AI高暴露岗位青年就业相对下降13%：白领工作的静默自动化

生成式人工智能在2026年究竟对办公室工作做了什么？直接的回答是：它正在把具体而边界清晰的任务自动化——代码初稿、常规客户咨询、人力资源问答、合同审阅、文件起草、翻译和图库图片——而企业兑现收益的主要方式是放缓招聘，而非大规模解雇◈ 有力证据[3][43][44]。美国薪酬服务商ADP的工资单记录显示，自2022年底以来，在受人工智能影响最大的职业中，22至25岁劳动者的就业人数相对下降了13%，而同一岗位上的年长员工保持稳定甚至有所增长◈ 有力证据[3]。相比之下，耶鲁大学预算实验室（Yale Budget Lab）与布鲁金斯学会发现，ChatGPT发布33个月后，整体经济并未出现可辨识的冲击[86]；一项针对2.5万名丹麦劳动者的研究也发现，在11个受影响职业中，收入和工时均无显著变化[4]。本报告逐一考察各项职能中的具体工作，以及任务层面的收益与企业层面的结果之间的落差。报告得出的结论是：迄今为止，人工智能对劳动力市场最深远的影响，是收窄了进入专业工作的入口。

企业的意图规模毋庸置疑。追踪美国裁员公告的再就业咨询公司查林杰-格雷-克里斯马斯（Challenger, Gray and Christmas）统计显示，人工智能已成为2026年被提及最多的裁员理由，截至9月底归因于它的裁员达120,136个，约占全部公告裁员的21%✓ 已证实[1]。这一比例在5月创下40%的纪录，到9月回落至9%[1]。自2025年10月以来，亚马逊已削减约3万个企业职能岗位，约占其企业员工的10%；此前其首席执行官曾告诉员工，人工智能将在未来几年内缩减企业职能团队的规模[45][46]。随着人工智能智能体接手约一半的客户对话，Salesforce把客服团队从约9000人缩减到约5000人[17]。Block在2026年2月裁掉了1万余名员工中的约4000人，并表示大多数公司将在一年内跟进[81]。

与这些公告相比，硬性的劳动力市场数据显得出奇平静。纽约联储2025年8月的地区调查发现，40%的服务业企业正在使用人工智能，高于一年前的25%，但仅有1%的企业因此裁过员✓ 已证实[43]。一年后，纽约联储得出结论：由人工智能驱动的裁员依然非常罕见，企业更倾向于再培训而非解雇，并认为其短期影响更多是渐进式的，而非颠覆性的[44]。2025年美国非农劳动生产率增长2.1%，截至2026年第二季度的一年内增长2.2%，而工作时长几乎持平[41]。产出增加、劳动投入几乎不变——这一格局与自动化的解释相吻合，但生产率统计本身无法说明其中有多少归功于人工智能⚖ 有争议[41][42]。

两者之所以能够调和，关键在于雇主如何处置人工智能节省下来的时间。多数雇主并不解雇那些任务量缩减的员工，而是不再补缺、冻结应届生招聘，让自然流失来完成调整◈ 有力证据[15][19][44]。Klarna的客服人数从约5000人降至约3000人，主要依靠自然流失，之后该公司才改弦更张[15]。IBM在2023年暂停了后台岗位招聘，而不是直接裁撤这些岗位[19]。毕马威英国在2023年至2024年间将应届生项目规模削减了29%[48]。这些举措没有一项会以解雇的形式出现在失业数据中，它们只体现为一个从未诞生的岗位。正因如此，白领工作的自动化才如此悄无声息，也才如此容易被低估。

任务层面的证据解释了影响为何集中在这些地方。对照研究显示，生产率提升最大的是新手和低绩效者：经验最少的客服人员提升34%[14]，波士顿咨询公司（BCG）一项实验中表现最弱的顾问提升43%[34]，而在GitHub Copilot的实地试验中，初级开发者获益最大[8]。换言之，人工智能最擅长的恰恰是基础性工作——资料检索、初稿、基础分析、日常往来函件——而这正是企业历来招聘初级员工去完成、并让他们借此学习的工作◈ 有力证据[51]。当这些工作可以由资深员工监督下的工具来完成时，招聘初级员工的经济理由便被削弱，尽管同一工具也会让初级员工的效率更高。

本报告围绕这一张力展开。第二至第四部分考察自动化推进最快的几项职能——软件、后台运营、法律和创意工作——以及对照研究对每一项的结论。第五部分将生产率数据与员工人数相对照，并与早期办公技术的历史相比较。第六部分追踪这一影响如何落到入门级岗位。第七部分比较美国、英国、日本、德国、印度和丹麦如何消化这一变化，以及监管机构如何应对。第八部分权衡岗位替代之争中双方最有力的论据，并阐明综合全部证据后能够支持的结论。

