人工智能与劳动力市场：区分炒作与现实

人工智能对就业的总体影响仍然很小

当前的实证证据表明，人工智能并未导致显著的广泛失业。最易受人工智能影响职业的工人失业率并未上升速度快于受影响最小职业的工人失业率。自2022年以来，最易受人工智能影响的五分之一组失业率上升了0.77个百分点，而受影响最小的五分之一组上升了0.85个百分点，这表明劳动力市场整体放缓，而不是由人工智能驱动的末日景象。

关于就业稳定性的主要发现包括：

• 就业趋势稳定：高度暴露于人工智能的职业就业保持相对稳定。虽然编码密集型岗位的增长放缓，但仍为正增长。
• 职位发布：软件开发人员（高暴露角色）的在线职位发布在过去一年增长速度快于其他职业。
• 企业增长：采用企业级人工智能的公司在采纳后两年内就业增长了10%，尤其是人均人工智能支出最高的公司。

虽然一些公司将人工智能作为裁员的理由，但研究人员和行业领袖认为这些可能是“AI-washing”——使用人工智能作为疫情时期过度招聘导致的裁员或为腾出现金流用于人工智能投资而需要减员的便利借口。

应届毕业生在人工智能暴露领域面临“断裂的阶梯”

虽然总体数据保持稳定，但初级白领工人正经历需求的显著下降。应届毕业生在2026年初的失业率为5.6%，较三年前上升了1.6个百分点。这一趋势在软件开发和客户服务等人工智能暴露岗位尤为明显，其中初级任务——常规研究、分析和写作——易于被自动化。

斯坦福数字经济实验室的研究将这些年轻工人描述为“煤矿中的金丝雀”。然而，原因尚有争议。一些证据表明，招聘下降始于美联储2022年3月加息之后，但在ChatGPT发布之前。其他因素，例如远程工作的转变阻碍了在岗学习，也可能导致更倾向于有经验的工人而非应届毕业生。

生产率收益积极但随技能水平呈偏斜

生成式人工智能工具通常能提高工人表现，但收益 disproportionately 集中在经验较少和表现较低的工人身上。在一项呼叫中心坐席研究中，人工智能使总体生产率提高了15%，但新手工人的改进幅度达到30%，而高技能坐席则没有改善，且响应质量略有下降。

任务特定的速度提升

实验数据显示，在各个领域都有显著的时间节省：

• 软件开发：GitHub Copilot 使任务完成速度提高最高可达56%，主要惠及经验较少的程序员。
• 写作：ChatGPT 减少了所有能力水平的写作时间，并提高了低能力作者的质量。
• 法律和医疗：人工智能工具提高了年轻律师起草合同的速度，并加速了医生的医疗记录撰写。

人工智能能力的“锯齿前沿”

人工智能的影响并不均匀。表现可能因具体任务而强烈积极或消极——这一现象被称为‘锯齿技术前沿’。技能较低的工人更可能遵循通用且可能有害的人工智能建议，而高表现者则能更好地根据自身需求定制人工智能建议。

企业采用速度快但不均匀且浅层

人工智能采用正在加速，但主要集中在金融等技术和信息密集型行业。人口普查局的商业趋势和展望调查估计，大约20%的公司使用人工智能，尽管其他调查表明，大型公司和以技术为中心的样本中使用率更高。

大多数企业仍处于实验和试点阶段。人工智能的使用常常是‘广泛但浅层’——仅限于一两项业务职能（如销售、市场或IT），而不是全面整合。因此，只有5%的公司报告称人工智能对就业有任何影响，收益和损失大致相当。

行业观点综合

技术专业人士的讨论揭示了学术数据与从业者实际经验之间的张力：

“LLMs 将你的基线拉向平均值。如果你低于平均水平，它会提升；如果你高于平均水平，它会阻碍。”

一些工程师认为，虽然人工智能提高了初级开发者的产出，但它为高级员工创造了质量控制危机。一位从业者指出，AI生成代码的数量使得“eyeball”检查错误几乎不可能，可能会引入难以察觉的、高影响的错误，这些错误比传统的初级错误更难捕捉。

其他专业人士认为，目前缺乏总体影响是由于“组织惯性”。许多财富500强公司内部禁止使用人工智能，或缺乏将智能层整合到核心业务目标中的技术专长，而是依赖第三方打包解决方案。

结论：创新与增长之间的滞后

历史上，变革性技术需要数年甚至数十年才能影响生产率统计数据——这一现象被称为生产率J曲线。计算机革命的回报直到1990年代末才完全显现，因为企业需要投资于互补资产，如企业软件和工人再培训。

AI是否遵循这一渐进路径，还是在2027年前造成突如其来的世界性转变，仍然是一个有争议的问题。然而，目前的证据表明，虽然“人工智能就业末日”目前未在总体数据中体现，但这种颠覆正在零散发生——最明显的是正在进入劳动力市场的青年群体。