AI衝擊美國00后就業！斯坦福報告顯示：自2022年末美國年輕勞動者就業增長陷入停滯

一周前，美國麻省理工學院的一份報告從企業角度揭示了業界 AI 投資回報率低的情況。一周后，美國斯坦福大學的一份報告則從就業角度揭示了 AI 對於美國就業市場的影響。

斯坦福的報告包含三名作者，他們分別是斯坦福大學的以人為本 AI 研究所數字經濟實驗室的埃里克·布林約爾松（Erik Brynjolfsson）教授、 博士后研究員巴拉特·錢達爾（Bharat Chandar）和博士后研究員 Ruyu Chen。

圖 | 從左到右：埃里克·布林約爾松（Erik Brynjolfsson）、巴拉特·錢達爾（Bharat Chandar）、Ruyu Chen（來源：資料圖）

該報告指出，在生成式 AI 普及之后，美國的就業趨勢基本符合「AI 暴露度越高，就業增長越慢」的規律，而 2022 年之前則未呈現這一規律。大學畢業生勞動者佔比高的職業，整體就業率呈下降趨勢；而大學畢業生勞動者佔比低的職業，整體就業率呈上升趨勢。其中，AI 暴露度最低的職業就業率出現增長，AI 暴露度最高的職業就業率出現下降。

在軟件開發等 AI 暴露度最高的職業中，年齡段在 22-25 歲的美國職業生涯初期勞動者的就業率出現大幅下降。與此同時，儘管美國整體的就業率正在持續增長，但是美國年輕勞動者的就業增長陷入停滯。在 AI 用於替代人類工作的應用場景中，入門級崗位就業率出現下降；而在 AI 用於增強人類工作能力的場景中，入門級崗位就業率所受影響不太顯著。在控制企業-時間固定效應之后，高暴露職業年輕勞動者仍呈現出 13% 的相對就業下降率。不過，勞動力市場的這些變化更多體現在就業層面，而非薪酬層面。同時，無論是在不受遠程工作影響的職業中，還是在多種替代性樣本構建方式下，上述趨勢均成立。

（來源：資料圖）

研究樣本涵蓋美國數百萬名勞動者，得出六大關鍵發現

據介紹，本次報告利用美國最大薪資管理軟件提供商 ADP 的大規模高頻行政數據集展開研究。研究樣本包含截至 2025 年 7 月的月度個人薪資記錄，涵蓋數萬家企業的數百萬勞動者。通過將該數據與已有的職業 AI 暴露度衡量指標及其他變量關聯，研究人員得以量化了生成式 AI 被廣泛應用以來實際發生的就業變化。

通過梳理數據，他們發現了六個關鍵發現：

第一個關鍵發現：在軟件開發者、客户服務代表等 AI 高暴露度職業中，美國 22 - 25 歲的職業生涯初期勞動者的就業率出現顯著下降。與之相反，同一職業中經驗更豐富的勞動者，以及護理助理等 AI 低暴露度職業中所有年齡段的勞動者，其就業趨勢要麼保持穩定，要麼持續增長。

第二個關鍵發現：美國的整體就業率仍保持強勁增長，但是自 2022 年末起美國年輕勞動者的就業增長陷入停滯。在 AI 低暴露度崗位中，年輕勞動者與年長勞動者的就業增長率基本持平；而在 AI 高暴露度職業中，2022 年末至 2025 年 7 月期間，22 - 25 歲勞動者的就業率下降了 6%，年長勞動者的就業率則增長了 6% - 9%。這些結果表明，由於年長勞動者就業率持續增長，AI 高暴露度崗位的就業下滑，是導致 22 - 25 歲羣體勞動者整體就業增長乏力的主要原因。

第三個關鍵發現：並非所有 AI 應用都會導致就業率下降。具體而言，在 AI 用於替代人類工作的場景中，入門級崗位就業率出現下降；但在 AI 主要用於增強人類勞動能力的場景中，入門級崗位就業率並未下降。研究人員通過實證方法區分了 AI 的「替代」與「增強」作用：基於對大模型 Claude 的觀測查詢數據，估算其在特定職業中對人類任務的替代或補充程度。結果發現，在 AI 主要用於替代工作的職業中，年輕勞動者就業率下降；而在 AI 主要用於增強工作能力的職業中，年輕勞動者就業率反而上升。這些發現與「AI 的替代性功能會取代勞動力，而 AI 的增強性功能不會取代勞動力」的觀點一致。