在软件开发领域，生成式人工智能从新鲜事物变成默认工具的速度最快。DORA 2025年对技术从业者的调查发现，开发者的人工智能采用率达到90%，高于一年前的76%，每天使用时长的中位数为两小时✓ 已证实[11]。堆栈溢出社区（Stack Overflow）2025年对49,009名开发者的调查显示，84%正在使用或计划使用人工智能工具[12]。大公司的说法更为惊人。萨蒂亚·纳德拉（Satya Nadella）2025年4月表示，微软代码库中20%至30%的代码由人工智能编写[6]。桑达尔·皮查伊（Sundar Pichai）2026年4月称，谷歌约75%的新代码由人工智能生成、再经工程师审核，而2024年10月约为25%，2025年秋季为50%[5]。这些都是高管针对定义不明的指标所作的表态，且出自本身就在销售人工智能编程工具的公司，理应以此视之⚖ 有争议[5][6]。

对照研究的证据相对温和，但依然可观。2023年第一项被广泛引用的实验只给开发者布置了一项边界明确的任务——用JavaScript编写一个HTTP服务器——结果发现，使用GitHub Copilot的人完成速度快55.8%[7]。一项规模更大、也更贴近现实的研究发表于《管理科学》（Management Science），在微软、埃森哲和一家匿名的《财富》100强企业中，对4867名开发者随机分配Copilot使用权限。研究发现，每周完成的任务增加26.08%，代码提交增加13.55%，构建次数增加38.38%✓ 已证实[8]。经验较少的开发者更愿意采用这一工具，获益也更多[8]。拉取请求衡量的是产量而非价值，但这已是专业软件工作领域现有最有力的因果估计。

最有力的反面证据来自非营利研究机构METR。在2025年7月发表的一项随机试验中，16名经验丰富的开源开发者在自己熟悉的大型成熟代码库中处理了246个真实问题。允许使用人工智能工具时，他们完成任务的时间反而多出19%✓ 已证实[9]。研究开始前，他们预计速度会提高24%；研究结束后，他们仍然认为人工智能让自己快了20%[9]。2026年2月发表的后续研究使用2025年末的工具和57名开发者，结果显示回访参与者可能提速18%，新参与者提速4%——但METR自己也称这一结果只是非常薄弱的证据，因为越来越多的开发者拒绝在不用人工智能的条件下参与，并跳过了人工智能帮助最大的任务[10]。

综合来看，这些研究指向一个一致的规律：在陌生领域中，人工智能能加快边界清晰、要求明确的工作，对经验较少的开发者帮助最大；而对于在自己早已熟悉的复杂系统中工作的专家，它的价值较小，甚至为负◈ 有力证据[8][9][10]。质量是悬而未决的问题。DORA发现，尽管超过80%的受访者表示生产率提高，人工智能的采用仍与软件交付稳定性呈负相关[11]。Stack Overflow则发现，使用越多，信任越少：2025年有46%的开发者表示不信任人工智能输出的准确性，高于2024年的31%，表示信任的只有33%；66%的开发者认为最令人头疼的是那些“几乎正确、但并不完全正确”的答案[12]。

软件行业的就业变化，比代码占比数据所显示的更为复杂。斯坦福大学《2026年人工智能指数报告》显示，22至25岁软件开发者的就业人数较2024年下降近20%✓ 已证实[58]。然而招聘网站Indeed的数据显示，自2025年2月以来，美国软件开发职位招聘信息增加约15%，同期招聘信息总量下降约7%，且增量的71%来自高级岗位[13]。需求是在转移，而非崩塌：雇主想要的是能够界定、审核和整合人工智能所生成代码的资深工程师，而从零开始写代码的初级人员则需要得更少了◈ 有力证据[13][3]。

这是贯穿本报告的那一规律最早、也最清晰的例证。被自动化的任务，正是初级开发者过去赖以学习的任务——样板代码、测试、小功能、代码迁移。皮查伊描述过一次复杂的代码迁移：由智能体和工程师合作完成，速度是一年前工程师单独完成的六倍[5]。这类工作过去需要一支初级员工团队。如今负责监督智能体的资深工程师，当年正是靠做这类工作练就了本领。由此引出一个行业尚未回答的问题：下一代资深工程师将从何而来◈ 有力证据[3][58]。

软件行业还表明，高管的说法可以远远跑在实测现实前面。代码占比并不等于生产率：一行由人工智能生成、再被人工重写的代码，在前一项指标中计入，对后一项却毫无贡献；而且发布代码占比数据的公司中，没有一家说明过其统计口径⚖ 有争议[5][6]。根据对照研究，站得住脚的结论是：在典型的专业任务上，人工智能将开发者的产出提高了大约10%至30%，差异很大，质量和长期可维护性问题也尚无定论◈ 有力证据[8][10][11]。对单项技术而言，这是很大的提升。但就现有证据来看，这并不意味着软件职业的终结。

