目录
谈到AI普及后"先消失的工作"，很多人直觉认为 "做定型工作的资深员工最危险"。但这几年的实际数据显示的恰恰相反。
美国斯坦福大学 Digital Economy Lab 的 Brynjolfsson 等人的论文《Canaries in the Coal Mine?》利用薪资服务商ADP覆盖数百万人的工资数据表明，在容易受AI影响的职业中，只有22—25岁人群的就业增长停滞。继2025年8月的初版之后，2026年8月的修订版用截至2026年6月的数据报告称 差距进一步扩大。哈佛大学研究者分析约6,500万份简历的论文（2026年5月版）也报告，在引入生成式AI的企业中 只有年轻员工的就业下降；Anthropic把Claude使用数据与美国就业统计相对照的研究（2026年3月）也在年轻人的 “就职”上发现了同方向的迹象。
本文用研究和官方统计整理 AI对就业的影响如何因工作年限（年轻人与资深员工）而不同，并落实为 判断自己的工作属于哪一边的几个问题。哪些职业受影响最大，见受AI影响最大的15种职业；更容易留下来的工作的条件，见AI时代能存活的职业；白领整体的预测与实际数据的差距，见AI会消灭白领工作吗；在同一职场继续工作的人之间的成果差距，见AI如何拉大上班族之间的能力差距？
与直觉相反——AI先作用于年轻人的入口
— 易受AI影响职业的就业变化（美国 Stanford Digital Economy Lab，2026年8月修订版）
减少的实质是 "年轻人的招聘减少"，而不是"裁员增加"。
论文本身把这定位为"煤矿里的金丝雀"——早期迹象，而非因果推断。
1. 结论——数据说"年轻人先受影响"
不靠感觉，下面列出在发布方原文中核实过的数字。
| 研究（发布方、时间） | 对象 | 主要发现 |
|---|---|---|
| Stanford Digital Economy Lab《Canaries in the Coal Mine?》修订版（2026年8月） | ADP工资数据（美国，截至2026年6月） | 易受AI影响职业中22—25岁的就业，比假设与受影响小的职业同步增长时 低19%。有经验的群体没有类似差距 |
| 同上 | 22—25岁，受影响最大的2个等级 | 2022年11月→2026年6月 约−11%（受影响最小的3个等级约+10%）。35—49岁在受影响最大的2个等级 约+10% |
| 同上 | 22—25岁整体 | 受影响小的职业的增长抵消了大部分，整体 −1.9%（基本持平） |
| 同上·初版（2025年8月） | 截至2025年7月的数据 | 在调整企业层面因素的推算中为 13%的相对下降。按修订版的指标，当时为15%，到2026年6月扩大到19% |
| Anthropic《Labor market impacts of AI》（2026年3月） | 美国当前人口调查（CPS）中的22—25岁人群 | ChatGPT之后，进入高暴露职业的就职率比2022年下降约14%（统计上"勉强显著"）。25岁以上没有类似下降 |
| Hosseini、Lichtinger（哈佛大学）《Generative AI as Seniority-Biased Technological Change》（2026年5月版） | 美国简历数据（约6,500万人、28万多家企业，2015—2025年） | 开始引入生成式AI的企业，从2023年第一季度起年轻员工的就业相对未引入的企业下降，6个季度后低约9%（资深员工的就业走势几乎不变，主因是招聘放缓） |
| ADP Research“Canaries Dashboard”（2026年10月21日发布） | ADP工资数据（美国，2026年9月） | 受AI影响大的职业中22—25岁人群的就业 同比−3.7%，连续36个月同比下降（同样职业的全年龄为−0.5%，22—25岁的全部职业为−2.2%） |