第四個關鍵發現：在控制企業-時間固定效應之后，美國 AI 高暴露度職業中年輕勞動者的就業下滑趨勢依然存在。本次研究人員指出，有一種解釋認為其可能由行業或企業層面的衝擊比如利率變化驅動，而這些衝擊恰好與按年齡劃分的勞動者分佈以及職業 AI 暴露度存在相關性。爲了驗證這類干擾因素的影響，研究人員在事件研究迴歸模型中控制了企業 - 時間效應，以便在不考慮職業 AI 暴露度的前提下，排除那些影響企業內所有勞動者的企業衝擊因素。結果顯示，對於 22 - 25 歲的美國勞動者，AI 暴露度最高的五分之一職業與暴露度最低的五分之一職業相比，相對就業率下降 12 個對數點，這一影響幅度較大且具有統計顯著性。其他年齡段的美國勞動者的就業影響估算值，在幅度上遠遠小於這一數值，並且不具備統計顯著性。這些發現表明，本次報告發現的就業趨勢並非由「僱傭大量 AI 高暴露度年輕勞動者的企業遭受特殊衝擊」所導致。

第五個關鍵發現：勞動力市場的調整更多體現在就業層面，而非薪酬層面。與就業領域的發現不同，本次報告發現不同年齡組、不同 AI 暴露度職業的年薪趨勢幾乎無差異，這暗示着可能存在一定的工資粘性。假如情況屬實，那麼至少在初期，AI 對就業的影響可能大於對工資的影響。

第六個關鍵發現：在多種替代性樣本構建方式下，上述五個結論基本保持一致。研究人員指出，這些研究結果並非僅由計算機相關職業或易受遠程工作、外包影響的職業所驅動。此外，在大模型廣泛應用之前包括新冠疫情引發美國失業率飆升的時期，職業 AI 暴露度分類並不能有效預測年輕勞動者的就業結果。本次報告所觀察到的就業模式是：在 2022 年末左右即生成式 AI 工具快速普及的時期，無論是大學畢業生佔比高的職業，還是大學畢業生佔比低的職業，這一模式均成立，這説明新冠疫情期間美國教育水平的下滑並不是導致本次結論的原因。

需要説明的是，這些結論可能在一定程度上受到生成式 AI 以外其他因素的影響，但研究結果仍與「生成式 AI 已開始影響入門級就業」的假設一致。

那麼，為何 AI 對高暴露度職業中入門級勞動者的不利影響會大於其他年齡段羣體？一種可能的解釋是，從模型訓練過程的本質來看，AI 主要替代的是「編碼知識」，即構成正規教育核心的「書本知識」；而對「隱性知識」，即隨經驗積累的獨特技巧與訣竅的替代能力較弱。由於年輕勞動者掌握的編碼知識相對較多，隱性知識相對較少，在 AI 高暴露度職業中，他們面臨的任務被 AI 替代的風險更高，進而導致就業再分配的幅度更大。相反，擁有豐富隱性知識的年長勞動者，其工作任務被 AI 替代的可能性較低。對於在「經驗回報率低」的職業中工作的非大學學歷勞動者而言，隱性知識帶來的這種保護作用可能更弱。此外，經驗更豐富的勞動者可能還具備其他方面的技能優勢，使其更難被 AI 工具替代。

（來源：資料圖）

反覆驗證之后，本次結論依然成立

如前所述，本次報告使用的數據來源於美國最大的薪資處理公司——ADP。該公司為美國境內僱傭了超過 2500 萬名員工的企業提供薪資服務。研究人員藉助這些數據，追蹤在「AI 暴露度高低不同」的職業中勞動者的就業變化情況。

在構建主要分析樣本時，研究人員對樣本範圍進行了多項限定，具體如下：

• 首先，僅納入「使用 ADP 薪資產品記錄員工收入」的企業所僱傭的勞動者；

• 其次，排除被企業歸類為兼職的員工；

• 最后，僅保留年齡在 18 至 70 歲之間的勞動者。

由於企業會加入或退出 ADP 平臺，使用其薪資服務的企業羣體隨時間推移會發生變化。為確保主要樣本期內企業羣體的一致性，研究人員僅保留了「2021 年 1 月至 2025 年 7 月期間每月均有員工收入記錄」的企業。

此外，ADP 系統中大約 70% 的勞動者有着被記錄在案的職位名稱，為此研究人員排除了未記錄職位名稱的勞動者。系統中的標準化職位名稱超過 7000 個，例如「搜索引擎優化專員」「企業內容管理經理」和「工廠文件管控專員」等。ADP 內部研究團隊會將每個標準化職位名稱映射到 2010 年版《標準職業分類》（SOC，Standard Occupational Classification）代碼，映射過程中還會參考職位描述、所在行業、工作地點及其他相關信息。研究人員利用這些估算得出的 SOC 代碼，將研究數據與「職業 AI 暴露度衡量指標」進行匹配。