客户服务是生成式人工智能最早在真实工作场所接受大规模研究的白领职能，相关结果至今仍是被引用最多的成果之一。埃里克·布林约尔松（Erik Brynjolfsson）、丹妮尔·李（Danielle Li）和林赛·雷蒙德（Lindsey Raymond）在一家软件公司分阶段推出人工智能助手期间，追踪了5179名客服人员。以每小时解决的问题数衡量，生产率平均提高14%，新手和低技能客服提高34%，而对经验最丰富者影响甚微✓ 已证实[14]。客户满意度上升，员工流失率下降[14]。这一工具的作用机制，是把最优秀客服的做法推广给其他所有人。在该研究中，它增强而非取代了劳动者——但同样的能力一旦直接面向客户部署，就成了替代品。

Klarna所尝试的正是如此。2024年2月，这家瑞典支付公司宣布，其人工智能助手以超过35种语言处理约75%的客户聊天，工作量相当于700名全职客服，并将问题解决时间从11分钟缩短到两分钟[15]。公司员工从约5000人降至约3000人，主要依靠自然流失和招聘冻结[15]。到2025年5月，该公司已转变方向，试点由远程人工客服组成的新模式。首席执行官塞巴斯蒂安·谢米亚特科夫斯基（Sebastian Siemiatkowski）对彭博社表示，成本这一因素此前占了过大的比重，结果就是质量下降✓ 已证实[16]。

Salesforce提供了相反的案例：一家大幅裁员、并自称对结果满意的公司。马克·贝尼奥夫（Marc Benioff）2025年9月初表示，由于公司的Agentforce智能体已处理约一半的客户对话，并由一套监督系统把复杂案例转交人工处理，公司已将客服人员从约9000人减至约5000人✓ 已证实[17]。几个月前，他曾表示人工智能承担了Salesforce 30%至50%的工作[17]。IBM的路径更为缓慢，也更能说明问题。2023年5月，阿尔温德·克里希纳（Arvind Krishna）表示，在2.6万个不直接面对客户的岗位中，约30%——约7800个岗位——可能在五年内被人工智能取代，并暂停了这些岗位的招聘[19]。到2025年5月，经证实被人工智能智能体取代的人力资源岗位约为200个，而IBM的AskHR系统已能解决94%的常规人力资源咨询，公司总员工数反而有所增加[18]。

保险和金融运营正沿着同一路径前进。安联合作伙伴（Allianz Partners）拥有超过2.2万名员工，其中约1.4万人从事电话咨询和理赔工作。该公司于2026年7月证实，将以人工智能为由在欧洲裁减1500至1800个岗位，占员工总数的7%至8%✓ 已证实[20]。慕尼黑再保险旗下的ERGO也在另行削减约1000个德国岗位，部分原因是自动化[20]。摩根大通2025年5月告诉投资者，人工智能将使运营部门人数在五年内减少10%；一位高管表示，她认为实际降幅会超过这一预测[85][47]。2025年第三季度，该行利润增长12%，员工人数仅增长1%[47]。

会计行业展现了后台自动化增强劳动者的一面。斯坦福大学崔正浩（Jung Ho Choi，音译）与谢川（Chuan Xie，音译）的一项研究调查了277名会计师，并分析了79家小型事务所的20余万笔交易。使用人工智能的会计师服务的客户多出55%，每周有8.5%的时间转向更高价值的工作，月度结账提前7.5天完成◈ 有力证据[21]。他们仍需纠正工具出现的错误[21]。至少到目前为止，这里的收益体现为产出增加，而非人员削减。每名会计师多服务55%的客户，最终是否意味着会计师减少，取决于会计服务需求能否同步增长。

麻省理工学院的一份报告在2025年8月声名大噪，因为它发现95%的企业生成式人工智能试点项目没有带来可测量的损益回报。报告中还有一个较少被引用、却与此密切相关的细节：它所发现的最佳回报出现在后台自动化领域，企业借此削减了外包处理和外部代理机构的开支⚖ 有争议[22]。该报告的方法因访谈样本小、成功定义狭窄而饱受批评[22]。但其发现的方向与其他证据一致。企业通过后台自动化节省的资金，往往首先来自承包商、外包商和代理机构——这些劳动者不在企业自己的工资单上，他们的损失在企业员工人数中无从体现。

后台办公领域的教训是：替代真实存在，却很少干净利落。凡是人工智能处理定义清晰、数量庞大的交互——重置密码、查询退款进度、解答常规人力资源政策问题——它都能大规模取代人工服务◈ 有力证据[17][18]。而一旦交互涉及情绪、含义模糊或利害重大，质量就会下降，客户也会察觉，Klarna对此深有体会[16]。各家公司正趋向一种混合模式：常规咨询自动处理，其余问题转交人工，并通过自然流失稳步减少人员。对劳动者而言，这种混合模式意味着客服阶梯底层的岗位更少，而留下来的人要处理更繁重、更棘手的案例。