有两点值得注意。第一，减少的是"招聘"，不是"裁员"。斯坦福的论文写道，影响主要通过年轻人招聘减少体现，而不是离职增加。在现有员工失业之前，入口先变窄了。第二，整个经济层面没有出现广泛失业。同一篇论文的第一个结论就是"没有经济整体范围内广泛替代的证据"，ADP样本的总就业在同期增长了约6%。影响集中在"年轻人 × 易受AI影响的职业"这一狭窄范围。
"年轻人 = 受保护"的传统观念已经不成立。反倒可以看到这样的结构："AI最容易自动化的，正是写定型代码、记账、问询的一线应答等入门期被分配的'教科书式工作'"。
2. 从官方统计看——美国应届毕业生失业率与日本的就业率
第1节的研究使用的是企业的工资和简历数据。这里确认国家统计是否也指向同一方向。美国看纽约联邦储备银行根据当前人口调查（CPS）按季度发布的“The Labor Market for Recent College Graduates”；作为对照，再看日本厚生劳动省和文部科学省的大学等毕业生就业状况调查（日文）。
来源：纽约联邦储备银行“The Labor Market for Recent College Graduates”（2026年11月2日发布，2026年第三季度数据）。经季节调整，3个月移动平均，不含在校生。
应届大学毕业生的失业率4年间从4.0%升至5.2%，上升1.2个百分点，升幅是四个群体中最大的。在1990年代到2010年代的大部分时期，应届大学毕业生的失业率低于全体劳动者，但2021年以来一直高于全体。在就业的应届大学毕业生中，从事通常不需要大学学历的工作的比例（纽约联储所说的“不充分就业率”）达42.5%。
不过，仅凭这些统计不能断定是AI造成的。同一时期还叠加了利率上升和疫情后招聘的回调。第1节的研究之所以比较“容易受AI影响的职业”和“不太受影响的职业”，正是为了把这些因素分开。
纽约联储还按专业发布应届毕业生（22—27岁）的失业率。以下是部分专业。
| 专业 | 失业率 | 不充分就业率 |
|---|---|---|
| 计算机工程 | 7.8% | 15.8% |
| 计算机科学 | 7.0% | 19.1% |
| 机械工程 | 4.4% | 20.1% |
| 会计 | 2.6% | 21.2% |
| 土木工程 | 2.3% | 15.6% |
| 护理 | 2.1% | 12.8% |
在AI大量用于写代码的计算机类专业，应届毕业生的失业率较高。同为工科的土木工程较低，需要执业资格和现场实践的护理更低。数据只是2024年一年的数值（美国社区调查，2026年2月发布），也包含该领域毕业生人数、景气等AI以外的因素。
其他国家的情况可能不同。以日本为例，2026年3月毕业的大学（本科）毕业生截至4月1日的就业率为98.0%，与上年持平（厚生劳动省、文部科学省（日文），2026年5月22日发布）。在应届毕业生就业整体上，看不到美国那样的下滑。不过，这一比率是“希望就业者中实际就业者”的比例，没有按职业的细分。不同年龄段使用AI的差异，见我们关于上班族能力差距的文章。
3. 为什么资深员工能留下来
斯坦福的论文把 "AI更容易替代成文化的知识（通过学校、教科书、操作手册传授的知识），而补充隐性知识（通过现场实践和指导获得的知识）"作为可能的原因提出，并表明数据方向与之一致：越依赖成文化知识的职业，年轻人就业增长越慢；越依赖隐性知识的职业，中坚和资深员工的就业增长越快。论文强调这是描述性结果，而非因果结论。
另一个线索是 AI的使用方式。同一篇论文利用Anthropic Economic Index（Claude使用数据）报告称：在AI主要被用来"代替人做"（自动化）的职业中，年轻人就业减少；在主要用来"帮助人"（补充）的职业中，就业持平或增加，尤其是有经验的群体。同样"易受AI影响"的职业，走向因使用方式而分化。
招聘信息的内容也指向同一方向。哈佛大学的研究发现，在引入生成式AI的企业里，AI擅长的工作内容逐渐从面向年轻人的招聘信息中消失。年轻员工就业的下降集中在容易受AI影响的职业，资深员工的就业走势几乎没有变化。
AI 无法替代的四种能力（恰好是资深者所拥有的）
