|
兩位哈佛學者通過研究6200萬份簡歷和近2億條招聘職位數(shù)據(jù)，揭示了AI對就業(yè)帶來的真實、殘酷的沖擊：它不是無差別地針對所有人，而是在大量“吞噬”初級崗位，讓那些剛剛踏入社會的年輕人，面臨著空前陡峭、狹窄的職業(yè)起跑線。與此同時，為數(shù)眾多的普通院校畢業(yè)生群體受到的沖擊更為顯著。 想象一個你我身邊越來越常見的場景：一位大學畢業(yè)生，滿懷期待地投出簡歷，奔赴一場場面試，卻沮喪地發(fā)現(xiàn)，那些曾經(jīng)專為新人開放的入門崗位越來越少。而在同一時間，那些需要豐富經(jīng)驗的資深崗位卻依然在招人，甚至需求更多。這種現(xiàn)象的背后，一場結(jié)構(gòu)性轉(zhuǎn)變似乎正在全球白領(lǐng)勞動力市場悄然上演。哈佛大學的兩位學者，Seyed M. Hosseini與Guy Lichtinger，在一篇名為《生成式AI作為資歷偏向型技術(shù)變革》的論文中，為我們提供了確鑿的證據(jù)。他們使用了一個極其龐大的數(shù)據(jù)庫，涵蓋了從2015年到2025年，約6200萬名員工的領(lǐng)英簡歷和高達1.98億條招聘信息，系統(tǒng)地分析了生成式AI對公司內(nèi)部崗位需求的影響。最終的結(jié)論十分清晰：隨著生成式AI的普及，企業(yè)正愈發(fā)表現(xiàn)出“偏愛資歷”的傾向，相較于經(jīng)驗豐富的員工，職場新人正受到更集中、更快速的沖擊。為了確保研究的嚴謹性，研究人員首先需要解決一個核心問題：如何準確地從海量公司中，找出那些真正開始使用生成式AI的企業(yè)？以往的研究大多依賴于寬泛的“暴露度”指數(shù)，即通過評估特定職業(yè)的任務內(nèi)容被AI替代的可能性來進行推斷，但這終究停留在預測層面，無法捕捉企業(yè)的實際部署決策。因此，Hosseini與Lichtinger設(shè)計了一個兩步識別法，來找出那些真正在業(yè)務中采納生成式AI的公司。第一步，是大范圍篩選。他們將目光鎖定在那些發(fā)布“AI集成”崗位（AI integrator）招聘信息的公司。這些職位并非AI算法的研究或開發(fā)崗，而是專門負責將生成式AI技術(shù)與公司現(xiàn)有工作流程、產(chǎn)品或內(nèi)部系統(tǒng)緊密結(jié)合的崗位。例如，一個初級產(chǎn)品經(jīng)理崗位要求“對生成式AI安全挑戰(zhàn)有深刻理解”和“有提示工程的實踐經(jīng)驗”，或一個“生成式AI開發(fā)顧問”的職責是“生成式AI模型的可擴展設(shè)計和開發(fā)利用”。典型的來自AI采納企業(yè)的招聘信息 | 圖源：論文這些都是企業(yè)積極部署AI的明確信號。當一家公司開始招聘此類職位，即標志著它已從考慮使用AI轉(zhuǎn)向了部署AI。研究團隊在招聘信息中，搜索包含ChatGPT、Generative AI、LangChain、Prompt Engineering、RAG等特定AI關(guān)鍵詞的崗位，從總量高達1.98億份的完整職位描述文本中，初步篩選出約60萬條相關(guān)招聘。第二步，是精準識別。他們利用大語言模型對這60萬條信息進行分類，從中識別出真正的““AI集成師”崗位（即負責將AI工具融入業(yè)務流程的崗位），比如模型部署、提示詞工程、AI系統(tǒng)運維等崗位。最終，約13萬條招聘被精準標記。發(fā)布過這類職位的公司，就被定義為“AI采納者”（積極應用生成式AI的企業(yè)），共計10,599家，約占樣本總數(shù)的3.7%。這種方法研究的結(jié)果是更加關(guān)注企業(yè)擁抱AI的實際行動，而非僅僅停留在口頭。“AI采納者”所在的行業(yè)分布 | 圖源：論文與“未采納AI”（沒有大規(guī)模應用AI的企業(yè)）的企業(yè)相比，這些企業(yè)存在顯著的系統(tǒng)性差異。比如，它們普遍規(guī)模更大，平均員工數(shù)量約500人；資深員工更多；企業(yè)業(yè)務多集中在信息技術(shù)行業(yè)（36%）和專業(yè)服務行業(yè)（25%）。換句話說，從事信息技術(shù)和專業(yè)服務的大企業(yè)，更愿意在實際業(yè)務流程中部署AI。當我們對照樣本公司中初級員工和高級員工雇傭數(shù)據(jù)時間序列圖，一條清晰的線索浮現(xiàn)了。樣本公司中，初級員工和高級員工的平均數(shù)量（隨時間變化） | 圖源：論文數(shù)據(jù)顯示，在2023年之前，也就是ChatGPT等工具普及之前，每月新增的AI采納企業(yè)數(shù)量很少且保持穩(wěn)定，平均約為30家。