关于 AI 抢工作的讨论,多数停留在预测层面。澳大利亚储备银行拿出了一份带监测系统的实证。
研究由该行的迈克·梅杰开展,方法是建立一套就业市场监测系统,重点关注最可能率先受 AI 影响的群体:职场新人,以及编程、文职工作和客户服务等 AI 影响程度较高的职业。结论是,自 2022 年底 ChatGPT 推出以来,各类职业的招聘岗位数量均有所下降,其中 AI 影响程度最高的职业降幅最大;在这一群体中,15 至 24 岁的年轻劳动者和刚毕业的大学生,就业率低于年龄更大的从业者,失业率相对更高。
这个结论的分量在于「谁先受影响」。多数宏观讨论关注总量——AI 会净增还是净减岗位;这项研究把镜头拉到结构上:不是所有人同时被替代,而是入口先变窄。年轻人原本靠初级岗位积累经验,一旦入口收缩,影响会在数年后才显现在人才供给上。
梅杰本人给出了必要的提醒:目前还不能据此轻易下结论。研究并未证明就业形势恶化与 AI 之间存在直接因果关系,衡量的也是各类职业在理论上受 AI 影响的程度,而不是企业实际使用 AI 的情况;疫情后经济周期变化、远程办公模式调整等因素,也可能影响数据。
把同期其他研究摆在一起,图景更清楚。2025 年 8 月斯坦福大学基于数百万份美国工资记录的研究发现,自 2022 年底以来,22 至 25 岁从事 AI 高影响职业的劳动者就业人数相对减少 13%,年轻软件开发人员的降幅接近 20%;同行业中经验更丰富的从业者就业基本稳定,部分人甚至改善。Anthropic 于 2026 年 3 月发布的研究同样发现,在易受 AI 影响的职业中,22 至 25 岁年轻人招聘需求下降,找到工作的概率降低约 14%,但整体失业率没有系统性上升。
Anthropic 自身提供了一个企业层面的极端样本:据其内部评估,自 2025 年初以来,技术岗位中新入职初级员工的占比已从 27% 降至 9%;截至 2026 年 8 月,公司内部 AI 智能体累计执行任务的时间达到人类员工工作时长的 6 倍。公司也承认,作为高度依赖 AI 的软件企业,其情况具有特殊性,不能代表整个就业市场。
反方向的证据同样存在。丹麦一项针对 2.5 万名劳动者的大规模研究发现,尽管当地 AI 使用率已达 64%,仍未观察到工资水平或工作时长出现可测量的变化,劳动者平均每周仅节省相当于工作时间 2.8% 的时间。2026 年 1 月一项基于 1060 万份 LinkedIn 资料与美国失业数据的分析则指出,AI 影响较大的职业,其就业问题早在 2022 年初就已出现,比 ChatGPT 发布早了数月——这意味着货币政策转向、疫情后招聘热潮退去等宏观因素,可能比此前认为的更重要。
新需求一侧的数据也在增长。世界经济论坛《2025 年未来就业报告》显示,77% 的受访企业把员工技能提升列为优先事项,而不是通过裁员削减岗位,并预计到 2030 年全球岗位数量净增 7800 万个;LinkedIn 数据显示一年内平台上 AI 相关招聘信息数量增长 6 倍。
真正值得警惕的是研究者提出的「认知公地悲剧」:如果企业持续减少初级岗位,未来可能出现经验丰富的专业人才短缺。原因是资深员工通常从初级岗位逐步成长,若企业不再招新人,人才培养链条就可能被切断。这个担忧有个前提——未来企业仍然需要这些专业人才;如果届时大量工作已由智能体承担,逻辑会走向另一面。
对个体来说,可操作的结论并不新鲜但更紧迫:入门岗位的竞争在加剧,而「会用 AI 完成任务」正在从加分项变成基础项。对企业的提醒则更实际:把初级岗位当成可削减的成本项,短期看是效率,长期看是把自己的人才供应链剪断。这类决策的后果不会在当季财报里出现,要五到十年后才看得见。
对政策制定者,这项研究的方法本身也有参考价值——用「职业受 AI 影响的理论程度」分层监测招聘与就业数据,比等总量指标变化更早发现结构性问题。数据不会告诉你因果,但能告诉你哪里先裂开。