至仍在增长。
研究人员因此把年轻员工称为矿井里的金丝雀，即他们可能是最早感受到AI冲击的一群人。
不过，这里还不能直接给AI“定罪”。
美联储从2022年3月开始加息，比ChatGPT发布早了几个月；科技公司还在消化过度招聘；远程办公的普及，也让“能独立干活”变成了比“愿意学习”更硬的衡量标准，所以企业会更倾向于招聘能即插即用、能够独立完成工作、且基本不需要为培养支付成本的资深员工。
在排除部分干扰因素后，初级岗位的明显下降直到2024年才真正出现。
这个时间点值得注意。到了2024年，AI能力和企业采用率都已经明显提升，AI直接影响新人招聘的解释，也因此变得更有说服力。
所以，更准确的说法不是“AI已经抢走了年轻人的工作”，而是“原本就不景气的应届生就业市场，可能又被AI压低了一层。”
AI确实提效，但不是用了就赚
如果AI暂时没有导致大规模失业，它有没有让人干活更快？
答案总体偏向肯定，但效果远没有“人人效率起飞”那么齐整和夸张。
在一家大型呼叫中心，生成式AI助手让客服人员的整体生产率提高了15%。其中，新手和技能较弱的员工提升最明显，每小时解决的问题数量增加了30%。
但经验丰富的客服几乎没有获得效率提升，回答质量甚至略有下降。
类似的情况也出现在软件开发中。
一项实验显示，GitHub Copilot能让程序员完成任务的速度提高56%，受益最大的依然是经验较少的开发者。但另一项研究测得的提升只有10%至30%，而且不同企业之间差异很大。
写作、合同起草和医疗记录等任务也呈现出类似规律：AI通常能够节省时间，但效果取决于任务本身、使用者水平，以及人能否判断AI的答案到底靠不靠谱。
这正是问题所在。
AI的能力并不平整。同一个模型，可能刚刚还在某项任务中表现惊艳，换一道题就突然掉链子。
在一项针对肯尼亚创业者的实验中，能力较弱的创业者使用AI后，收入和利润反而下降。原因是他们更容易照搬AI给出的通用建议，却没能判断这些建议是否适合自己的生意。
AI还可能让创意变得越来越像。
研究发现，AI能提高部分写作者的故事质量，但借助AI创作出来的故事，彼此之间也更加相似。科学家使用AI后发表的论文变多了，研究主题却有所收窄，与其他研究人员的交流也随之减少。
所以，AI提高的是完成任务的速度，却不一定同步提高判断、创造和决策的质量。
企业都在上AI，但进度差得很远
AI对经济的影响究竟会在三年内集中爆发，还是花20年缓慢渗透，很大程度上取决于企业采用速度。
现有调查给出的答案是，企业采用AI确实在加速，但远没有全面铺开。
美国人口普查局的全国性调查显示，目前约有20%的企业正在使用AI。
其他调查给出的数字更高。超过40%的受访员工表示自己会在工作中使用AI；Ramp平台上，超过一半的企业客户已经开始为AI工具或服务付费；还有调查显示，超过80%的员工在工作中接触过AI。
这些数字看起来差距巨大，主要是因为统计口径不同。
大型企业比小企业更容易采用AI，科技公司也比传统行业走得更快。如果一项调查主要覆盖大公司或科技企业，得到的采用率自然会高得多。
从行业来看，AI目前主要集中在科技、金融等信息密集型领域，应用较多的环节则是销售、营销、IT、战略、财务和会计。
即使已经采用AI，多数企业也只是把它放进一两个业务环节，或者偶尔用于部分任务。so真正把AI全面嵌入工作流程的企业，仍然是少数。
更关键的是，上了AI不等于已经看到结果。
美国人口普查局数据显示，只有5%的企业认为AI影响了员工数量，而且报告增员和减员的企业数量基本相当。亚特兰大联储的调查中，80%的企业高管表示，AI投资尚未改变员工规模，也没有明显提高生产率。
目前更普遍的状态，还是试用、试点和小范围部署。
这也意味着，AI确实已经进了公司大门，但距离接管整套工作流程，还有很长一段路。
现在看到的，只是第一帧
1987年，经济学家Robert Solow曾提出一个著名疑问：
“计算机时代无处不在，唯独在生产率统计数据中看不见。”
后来人们才发现，不是计算机没有价值，而是释放一项新技术的生产力，本就需要时间。
企业需要同时升级软件、培训员工、重组流程，才能真正释放它的生产力。
PC在20世纪80年代快速普及，但直到90年代末，它带来的经济回报才明显反映在宏观数据中。
AI很可能也会经历类似的过程。
现有研究只能告诉我们三点：
1、AI尚未引发整体就业崩塌，却已经给部分年轻白领岗位带来压力；2、它能够提高一些任务的效率，却也可能让另一些任务质量下降；3、企业采用AI的速度不断加快，但真正实现全面落地的仍是少数。
至于这些变化最终会不会汇成一场真正的就业结构重组，现在下结论还太早。
但AI与过去的技术革命并不完全相同。它扩散得更快，既能直接进入认知劳动，还能同时影响大量白领职业。即使就业总人数最终没有明显减少，工作的内容、进入职场的门槛，以及企业需要什么样的人，都可能被重新改写。
因此，真正值得警惕的，未必是某一天突然降临的“AI就业末日”，而是一些更加安静、也更难被宏观数据捕捉的变化：
初级岗位不再招聘那么多人，一份工作开始由更少的人完成，企业越来越看重经验和AI协作能力，而年轻人赖以积累经验的第一段台阶，也在悄悄变窄。
如今，硅谷仍在争论AI究竟是一种缓慢渗透的常规技术，还是一场即将重塑大量白领工作的特殊革命。
但无论哪一种判断最终成为现实，技术革命对个体造成的冲击都不会因为宏观就业数据暂时平稳而消失。
因为，AI对工作的影响，不能只看它让多少人失业，还要看它改变了谁能进入职场、谁能借助工具放大能力，以及谁会最先被挡在门外。
这也是为什么，我们不仅要追踪AI还能完成多少工作，更要尽快弄清它正在拿走哪些机会，并在年轻人的第一块职业台阶彻底消失之前，重新思考教育、培训与就业政策该如何接住他们。
本文来自微信公众号“量子位”，作者：关注前沿科技，36氪经授权发布。