这些属于 隐性知识（tacit knowledge）的领域——无法写进手册、只能在现场逐渐内化的知识。AI可以瞬间再现教科书式的知识，但隐性知识领域仍有很大部分由人承担。数据中"成文化知识 vs 隐性知识"的倾向与这一直觉方向一致。
4. 判断自己工作的3个问题
从前面的研究可以看出，年轻人入口容易变窄的工作有一些共同点。下面3个问题是 本文的整理，用来把这些共同点套用到自己的工作上，并不是研究本身的结论。
| 问题 | 符合时 | 确认方法 |
|---|---|---|
| 1. 新人第一年做的工作，能否写成操作手册？（定型代码、数据录入、咨询的一线应对、资料的初步调查） | 年轻人的招聘容易最先被压缩。斯坦福的论文显示，越依赖成文化知识的职业，年轻人的就业增长越慢。 | 写出新人的10项工作，给能写成手册的打勾。超过一半就算符合。 |
| 2. 在这个职业里，AI是否主要以“替人做”的方式使用？ | 以自动化方式使用AI为主的职业，年轻人就业下降；以辅助人为主的职业，就业持平或增加（斯坦福）。 | 在Anthropic Economic Index中查看自己职业的工作是偏向自动化还是偏向辅助。也看看公司里“全交给AI”的工作是否在增加。 |
| 3. 这个职业或专业的应届生招聘、失业率是否真的在恶化？ | 入口已经在变窄。哈佛的研究显示，引入AI的企业面向年轻人的招聘信息里，AI擅长的工作内容在减少。 | 美国看纽约联储按专业的表；其他国家看官方的毕业生就业统计、自己公司和行业的应届生招聘人数，以及面向年轻人的招聘信息所写工作内容的变化。 |
按符合的个数，整理年轻人和资深员工可以采取的行动。
斯坦福论文举的案例包括软件开发、客户服务等。按职业的10年预测（美国劳工统计局）整理在受AI影响最大的15种职业中。
5. "培养的蒸发"——年轻人成长不起来的结构问题
这里严重的是，企业可能正在埋下一颗定时炸弹："不招年轻人 → 年轻人成长不起来 → 几年后资深员工不够"。
过去，新入职的工程师和会计师 "读前辈的代码""边做定型任务边学""在现场内化隐性知识"。当AI承担了这些入门任务，年轻人 "学习的地方"本身也随之消失。
关上入口，未来的资深员工也培养不出来
— 数据显示的与其说是"裁员"，不如说是"招聘减少"
（斯坦福，2026年8月）
不是离职增加
约−14%（与2022年相比）
Anthropic，2026年3月
重建培养体系需要时间
换句话说，现在以 "AI降低了成本，所以停止招应届生"作出判断的企业，同时也决定了"不招聘自己未来的资深员工"。斯坦福的论文也把年轻人招聘减少视为生成式AI可能正在影响"职业阶梯"的早期迹象。需要说明的是，"几年后中坚层不足"是从当前数据得出的担忧，并非已测得的事实。
6. 反方观点——"原因不一定是AI"
这一叙事也有有力的反驳。耶鲁大学 Budget Lab 的分析（2025年10月）得出结论：ChatGPT发布后的33个月里，整个劳动力市场没有出现"可以辨识的冲击"。职业结构的变化比以往的技术变革稍快，但差别不大，而且在AI广泛使用之前就已开始。Anthropic自己的研究（2026年3月）也报告称，易受AI影响的劳动者 失业率没有系统性上升。
斯坦福的论文也正面写出了自身结果的弱点。
- 按学历调整后差距变小：无法区分学历是另一种原因，还是AI发挥作用的途径本身
- ChatGPT之前就已有差距：尤其在新冠疫情前后，易受影响与不易受影响的职业走势就不同
- ADP数据中的差距比全国调查大：全国统计方向相同，但幅度较小
另一方面，论文指出：调整利率影响、排除科技企业和计算机职业、调整远程办公影响后，差距依然存在；利率见顶之后差距仍在扩大；并且 差距集中在AI被用于自动化的职业，且随年龄有明显梯度——仅凭利率或远程办公难以解释。
也就是说，不能说"AI是年轻人就业停滞的唯一原因"。但 越是易受AI影响、且AI被用于自动化的职业，年轻人招聘越少这一关系，在多份独立数据中反复出现。本文的立场是：不说"只有AI是原因"，但AI是作用于年轻人入口的压力之一。
7. 年轻人的生存策略
"数据明白了，那我该做什么？"下面整理一下。
1. 选择“AI辅助人”的职场