法律行业是较早的采用者。安理国际律师事务所（Allen and Overy，此后已与美国的谢尔曼·思特灵律师事务所合并）在测试阶段由律师提出约4万个问题后，于2023年2月向其43个办公室的3500余名律师推广Harvey[24]。到2026年3月，Harvey已拥有1000余家客户，其中包括美国百强律所中的多数，用户律师约10万名，并以110亿美元估值融资2亿美元✓ 已证实[23]。汤森路透2025年对2275名法律、税务和会计专业人士的调查发现，他们预计人工智能每周可节省五小时，即每年约240小时[28]。被自动化的任务十分具体：备忘录初稿、合同审阅、尽职调查摘要、判例法检索和文件比对。

对照研究支持大幅的速度提升，而质量提升则有更多前提。乔纳森·崔（Jonathan Choi）、艾米·莫纳汉（Amy Monahan）和丹尼尔·施瓦茨（Daniel Schwarcz）开展了首个人工智能用于法律分析的随机试验，发现GPT-4对质量的改善轻微且不稳定，但在节省时间上幅度大且稳定，技能最低的参与者在质量上获益最多✓ 已证实[26]。2025年的一项后续研究在六项贴近实务的法律任务上测试了两款较新的工具。六项任务中有五项生产率提高50%至130%；两款工具都提升了质量；基于检索的法律工具并未提高幻觉率，而通用推理模型虽然分析更深入，却引入了虚构内容[25]。律所购买哪种工具、律师如何使用，与是否使用人工智能同样重要。

出错的代价如今已可以计量。巴黎高等商学院（HEC Paris）达米安·夏洛坦（Damien Charlotin）维护的一个数据库显示，截至2026年6月，全球已有约1600项法院裁决涉及人工智能幻觉内容——虚构的案例、虚假的引语或捏造的引证——而且每天新增五至六项✓ 已证实[27]。其中1000余项发生在美国[27]。每一起案件中，起草时节省的时间都连本带利地赔了回去，代价是制裁、声誉受损和法官的申斥。美国劳工统计局如今明确将人工智能列为抑制律师助理和法律助理需求的因素——这类岗位的检索和文书准备工作与这些工具的功能重叠最多——并预计到2034年其就业人数大致持平[29]。

创意和语言类工作提供了最清晰的替代证据，因为在线自由职业平台记录了每一份工作和每一笔报酬。惠翔（Xiang Hui，音译）、奥伦·雷谢夫（Oren Reshef）和周洛丰（Luofeng Zhou，音译）发现，ChatGPT发布后，某大型平台上的自由写作者每月接单量下降2%，月收入下降5.2%；图像生成工具问世后，图像类自由职业者的接单量下降3.7%，收入下降9.4%✓ 已证实[30]。与“人工智能只冲击低技能劳动者”的普遍看法相反，评级最高、经验更丰富的自由职业者受到的冲击更大[30]。厄兹格·德米尔吉（Ozge Demirci）、乔纳斯·哈纳内（Jonas Hannane）和朱欣荣（Xinrong Zhu，音译）的第二项研究发现，八个月内易被自动化的写作和编程类招聘信息减少21%，其中写作类下降30%以上，图像创作类下降17%[31]。

从劳动者一方看，翻译和插画领域承受着同样的压力。英国作家协会（Society of Authors）2024年对787名会员的调查发现，36%的译者和26%的插画师已因生成式人工智能失去工作机会，超过43%的译者表示收入下降◈ 有力证据[32]。这是会员自愿参与的调查，并非随机抽样，应被视为一个强烈信号，而非精确比率[32]。2025年4月，多邻国首席执行官告诉员工，公司将逐步停止让承包商从事人工智能能够胜任的工作，包括内容创作和翻译，并且只有在团队能证明其工作无法自动化时才会增加编制[33]。在遭到舆论强烈反弹后，他表示人工智能不会取代公司的全职员工[33]——这一区分再次把最早的损失放在了工资单之外。

这项由波士顿咨询公司与哈佛大学、沃顿商学院和麻省理工学院研究人员合作开展的研究，至今仍是关于人工智能用于高端知识工作最详尽的实验，其核心发现已在多种职能中得到验证：人工智能压缩了技能分布◈ 有力证据[34][14][26]。表现最弱的顾问提升43%，经验最少的客服人员提升34%，技能最低的法学学生在质量上获益最多。作者之一伊桑·莫利克（Ethan Mollick）指出，当人工智能非常出色时，人类就没有理由努力工作、保持专注[34]。这一观察把速度提升与幻觉案件联系在一起。工具越进步，用来发现其错误的人工核查就越重要，却也越少得到练习。

