毕业即失业？数据揭露：AI对职场影响的六大事实

生成式人工智能（Generative AI）的浪潮，如同一场突如其来的海啸，在学术界、商界和媒体间引发了关于大规模失业的激烈辩论。这场讨论涵盖了对生产力增强的乐观预测，也夹杂着对普遍性工作被取代的悲观恐惧。然而，历史经验表明，技术对劳动力市场的影响是高度异构的，它并非均匀地取代所有人，而是以不同的方式替换、增强或重塑工作。

如今，根据来自美国最大的薪资软件提供商ADP的高频行政数据，一个令人不安的趋势正在浮现：职场中最年轻、经验最少的群体（22岁至25岁）正经历着前所未有的相对就业率下降。

这些数据提供的六个关键事实，为正在进行的AI对劳动力市场影响的辩论，提供了早期、大规模的证据。

曾经被视为拥有“未来技能”的入门级专业人士，已经成为了这场革命中第一批倒下的“煤矿中的金丝雀”。这场调整不是普遍的失业，而是对特定群体的精准结构性打击。

初级软件工程师与客服代表大受冲击

最先感受到寒意的，是那些被媒体反复警告的高暴露职业。

ADP的庞大数据集提供了对劳动力市场调整的近乎实时观察。数据显示，自从2022年末（恰逢ChatGPT等生成式AI工具迅速普及的时间点）以来，在AI暴露度最高的职业中，22岁至25岁的早期职业工人经历了就业率的显著下降。

以软件开发人员和客户服务代表这两个高度暴露于生成式AI工具的职业为例。

截至2025年7月，22岁至25岁的软件开发人员的就业人数相比2022年末的峰值下降了近20%。

这种下降趋势，与从事相同职业但经验更丰富的员工形成了鲜明对比。

年长工人（如35岁至49岁）在最具AI暴露风险的职业中，就业率仍在增长，增幅超过9%。这种巨大的反差，清晰地勾勒出了AI正在制造的职场年龄鸿沟。

当审视所有职业时，年轻工人的整体就业增长自2022年末以来一直停滞不前。

这种整体疲软并非源于普遍的经济放缓，而是主要由AI暴露程度最高的职业的就业下降所驱动。从2022年末到2025年7月，在AI暴露度最高的两个五分位职业中，22岁至25岁的工人就业率下降了6%。

这种现象绝非仅限于科技行业的裁员潮。即使排除了计算机职业（如2010 SOC代码以15-1开头的职业）或信息部门的公司，年轻、高暴露群体的就业下降趋势仍然存在。

更深层次的分析进一步排除了行业或公司层面的总体冲击（例如利率变化）后发现：在最具AI暴露风险的五分位群体中，22岁至25岁工人的相对就业率下降了12个对数点。这表明，观察到的就业趋势并非由那些不成比例地雇佣年轻高暴露工人的公司所受到的差异性冲击所驱动。

与此形成鲜明对比的是，在暴露程度较低的职业中，如护理助理、精神病护理员和家庭健康助理，无论年龄大小，就业趋势都保持稳定或继续增长。

AI是工具，还是冷酷的“任务杀手”？

AI对劳动力市场的冲击并非一概而论，关键在于AI在特定职业中的应用倾向，究竟是替代（自动化）还是互补（增强）。

区分这两种作用，是理解就业出现分化现象的关键。

研究人员利用大型语言模型Claude的使用数据，来区分AI在特定职业中的应用模式。

如果AI的使用模式主要涉及“指令”（完全的任务委托，人机交互极少）或“反馈循环”（任务完成需要环境反馈指导，例如重复向模型中继编码错误），则被视为“自动化”行为。

相反，如果使用模式是“任务迭代”（协作细化过程）、“学习”（知识获取）或“验证”（工作验证和改进），则被归类为“增强”行为。

数据揭示了一个核心事实：入门级就业的下降，集中在那些AI应用倾向于“自动化”工作的职业。这与自动化用途替代劳动力的理论推断完全一致。

对于自动化程度最高的职业，年轻工人的就业率经历了显著下降。

然而，对于那些被估计出具有最高“增强”份额的职业，情况则截然不同。在这些增强性最高的职业群体中，年轻工人的就业变化不仅没有明显的下降趋势，甚至经历了最快的就业增长之一。

这项发现至关重要，它表明真正的“杀手”是那些能够将年轻员工核心任务完全接管的自动化应用。

这种就业趋势的转变，并非由远程工作和外包驱动的简单现象。即使在不可远程工作的高暴露职业（如银行柜员、旅行社、税务准备员）中，也出现了类似的就业下降模式。这有力地证明了，这种调整是由技术替代任务驱动的，而非仅仅是工作形式的变化。

经验的无形壁垒与被冻结的薪酬现实

在就业市场发生剧烈波动的同时，劳动力市场的调整更多地体现在就业人数上，而非薪酬水平。

在观察工人的年度基本薪酬趋势时（经通胀调整后），不同年龄或AI暴露群体之间的薪酬差异极小。

这种就业巨变与薪酬的相对稳定并存的现象，暗示着短期内工资僵固性（Wage Stickiness）可能正在发挥作用。公司可能更倾向于通过停止招聘或裁员来应对AI带来的劳动力需求变化，而不是调整现有员工的工资。

那么，为什么AI会不成比例地负面影响年轻工人呢？答案在于知识类型与经验壁垒。

一个强有力的解释是，AI的本质是通过模型训练来取代编码知识（codified knowledge）——那些形成正规教育核心的书本知识。

相比之下，默会知识（tacit knowledge）——那些随着经验积累而形成的独特技巧和窍门，是AI目前较难取代的。

年轻工人相对于年长工人，提供的编码知识较多，而积累的默会知识较少。

因此，在高暴露职业中，年轻工人更有可能面临任务被AI替代的风险。年长员工凭借积累了难以被标准模型复制的默会知识，构建了一条天然的经验护城河。

然而，这条护城河并非坚不可摧，特别是对于没有大学学历的工人。在低学历比例的职业中，就业成果的分化甚至延伸到了40岁以下的中年工人。这表明，经验对于低学历群体的缓冲作用，可能不如高学历群体明显。

当前的事实表明，经验不再仅仅是晋升的筹码，它正在成为职场生存的关键屏障。

新技术采用导致的工人之间的异构效应，必然会带来一个调整期。未来的研究需要持续追踪，以确定这种趋势是否会加速，或者工人是否能像IT革命那样，最终重新分配到需求增长的新形式中，带来稳健的增长和实际工资的提高。

这场竞赛考验的，是整个劳动力市场适应新生产力工具的速度和智慧。

AI对劳动力市场的早期影响已经不再是理论，而是冷酷的数字现实。这场危机揭示了核心教训：未来的职业路径，必须将重心从易被取代的编码知识，转向难以自动化的增强式协作与默会知识的积累。

作为职场新手，必须学会利用经验壁垒，并与算法进行协作，而不是被其完全吞噬。

当前正处于一个调整期。能否成功走出技术变革的阵痛，最终带来就业和实际工资的增长，取决于劳动力市场调整的速度和智慧。

现在，是时候重新定义工作的价值，适应这场由数据驱动、精确打击入门级人才的AI革命了。