问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
斯坦福数字经济实验室2026年8月发布基于薪资服务商ADP数百万美国劳动者高频数据的研究显示，生成式AI普及并未引发美国大范围岗位替代，但22至25岁职场新人受冲击最显著，软件开发、客服等AI高影响职业中，该群体就业率比低影响领域低19%，高等教育背景可有效降低相关就业风险。
2023年生成式AI热潮爆发后，关于AI替代劳动力的讨论始终存在“大规模失业论”和“效率提升论”两种对立观点，此次研究依托ADP的薪资高频数据，覆盖不同行业、不同工龄的全美劳动者，时间跨度长达3年，是目前相关领域可信度最高的实证研究之一。
研究数据显示，在软件开发、客服、内容审核等生成式AI渗透度较高的职业领域，22至25岁职场新人的就业率比AI低影响领域低19%，这一差距在2025年还仅为13%，冲击规模正在逐年扩大。研究者将这种入门层的集中失业现象称为“第一梯级就业塌方”，与之形成鲜明对比的是，同一领域工作年限超过5年的资深从业者，就业率不仅没有下降，反而同比上涨2.1%，企业对熟练掌握核心业务的资深人才需求反而有所提升。
之所以出现如此鲜明的代际分化，核心在于不同工作经验的从业者核心能力的属性差异。入门岗位的核心工作内容大多属于编码化知识，即通过教材、书面流程即可传授的标准化、文档化内容，规则明确、重复度高，恰恰是生成式AI最擅长处理的场景。而资深从业者的核心竞争力来源于默会知识，这类知识无法通过标准化文档传递，需要在真实业务场景中反复试错、接受导师指导才能积累，比如复杂业务问题的判断、跨部门协同的资源调度、高价值客户的需求挖掘等，都是AI短期内无法替代的能力。
研究同时证实了高等教育的就业缓冲作用：同样是22至25岁的职场新人，拥有本科及以上学历的群体在高AI影响领域的就业率差距仅为7%，远低于19%的平均水平。这部分群体往往具备更强的复杂问题解决能力和学习能力，能够快速掌握生成式AI工具的使用方法，将AI作为效率辅助工具而非竞争对手，适配企业新的用人需求。
研究团队提示，当前的就业分化只是生成式AI落地初期的阶段性现象，未来企业的入门级招聘标准会快速迭代，从考察标准化技能的掌握程度，转向考察AI工具协同能力、跨场景问题解决能力等更核心的素质。与之对应，高等教育体系也需要调整培养逻辑，减少纯记忆性、标准化的内容占比，增加实践类、创新类的课程设置，帮助毕业生更好地适配AI时代的劳动力市场需求。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号