Stanford 大学 Erik Brynjolfsson 等人 2025 年论文，利用美国最大薪酬服务商 ADP 的海量后台数据，揭示了生成式 AI 对美国劳动力市场的真实冲击。研究发现，AI 正在成为职场新人的“杀手”。在软件开发、客户服务等高 AI 暴露度的职业中，22-25 岁年轻员工的就业率下降了 13%，而资深员工则未受影响。更有趣的是，这种冲击主要源于 AI 的“自动化”替代作用，而非“增强”辅助作用。这表明，AI 革命正在重塑就业结构，而职场新人正是那只预警危险的“金丝雀”。
这篇论文通过分析美国最大薪酬软件提供商 ADP 的高频管理数据，研究了劳动力市场中那些高“生成式 AI 暴露度”职业的变化情况。我们要陈述六个描述这些转变的关键事实。
研究发现，自从生成式 AI 广泛普及以来，在 AI 暴露度最高的职业中，处于职业生涯早期（22-25 岁）的员工就业率相对下降了 13%，这一结果即使在控制了公司层面的冲击后依然成立。相比之下，在 AI 暴露度较低的领域，或者同一职业中更有经验的老员工，其就业率则保持稳定甚至持续增长。
我们还发现，劳动力市场的调整主要体现在就业数量上，而不是薪资补偿上。此外，就业下滑主要集中在 AI 倾向于“自动化”（替代）人类劳动的职业，而非 AI 起到“增强”（辅助）作用的职业。
无论是排除科技类公司，还是排除适合远程工作的职业，我们的结论都依然稳健。这六个事实提供了早期的大规模证据，支持了这样一个假设：AI 革命正开始对美国劳动力市场中的入门级员工产生显著且不成比例的冲击。
引言：AI 带来的转折点
生成式人工智能（AI）的普及引发了全球关于其劳动力市场影响的激烈辩论。从学术界、政策制定者到商业界和媒体，观点各异：有人预测生产力将大幅提升，有人担忧大规模失业，也有人认为影响微乎其微。
历史上，技术对不同的任务、职业和行业有着不同的影响——有些被替代，有些被增强，有些则被彻底改造。这种不均匀的效应表明，可能会出现“煤矿里的金丝雀”，即某些群体会率先感受到 AI 的广泛影响。
AI 的能力在多个领域突飞猛进。根据最新的 AI Index Report，2023 年 AI 系统在 SWE-Bench（衡量软件工程能力的基准测试）上只能解决 4.4% 的编程问题，但到了 2024 年，这一比例飙升至 71.7%。同时，AI 的采用率也在激增。调查显示，截至 2025 年年中，近半数美国员工在工作中使用大语言模型（LLM）。
既然能力提升且应用广泛，一个核心担忧随之而来：AI 是否开始取代人类劳动？尤其是那些在软件工程和客户服务等高暴露职业中的年轻入门级员工？
尽管争论激烈，但实证证据一直未能跟上技术发展的步伐。本文利用 ADP 的数据填补了这一空白。ADP 是美国最大的薪酬处理商，我们的样本涵盖了截至 2025 年 7 月的数千万工人的月度薪酬记录。通过将这些数据与既定的职业 AI 暴露度指标相结合，我们可以量化自生成式 AI 普及以来的实际就业变化。
以下是从数据中浮现出的六个关键事实。
事实一：高 AI 暴露职业中，年轻员工就业率显著下降
让我们看看软件工程师和客户服务专员，这两个通常被认为受生成式 AI 影响最大的职业。
数据显示，这两类职业呈现出相似的模式：自 2022 年底以来，最年轻群体的就业率大幅下降，而其他年龄段的就业率则继续增长。到 2025 年 7 月，22-25 岁的软件开发人员就业人数较 2022 年底的峰值下降了近 20%。
我们还观察了其他职业：
- 市场营销和销售经理（高 AI 暴露度）：年轻员工就业率同样下降。
- 一线生产主管（中等 AI 暴露度）：年轻员工就业率有所上升，但幅度小于 35 岁以上的员工。
- 健康护理助手（低 AI 暴露度）：年轻员工的就业增长速度反而快于老员工。
总体而言，在高 AI 暴露度的职业中，年轻人的就业前景与老员工出现了明显的分化；而在低暴露度职业中，这种差异则微乎其微。
事实二：尽管整体就业持续增长，但年轻人的增长陷入停滞
从整体经济来看，就业增长依然强劲，但这掩盖了年轻工人的困境。