就法律、写作和翻译而言，现有证据支持三个结论。第一，在这些市场中最易被替代的边缘地带——平台自由职业、常规翻译、图库图片和初级研究——人工智能已经压低了需求◈ 有力证据[30][31][32]。第二，据德米尔吉及其合作者的研究，剩下的工作更复杂、报酬也更高，但数量更少，竞争更激烈[31]。第三，在受监管的专业领域，瓶颈已从制作文件转向核查文件，而最适合承担核查的专业人士，恰恰是按老办法培养出来的——靠的正是如今由人工智能完成的起草工作◈ 有力证据[26][27]。这些专业正在被掏空的是金字塔的底部，而非顶端。

此前每一波办公自动化浪潮，都曾在初期引发同样的争论：它是否会摧毁文书工作。历史记录颇具启发意义。1954年LEO I接管里昂公司的工资核算时，它取代的是一整间一整间文员所承担的职能[78]。电子表格问世后，美国在随后三十五年间减少了约40万名簿记和会计文员，却新增了约60万名会计师和审计师，因为分析成本下降催生了更多分析需求✓ 已证实[76]。自动取款机从1985年的约6万台增至2002年的35.2万台，而银行柜员人数却从约50万小幅增至52.7万，原因在于每个网点所需人手减少，银行便开设了更多网点[77]。每一次都是任务先于职业消失，职业改变了形态，而非就此湮灭。

生成式人工智能已在个体劳动者层面带来可测量的时间节省。圣路易斯联储经济学家的一项调查发现，生成式人工智能用户节省了5.4%的工作时间，相当于节省了整体经济全部工时的约1.1%◈ 有力证据[37]。Anthropic对其Claude模型数百万次对话的分析估计，需要大学学历的任务提速约12倍；经成功率调整后，它将人工智能对劳动生产率增长的潜在拉动下调至每年1.0至1.2个百分点[38]。使用模式正在向自动化转移。在经由Anthropic编程接口的企业流量中，如今多数交互是把整项任务交给模型，而非与模型协作完成[38]。

企业层面的回报要单薄得多。麦肯锡2025年《人工智能现状》调查发现，只有39%的机构表示人工智能对企业层面的息税前利润产生了任何影响，而且其中多数认为影响不足5%✓ 已证实[39]。IBM 2025年对2000名首席执行官的调查发现，只有25%的人工智能项目实现了预期回报，仅16%在全企业范围推广[40]。美国人口普查局数据显示，2025年12月至2026年5月间，17%至20%的美国企业在业务中使用人工智能，而在员工250人及以上的企业中，这一比例为37%[35]。采用率在很大程度上取决于衡量方式：美联储的一份研究简报发现，18%的企业使用人工智能，但78%的劳动者受雇于使用人工智能的企业◈ 有力证据[36]。

丹麦的研究结果是关于人工智能如何影响工作最重要的单项证据，因为它把个人使用情况与行政记录而非自我报告联系起来。它传达的信息并不是人工智能毫无作用，而是节省下来的时间正在被吸收——转入新任务、人工智能的监督与整合，或在工资不变的情况下产出更多——而没有转化为更高的薪酬或更短的工时◈ 有力证据[4]。获取收益的是企业，而非劳动者；企业获取收益的主要方式，是那些没有花出去的钱。分析由此回到员工人数问题。2025年和2026年，大型雇主一边增加产出，一边明确地压缩或冻结白领员工规模：

• 亚马逊：2025年10月和2026年1月削减约3万个企业职能岗位，约占企业员工的10%；此前一份备忘录称人工智能将缩减企业职能团队[45][46]
• Salesforce：客服人员从约9000人减至约5000人，人工智能智能体处理约一半对话[17]
• Block：2026年2月在1万余名员工中裁减约4000人，并直接以人工智能工具为由[81]
• 摩根大通：预计运营部门人数五年内减少10%，而2025年第三季度利润增长12%，员工人数仅增长1%[85][47]
• 毕马威英国：2023年至2024年间应届生招聘削减29%，从1399人降至942人[48]

其中几家公司表示，人工智能并非主要原因。亚马逊将裁员定性为精简层级、减少官僚作风[46]。会计师事务所则把经济放缓和离岸外包与人工智能并列为原因[48]。耶鲁大学预算实验室2026年2月警告，一些公司可能在对裁员进行“人工智能粉饰”，而其深层原因另有所在，例如疫情后的过度招聘，以及预算被重新分配给人工智能资本开支⚖ 有争议[42]。负责汇编裁员数据的公司负责人安迪·查林杰（Andy Challenger）在2026年5月直白地道出了其中的逻辑：无论单个岗位是否被人工智能取代，这些岗位的经费确实被取代了[75]。过去用于支付员工薪酬的预算正被转投算力，无论某位具体员工是否被某种具体工具取代，这种重新分配都是真实存在的。