然而，從2023年初開始，采納AI的公司數(shù)量出現(xiàn)了爆炸性增長，并隨后穩(wěn)定在每月約400家的水平。到2025年3月，符合AI采納者定義的企業(yè)總數(shù)已超過10,000家。隨時間變化，每月新增的AI采納企業(yè) | 圖源：論文與此高度同步的是，公司內(nèi)部的崗位結(jié)構(gòu)也開始分化。從2015年到2022年中，初級和資深崗位的增長幾乎是并駕齊驅(qū)的。但從2022年中期開始，初級崗位的增速明顯放緩，并在2023年出現(xiàn)了顯著的下滑，而資深崗位卻保持上升勢頭。研究結(jié)果為“AI導致初級崗位減少”這一因果關(guān)系，提供了強有力的間接證據(jù)。在識別出AI采納企業(yè)并掌握了它們的基本特征后，接下來的工作便是運用計量經(jīng)濟學方法，量化這種采納行為對勞動力結(jié)構(gòu)產(chǎn)生的具體影響。研究人員首先采用了經(jīng)典的雙重差分法（Difference-in-Differences, DiD）。該方法通過比較AI采納企業(yè)在AI廣泛應用（2023年第一季度）前后初級員工數(shù)量的變化，再與“非AI采納者”在同一時期的變化進行對比，從而分離出由AI采納這一特定事件所帶來的凈效應。一個關(guān)鍵的前提是，在事件發(fā)生前，兩組公司的變化趨勢應是平行的。數(shù)據(jù)顯示，從2015年到2022年底，“AI采納者”與“非AI采納者”的初級員工就業(yè)增長趨勢確實保持平行，滿足了該方法的核心假設(shè)，證明了它們在事件發(fā)生前具有可比性。“AI采納公司”和“非AI采納公司”之間的就業(yè)差異（隨時間變化）| 圖源：論文結(jié)果顯示，從2023年第一季度開始，兩條趨勢線開始交叉?！?/span>AI采納企業(yè)”的初級員工人數(shù)相對于非采納企業(yè)出現(xiàn)了斷崖式下跌。而在采納AI六個季度之后，這些公司里的初級員工規(guī)模，相較于未采納AI的公司，下降了約7.7%。為進一步增強結(jié)論的可靠性，研究人員還采用了更穩(wěn)健的三重差分法（Triple-Difference, DDD）。該方法在DiD的基礎(chǔ)上增加了一個比較維度：它不僅在不同公司和不同時間點之間進行比較，還在同一家公司內(nèi)部、同一時間點上，對初級員工與資深員工的相對變化進行比較。這種設(shè)計能夠融合那些可能影響整個公司的、未被觀察到的特定沖擊（例如，公司戰(zhàn)略調(diào)整、行業(yè)景氣度變化等），從而更精確地鎖定AI對不同資歷員工數(shù)量的差異化影響。三重差分法的結(jié)果再次驗證并強化了此前的發(fā)現(xiàn)。數(shù)據(jù)顯示，從2023年第一季度起，在采納AI的公司內(nèi)部，初級崗相對于資深崗的比重，累計下降了近12%。綜合以上，該研究得出了一個明確的結(jié)論：生成式AI的崛起構(gòu)成了一種“資歷偏向型技術(shù)變革”（seniority-biased technological change）。它對初級員工的就業(yè)前景造成了一定影響，而資深員工的職位則未受影響，甚至得到加強。那么，初級崗位的減少是如何發(fā)生的？是企業(yè)在大規(guī)模裁掉新人嗎？答案出乎意料。通過分析員工的流入（招聘）、流出（離職）和內(nèi)部流動（晉升），研究發(fā)現(xiàn)，初級崗位的收縮，主要來自于企業(yè)大幅減緩了外部招聘，而不是因為解雇了更多人。“采納AI”的公司，平均每個季度會少招聘約3.7名初級員工，這相當于他們此前平均招聘量的22%。反直覺的是，這些公司里初級員工的離職率反而有所下降，內(nèi)部晉升的速度則有所加快。這一發(fā)現(xiàn)的深層含義在于，當前這波AI浪潮的主要影響模式，并非直接的員工替代，而是對特定任務的替代。這些被替代的任務，恰好集中在認知型工作的最底層。而資深員工的工作內(nèi)容通常涉及更復雜的戰(zhàn)略思考、管理決策和非結(jié)構(gòu)化問題解決，這些任務與AI形成了互補關(guān)系，使其職位得以保全。研究人員還指出，這場變革在不同行業(yè)和教育背景的人群中，展現(xiàn)出了明顯的差異。生成式AI的采用對各行業(yè)招聘的預估影響 | 圖源：論文從行業(yè)角度來看，批發(fā)和零售業(yè)的初級崗位受沖擊最為嚴重。在這些行業(yè)中，采納AI的企業(yè)相比未采納AI的，初級崗位的招聘降幅接近40%。