自 2022 年底以来，年轻员工的就业增长开始趋于平缓。具体来看：
- 在 AI 暴露度最低的三个五分位数（quintiles）职业中，各年龄段的就业增长率都在 6-13% 之间，没有明显的年龄差异。
- 但在 AI 暴露度最高的两个五分位数职业中，22-25 岁年轻人的就业率下降了 6%，而 35-49 岁员工的就业率却增长了 9% 以上。
这表明，正是高 AI 暴露度职位的就业下滑，拖累了年轻人的整体就业增长。
事实三：就业下滑集中在 AI“自动化”工作的领域，而非“增强”领域
AI 既可以替代劳动（自动化），也可以辅助劳动（增强）。这对劳动力市场的影响截然不同。
我们利用 Anthropic Economic Index 的数据，区分了 Claude（Anthropic 的大语言模型）的查询是倾向于“自动化”还是“增强”。
- 自动化（Automation）： 当 AI 主要用于自动化任务时，我们发现年轻工人的就业率确实下降了。
- 增强（Augmentation）： 当 AI 主要用于辅助工作时，并未出现类似的就业下滑。事实上，在增强属性最强的职业中，年轻人的就业增长反而是最快的之一。
这一发现符合经济学直觉：自动化用途会替代劳动力，而增强用途则不会。
事实四：即使排除企业层面的冲击，年轻人的就业下滑依然存在
一种可能的反驳是：这种趋势是否由行业或公司层面的冲击（如加息）导致的？也许年轻员工恰好集中在那些受宏观经济影响最大的公司里？
为了验证这一点，我们通过控制“公司-时间”效应进行了严格的回归分析。这意味着我们在同一家公司内部比较不同岗位的招聘情况。
结果显示：即便在同一家公司内部，相对于低暴露度岗位，22-25 岁员工在高 AI 暴露度岗位的相对就业率仍下降了 12 个百分点。这在统计上非常显著。而其他年龄段的估算值则小得多且不显著。这说明，我们观察到的趋势并非由公司层面的冲击驱动。
事实五：调整主要体现在就业数量上，而非薪资上
除了就业人数，我们还分析了年薪变化。结果发现，不同 AI 暴露度的职业之间，薪资变化并未出现明显的分化。无论年龄大小或暴露度高低，薪资趋势基本一致。
这表明劳动力市场的调整主要通过“解雇”或“停止招聘”来实现，而不是降低留任员工的工资。这可能反映了短期内的“薪资刚性”（wage stickiness）。
事实六：结论在多种样本构建下依然稳健
我们进行了多项稳健性测试，以确保结论的可靠性：
- 排除科技行业： 即使剔除计算机相关职业或信息行业的公司，结果依然相似。这证明该现象不仅仅是科技行业的招聘放缓。
- 远程工作： 无论是在适合远程工作的职业，还是必须现场工作的职业中，高 AI 暴露度都导致了年轻员工就业增长放缓。这表明该结果并非完全由外包或远程工作趋势驱动。
- 学历因素： 这种模式不仅出现在高学历职业中，在低学历职业中也同样存在。对于非大学学历的工人来说，经验似乎更难成为抵御市场动荡的缓冲。
- 与 CPS 数据对比： 虽然我们尝试与当前的 Current Population Survey (CPS) 数据对比，但由于 CPS 样本量较小且波动剧烈，难以像 ADP 数据那样精确捕捉到细分年龄和职业的变化。
结论：为什么受伤的是年轻人？
我们的研究结果支持了“生成式 AI 已开始显著影响入门级就业”的假设。
为什么 AI 会不成比例地打击年轻员工？一个可能的解释是：
AI 擅长替代显性知识（Codified knowledge），即那些书本上能学到的、构成正规教育核心的知识。而 AI 目前还不太擅长替代隐性知识（Tacit knowledge），即那些随着经验积累的、只可意会不可言传的技巧和诀窍。
职场新人主要提供的是显性知识，因此在 AI 面前更容易被替代。而拥有丰富隐性知识的老员工，其面临的任务被替代风险较低，甚至可能因为其他技能而变得更有价值。
如果这种趋势持续下去，AI 革命可能会重塑年轻人的职业发展路径。我们将继续跟踪这一数据，观察这些“煤矿里的金丝雀”是否预示着更广泛的风暴即将来临。