宏观经济估算的差距多达一个数量级，这本身就很说明问题。达龙·阿西莫格鲁（Daron Acemoglu）基于任务的模型认为，十年内全要素生产率的提升不超过0.66%[59]。宾大沃顿预算模型（Penn Wharton Budget Model）预计，到2035年GDP水平将提高1.5%，对年度生产率增长的拉动在2032年达到峰值，为0.2个百分点[60]。高盛（Goldman Sachs）2023年测算，全球相当于3亿个全职岗位面临自动化风险[56]；它估计，如果人工智能得到广泛采用，6%至7%的美国劳动力将被替代，过渡期间失业率将暂时上升约0.5个百分点⚖ 有争议[57]。估算之所以分歧巨大，是因为各方对人工智能能可靠完成多少任务、企业围绕它重组的速度有多快看法不一——而任务层面的研究恰恰表明，这两个变量最不确定。

证明人工智能已在影响就业的最严谨证据来自工资单数据，而非问卷调查。埃里克·布林约尔松、巴拉特·钱达尔（Bharat Chandar）和陈如玉（Ruyu Chen，音译）利用美国最大薪酬服务商ADP覆盖数百万劳动者的月度记录发现，在控制企业层面冲击后，自2022年底以来，人工智能暴露度最高的职业（包括软件开发和客户服务）中22至25岁员工的就业相对下降了13%◈ 有力证据[3]。同一职业中的年长员工保持稳定或有所增长[3]。该论文2026年8月发布的修订版使用截至2026年6月的数据，将这一差距定为19%[3]。

两个细节使这一发现比简单的相关性更有说服力。其一，降幅集中在人工智能主要用于自动化任务的职业，而在人工智能主要用于增强人类工作的职业，就业有所增长[3]。其二，调整是通过就业而非工资实现的——企业雇用的年轻人更少了，而不是付给他们更低的薪水[3]。布林约尔松在2025年8月总结道，在编程和呼叫中心等高暴露职业中，年轻劳动者的就业已开始下降，但年长劳动者以及借助人工智能增强自身工作的人，就业反而增加[3]。作者们将研究结果定性为描述性而非因果性的[3]。

这一模式远不止出现在软件行业。纽约联储对22至27岁应届大学毕业生的追踪显示，2026年第二季度其失业率约为5.6%，而全体劳动者约为4.2%——倒挂幅度异常之大——就业不足率约为42%✓ 已证实[50]。燃烧玻璃研究所（Burning Glass Institute）发现，2022年后，在业务运营、项目管理和金融等人工智能暴露领域，要求三年以下经验的招聘信息急剧减少，学历在失业率上的优势已收窄至30年来最小[51]。其报告指出，生成式人工智能恰恰擅长初级员工传统上从事的基础性工作：资料检索、初稿撰写、基础数据分析和日常沟通[51]。

在英国，职位空缺数据呈现的证据更为严峻。招聘平台Adzuna发现，2022年11月至2025年年中，入门级职位空缺——应届生岗位、学徒、实习和初级职位——减少了31.89%，在全部招聘信息中的占比从28.9%降至25%◈ 有力证据[49]。四大会计师事务所大幅削减应届生招聘：毕马威削减29%，德勤18%，安永11%，普华永道6%；Indeed记录到，英国会计类应届生招聘广告较2023年减少44%[48]。美联储理事迈克尔·巴尔（Michael Barr）2026年2月表示，人工智能暴露领域的早期职业劳动者已经出现相对就业下降，并警告短期影响可能给他们带来长期后果[79]。

因果关系确实存在争议⚖ 有争议[52][42]。经济创新集团（Economic Innovation Group）2026年1月提出，人工智能暴露职业中年轻劳动者就业下降，更合理的解释是四十年来最剧烈的货币紧缩，对利率敏感的科技和金融行业招聘首当其冲[52]。燃烧玻璃研究所本身也提到了毕业生过剩[51]。耶鲁大学预算实验室2026年4月发现，失业者与在职者对人工智能任务的暴露度相同；倘若人工智能正在把人挤出工作岗位，就不应出现这种情况[42]。疫情后科技行业的过度招聘与廉价资本时代的终结，冲击的恰恰是人工智能暴露度最高的行业，这使两种解释难以区分。

尽管如此，证据的分量仍支持一个经得起上述质疑的较窄结论◈ 有力证据[3][44][58]。在同一职业、同一企业内部，年轻劳动者相对于年长者正在失去优势，而且在人工智能自动化任务的地方，损失大于其增强任务的地方[3]。利率显然无法解释这种职业内部的年龄差距。接受纽约联储调查的雇主表示，他们预计人工智能会放缓招聘，尤其是对大学毕业生的招聘，而不是引发裁员[43][44]。现阶段，白领工作的静默自动化主要是对“入职”的自动化：过去交给新人的工作正被交给软件，而新人则没有被录用。