這與該行業(yè)特性密切相關(guān)，因為生成式AI極度擅長處理重復性的溝通、訂單處理、商品描述等文本與對話類任務，而這些正是零售業(yè)入門崗位的核心工作內(nèi)容。相比之下，在所有被分析的行業(yè)中，AI對資深崗位的招聘影響要么是積極的，要么在統(tǒng)計上不顯著。將視角轉(zhuǎn)向員工教育背景時，研究人員以員工畢業(yè)院校的聲望等級作為代理指標，利用大模型將院校分為五個等級，Tier 1為最精英的全球頂尖學府，Tier 5為聲望最低的院校，并分析了AI對來自不同等級院校的初級員工就業(yè)的影響。他們發(fā)現(xiàn)了一個有趣的U型現(xiàn)象：受沖擊最顯著的，是來自Tier 2和Tier 3中間梯隊院校的畢業(yè)生。來自Tier 1頂尖名校和排名靠后院校的畢業(yè)生，受到的影響反而較小。Tier 5院校畢業(yè)生的就業(yè)下降幅度甚至是最小的，且在統(tǒng)計上不顯著。員工畢業(yè)學校的聲望與初級崗位減少的關(guān)系 | 圖源：論文這背后的邏輯可能是，頂尖畢業(yè)生的綜合能力強、溢價高，工作可能更多涉及高度創(chuàng)新、戰(zhàn)略性和非結(jié)構(gòu)化的問題解決，企業(yè)難以且不愿輕易放棄。而最末端畢業(yè)生的用工成本低，或者大部分在從事的勞動密集型工作，AI難以替代。唯獨中間地帶的畢業(yè)生，其薪資和所從事工作的可替代性，恰好處于最容易被AI降本增效的區(qū)間。研究指出，他們的年薪普遍在6.4-7.1萬美元之間，所從事的許多任務本質(zhì)上是程序化和常規(guī)化的，例如撰寫市場分析報告、提供客戶支持、進行數(shù)據(jù)整理等等。當然，這項研究并非沒有局限。研究者也坦言，“AI的采納”并非隨機事件，愿意在早期采納AI的公司本身就更大、更集中于科技行業(yè)。盡管研究方法已盡力排除干擾，但無法完全消除所有潛在的混雜因素。同時，我們也應當辯證地看待研究結(jié)果：這一方面是技術(shù)進步的必然，AI能幫助新人更快成長，但也不排除一些企業(yè)只是拿AI當借口，背后真正的動機是宏觀經(jīng)濟下行、成本控制，以及對更高股價的追求。這些觀點與研究結(jié)論并不沖突，AI是一個關(guān)鍵且可觀測的驅(qū)動因素，但它并非唯一原因。論文的最后寫道：“鑒于職業(yè)生涯早期的發(fā)展對個人一生的職業(yè)發(fā)展軌跡至關(guān)重要，入門級機會的系統(tǒng)性減少可能會在未來幾十年內(nèi)顯著加劇收入不平等?！?/span>一個人的職業(yè)命運，可能比以往任何時候都更取決于他/她是在AI浪潮到來之前還是之后進入職場。對于正在求職或剛進入職場的年輕人而言，應對策略是提升那些AI短期內(nèi)難以替代的能力，包括復雜問題解決、跨團隊協(xié)調(diào)、創(chuàng)造力、批判性思維與溝通能力，以及對AI工具的熟練應用能力。要將熟練掌握AI視為一種能力（就像熟練掌握Office一樣），而非威脅。同時，尋找那些能提供結(jié)構(gòu)化培訓、導師制度及多樣化任務輪換的機構(gòu)，這將有助于縮短從新人到能獨立承擔高階任務的過渡期。對于已經(jīng)處于職業(yè)中期或資深層級的人士，理解如何與AI形成互補、如何將AI作為決策支持、如何利用AI放大經(jīng)驗優(yōu)勢，比擔憂自己是否會被替代更為重要。總而言之，哈佛的這項研究提供了一份詳實且系統(tǒng)的證據(jù)，表明生成式AI正在以一種獨特的方式重塑職場：它抹去了許多入門級工作的需求，使得年輕人通往職業(yè)生涯的“第一級臺階”變得更少、而且更陡峭了。無論你想不想，理解、適應并主動塑造AI時代的職業(yè)生態(tài)，都是當下我們所有人需要共同面對的。[1] https://papers./sol3/papers.cfm?abstract_id=5425555 [2] https://papers./sol3/papers.cfm?abstract_id=4945566[3] https://www./lifestyle/careers/ai-entry-level-jobs-graduates-b224d624[4] https://www./news/macro/is-ai-responsible-for-the-rise-in-entry-level-unemployment/注：本文封面圖片來自版權(quán)圖庫，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛。
|
