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。

文章来自于"量子位"，作者 "文婷"。