全球机构在暴露规模上看法一致，对其含义却各执一词。国际货币基金组织（IMF）2024年1月估计，全球近40%的就业、发达经济体约60%的就业受到人工智能影响，并警告在大多数情景下人工智能可能加剧不平等[54]。国际劳工组织2025年的指数将暴露比例定为全球就业的25%，文书工作是暴露度最高的职业类别；该指数还发现了明显的性别差距：在高收入国家，女性就业中有9.6%属于最高暴露类别，男性则为3.5%✓ 已证实[53]。世界经济论坛2025年的雇主调查预计，到2030年将新增1.7亿个岗位、替代9200万个岗位，40%的雇主预计会在人工智能可自动化任务的领域裁减人员[55]。暴露度衡量的是人工智能可能触及的范围，而非它将取代的范围，国际劳工组织自己也强调转型而非替代[53]。

美国是岗位替代之争最激烈、数据也最丰富的地方。企业公告、查林杰公司的裁员统计以及ADP工资单研究结果，都指向与人工智能相关的白领工作重组◈ 有力证据[1][3]。然而，耶鲁大学预算实验室并未发现整体经济层面的冲击[42]，纽约联储也发现由人工智能驱动的裁员极少[44]。美联储官员已开始将其视为政策问题。理事克里斯托弗·沃勒（Christopher Waller）2025年10月表示，人工智能的发展似乎如此之快，以至于岗位流失可能先于新岗位出现[80]。正如第六部分所述，英国的职位空缺数据最清楚地显示了入门级效应[49][48]。智库英国公共政策研究所（IPPR）2024年警告，在最坏情况下的第二波采用浪潮中，英国多达800万个岗位可能消失，后台、入门级和兼职岗位首当其冲[61]。

日本对同一项技术的表述截然相反。瑞可利职业研究所（Recruit Works Institute）预计，到2040年日本劳动力缺口将超过1100万人[66]，因此人工智能被定位为缓解劳动力短缺的良方，而非就业威胁。瑞穗金融集团表示，人工智能将在十年内吸收相当于约5000个行政岗位的工作量，约占其日本文书员工的三成，员工将被调往销售和面向客户的岗位，而非被解雇◈ 有力证据[64]。日本国会于2025年5月28日通过的《人工智能促进法》是一个软法框架，既无罚则，也不含针对就业的义务[65]。岗位调配确有其事，但在十年时间里，它仍可能意味着文书岗位招聘减少——同一套静默机制，只是换了个名称[64]。

德国和丹麦提供了最审慎的行政数据证据。德国联邦就业局下属研究机构就业研究所（IAB）估计，38%的雇员所在职业中超过70%的任务在技术上可以自动化，增幅最大的是高技能专家和IT服务[67]。该所2025年的研究发现，迄今尚无显著的人工智能导致的就业流失[67]。第五部分讨论过的丹麦登记数据，在收入和工时上也得出了同样的零效应结果[4]。印度的情况则出现分化。塔塔咨询服务公司（TCS）2025年7月宣布，将裁减约1.2万个岗位，约占其61.3万名员工的2%，主要涉及中高层管理人员[62]。相比之下，印孚瑟斯（Infosys）每年仍招聘约2万名毕业生，并在上岗前进行人工智能培训，威普罗（Wipro）的目标约为1万人◈ 有力证据[63]。

迄今为止，监管的焦点在于人工智能如何被用于管理劳动者，而非它是否取代劳动者。欧盟《人工智能法》（AI Act）将用于招聘、晋升、解雇、任务分配和监控的人工智能列为高风险，其人工智能素养义务自2025年2月2日起适用✓ 已证实[68]。但2026年7月，欧盟的《人工智能数字综合法案》（Digital Omnibus）将包括就业相关义务在内的高风险义务，从2026年8月推迟至2027年12月2日[69]。科罗拉多州的综合性《人工智能法》从2026年2月推迟到6月[71]。纽约州于2025年在裁员通知表格中增加一个勾选项，询问雇主自动化或人工智能是否为裁员原因；第一年里，160余家申报企业中没有一家以人工智能为由勾选[70]。美国参议员马克·华纳（Mark Warner）和乔希·霍利（Josh Hawley）提议，强制企业每季度向劳工部报告与人工智能相关的裁员、招聘和再培训情况[73]。

在政治层面，争论的两极化速度快于证据的积累。参议院卫生、教育、劳工和养老金委员会（HELP）民主党少数派工作人员2025年10月发布的一份报告称，人工智能和自动化可能在十年内取代近1亿个美国岗位，但其估算部分是通过向ChatGPT输入提示生成的，且未经同行评审⚖ 有争议[72]。另一端，许多科技高管坚称新增岗位将多于流失岗位。Anthropic的达里奥·阿莫迪（Dario Amodei）2025年5月警告，人工智能可能在一到五年内消灭一半入门级白领岗位，并将失业率推高至10%至20%[82]。英伟达的黄仁勋表示，他几乎不同意阿莫迪在这一问题上的所有说法[83]；福特的吉姆·法利（Jim Farley）则称，人工智能将不折不扣地取代美国一半的白领劳动者[84]。