經過處理之后，研究人員的主要分析樣本包含 350 萬至 500 萬名勞動者的記錄。同時，研究人員也通過「允許企業進入或退出樣本」等替代性分析，來驗證本次結論的穩健性。

（來源：資料圖）

據瞭解，本次研究人員採用兩種不同方法來衡量職業的 AI 暴露度，具體如下：

第一種方法採用其他研究團隊於 2024 年提出的暴露度衡量指標。2024 年這項研究以 O*NET（職業信息網絡）任務分類為基礎，通過「ChatGPT 模型評估+人工標註驗證」的方式估算各任務的 AI 暴露度，隨后將任務層面的暴露度數據匯總至 2018 年版《標準職業分類》上，進而形成職業層面的 AI 暴露度指標。需要説明的是，本次研究重點採用 2024 年這項研究中基於 GPT-4 模型構建的 β 暴露度指標。

第二種主要方法利用 Anthropic 經濟指數中的生成式 AI 使用數據。該指數基於 Anthropic 公司生成式 AI 模型 Claude 的數百萬條對話樣本，估算出與每個 O*NET 任務相關的查詢量佔比，再根據這些任務佔比將數據匯總至職業層面。Anthropic 經濟指數的一大特點是，對於每個任務它還會估算出與該任務相關的查詢中，屬於「替代型」（即 AI 替代人類工作）、「增強型」（即 AI 輔助人類工作）或「兩者皆非」的查詢佔比。研究人員利用這一信息，來判斷某一職業的 AI 應用對勞動力而言主要是「互補關係」還是「替代關係」。

上述兩種暴露度指標，均以 2018 年版 SOC 代碼為單位估算職業 AI 暴露度。本次研究人員藉助美國勞工統計局發佈的「2010 年版 SOC 代碼與 2018 年版 SOC 代碼對照表」，將上述 AI 暴露度指標與薪資數據進行匹配。

爲了對比」可遠程工作職業「與」不可遠程工作職業」的就業變化，研究人員採用了其他研究團隊於 2020 給出的研究數據。與此同時，研究人員使用美國勞工統計局發佈的個人消費支出指數計算實際收入，並以 2017 年 10 月為基準進行指數化調整。同時，將月度當前人口調查數據作為主要研究結果的對比參照數據。

研究人員指出，本次研究結果對多種替代性解釋均具有穩健性，例如排除與科技相關的企業、排除適合遠程工作的職業后，結論依然成立。這六個事實提供了早期、大規模的證據，與「AI 革命正開始對美國勞動力市場中的入門級勞動者產生顯著且不成比例的影響」這一假設相符。

生成式 AI 確實已對入門級崗位就業產生顯著影響

研究人員指出，儘管本次結論可能受到生成式 AI 以外其他因素的影響，但這些結論仍與「生成式 AI 已開始對入門級崗位就業產生顯著影響」這一假設相符。

新技術的應用通常會對不同勞動者產生差異化影響：隨着勞動者從「崗位需求被替代的工作」重新配置到「勞動力需求增長的新工作」，預計勞動市場會經歷一段調整期。事實上，這種內生性調整可能正在 AI 領域發生，有最新證據表明美國青年在高校專業選擇上正逐漸避開計算機科學等 AI 暴露度高的領域。另據悉，未來研究人員計劃持續追蹤相關數據，以便評估這些趨勢在未來是否會發生變化。

當然，這是報告結論主要基於美國勞動市場，這一結論是否適用於全球市場仍有一定不確定性。但是，在 AI 全球化大趨勢下，個體設法增強自身能力，真正做到和 AI 共生共長或許是未來的出路之一。

參考資料：

https://fortune.com/2025/08/26/stanford-ai-entry-level-jobs-gen-z-erik-brynjolfsson/

https://x.com/StanfordHAI/status/1960389768761762228

https://x.com/StanfordHAI/status/1960389085127639160

https://x.com/semianalysis_/status/1960070677379133949?s=46

https://www.tomshardware.com/tech-industry/artificial-intelligence/ai-is-eating-entry-level-coding-and-customer-service-roles-according-to-a-new-stanford-study-junior-job-listings-drop-13-percent-in-three-years-in-fields-vulnerable-to-ai

運營/排版：何晨龍