迄今最有效的保护并非来自立法，而是来自集体谈判。2023年美国编剧工会（Writers Guild of America）的合同结束了从5月2日持续至9月24日的罢工，禁止人工智能撰写或改写文学素材，并禁止制片公司要求编剧使用人工智能✓ 已证实[74]。这一模式适用于劳动者有组织、产出易于界定的领域，而大多数办公室工作两个条件都不具备。因此，跨国比较所揭示的政策缺口十分具体：没有一个主要司法辖区在测量人工智能所阻止的招聘，即便测量了，现有规则也几乎都无法将其纳入◈ 有力证据[70][73]。各国政府监管的是看得见的裁员，而看不见的“未录用”则无人记录。

两栏都包含有力证据，一旦弄清各自测量的对象，分歧便会缩小。总量研究——耶鲁的职业结构分析、丹麦的登记数据、德国的行政记录——问的是人工智能是否改变了整个职业的总就业、收入或工时◈ 有力证据[42][4][67]。答案是：尚未改变。工资单和职位空缺研究问的是，进入人工智能暴露领域的新人流量是否发生了变化◈ 有力证据[3][49][50]。答案是：已经变了。劳动力市场可以在入职流量萎缩的同时保持总量稳定，因为在职者保住了工作，而自然流失又很缓慢。白领就业的存量风平浪静，流入量却并非如此。

企业裁员数据尤其值得双向审视⚖ 有争议[1][42][70]。查林杰公司统计的是企业在公告中的说法，而非裁员的真实原因；在被提及的理由中，人工智能的占比从2026年5月的40%降至9月的9%[1]。该公司2026年8月还报告，公告招聘人数同比增长25%[2]。纽约州的申报数据表明，企业会在新闻稿中提及人工智能——在那里，它向投资者传递效率信号——却不会写进法律文件，因为在那里归因要承担后果[70]。不过，相反的错误同样可能发生。当人工智能吸收了一个从未发布的岗位的工作时，没有任何公告、申报或失业救济申请会记录下来。静默的影响按定义就会被低估，而喧嚣的影响则很可能被高估。

逐项职能的证据指向一个清晰的暴露度排序◈ 有力证据[17][8][31][27]。客户服务和常规后台处理面临最直接的替代，因为这些任务量大、定义清晰、易于监控。软件开发面临大幅的产出提升，以及需求从初级向资深人员的急剧转移。自由职业写作、翻译和图库图片在本已朝不保夕的市场低端面临替代。法律和会计的速度提升最大，失误代价也最高，这使人工审核者暂时得以保留。在所有这些领域，经验较少的劳动者从工具中获益最多，也最容易被工具取代[14][34]。

这一悖论正是本报告的核心发现。在对照研究中，人工智能是一种均衡器：它对最弱的表现者提升最大，缩小了客服、咨询、法律和软件领域的技能差距✓ 已证实[14][34][26][8]。而在劳动力市场上，它正在发挥门槛的作用：恰恰在它能让初级员工更高效的时候，它让招聘初级员工变得不再那么必要[3][51]。哪种效应占上风，取决于雇主让谁来使用这一工具。如果企业把人工智能交给初级员工并继续招聘他们，均衡效应胜出；如果企业把人工智能交给资深员工并停止招聘初级员工，门槛效应胜出——而工资单数据表明，迄今为止，后一种选择更为普遍。

有三种情况会改变这一评估。第一，总量数据中出现明确的岗位替代证据——暴露职业中有经验劳动者的失业率上升，而不仅仅是入职放缓。耶鲁大学预算实验室和纽约联储的数据序列值得关注[42][44]。第二，有证据表明人工智能带来的生产率正在推高工资或大规模创造新职业，就像电子表格之于会计师那样[76]。丹麦数据显示收入提升仅出现在3%至7%的情况中，尚未表明这一点[4]。第三，入门级招聘出现逆转，因为企业像Klarna在客服领域那样发现，削减过度会损害质量[16]。

对政策制定者而言，证据表明首先要解决的是测量问题，其次才是保护问题。没有任何司法辖区系统记录被人工智能阻止的岗位，而自愿披露毫无成果[70]。华纳和霍利所提议的那种强制报告与人工智能相关的招聘变化的制度，至少能让静默的影响显现出来[73]。对雇主而言，证据表明，成本最低的短期策略——用人工智能避免招聘初级员工——会以培养梯队断裂为代价带来长期成本，而这一成本没有哪家企业会独自承担。对2026年踏入专业职业生涯的劳动者来说，证据直言不讳：过去人们赖以学会一份工作的任务，正是人工智能如今最擅长的任务；进入白领工作的道路，越来越取决于监督、核查和纠正人工智能的能力◈ 有力证据[3][34][51]。