即使是同一职业，也有把工作整个交给AI的职场和用AI辅助人的职场。斯坦福的论文显示，在以辅助方式使用AI为主的职业中，年轻人的就业持平或增加。面试时问一句“新人用AI做什么工作、由谁来检查”，就容易看出这个职场偏向哪一边。会用AI是前提，拉开差距的是 判断输出的哪里该怀疑、哪里该修改。
2. 尽早在"AI不擅长的领域"占据位置
- 物理、身体性：现场作业、医疗护理、真实的沟通
- 判断责任：合规、治理、伦理
- 创造性地设计问题：新业务、UX设计、品牌
- 打动人：销售、辅导、领导力
增长的职业以及进入这些职业所需的学历和培训条件，已在AI时代能存活的职业中列成表格。
3. 打造"复合技能"
单纯"会写代码""会做会计"已经不够。用 "领域 × AI""设计 × 数据"这样的组合创造稀缺性。例如"医疗现场经验+提示工程""法律实务+AI输出核查"等。
4. 自己创造获得隐性知识的场所
如果公司不给你"读前辈代码"的环境，就通过 开源项目、个人项目、社区、导师自己去获取。正如数据所示，越依赖隐性知识的职业，有经验者的就业增长越快。AI时代的年轻人职业生涯，已经不能只依赖"被公司培养"。
5. 提升层级——走向管理、设计、业务判断
纯粹实施岗位最容易被削减。但如果尽早进入 "能做设计判断""理解业务""能打动人"的一侧，就能站到AI放大自身能力的那边。在斯坦福的论文中，在AI被用来帮助人的职业里，就业同样持平或增加。
8. 资深员工也不能大意的底线
"资深占优"并不等于所有资深员工都高枕无忧。以下这类人 反而比年轻人更危险。
| 危险的资深员工画像 | 为什么危险 |
|---|---|
| 不用、不会用AI工具 | 在生产率上输给"会用AI的30多岁的人"，薪资水平难以自圆其说 |
| 只有职位资深，实务比年轻人还浅 | 在判断上签字的能力薄弱，会被认为完全可以由AI替代 |
| 以定型管理业务为主 | AI仪表盘和自动报告会压缩管理层本身 |
| 停留在过去的成功经验里 | 行业以AI为前提重组，重复过去的模式会过时 |
| 无法把隐性知识说清楚、传下去 | 如果不能变成"可以教给他人（或AI）的形式"，自己的价值也无法传递，在团队中被孤立 |
也就是说，不是"资深 = 安全"，而是 "善用AI、又能做出基于隐性知识判断的资深员工 = 安全"。数据中增长的也不是"有经验的人整体"，而是 在AI以帮助人的方式被使用的职业里的有经验者。分水岭不在能力，而在 态度。
9. 企业现在该做什么
不只是个人，企业也需要考虑长期的人才结构并采取行动。
1. 把年轻人招聘视为对"未来资深员工"的投资，而不是"成本"
AI能降低短期成本。但关上年轻人的入口，几年后很可能出现中坚和资深员工不足。削减应届生招聘，可能等于削减自己未来的竞争力。
2. 重新设计AI时代的年轻人培养计划
如果以往"读前辈代码""通过定型任务内化"不再奏效，就需要新的培养课程："评判AI给出的解""与AI讨论""亲身体会AI的局限"。
3. 把资深员工当作"AI放大器"来用
资深员工的隐性知识 × AI的可扩展性=很大的生产力。以"资深员工用AI提高处理量，并把判断方法传给年轻人"为前提重新设计团队。
4. 把"最后由人签字"的治理明文化
在AI输出投入正式环境之前，一定要设置 "人工检查点"。这同时具有为年轻人保留工作和学习机会、以及保证质量的效果。
总结
- 数据显示 “年轻人先受到AI的影响”。斯坦福的修订版（2026年8月）中，容易受AI影响的职业里22—25岁人群的就业，比与受影响小的职业同步增长时低19%。35—49岁在同样职业中增长约10%。
- 哈佛大学对简历数据的分析也显示，引入生成式AI的企业里年轻员工的就业在6个季度后低约9%，资深员工几乎不变。两者的下降都来自 “招聘减少”，而不是裁员增加。
- 在官方统计中，美国应届大学毕业生的失业率从2022年9月的4.0%升至2026年9月的5.2%，升幅是四个群体中最大的。而日本2026年3月大学毕业生的就业率为98.0%，看不到同样的下滑。
- 可能的原因是 AI替代“成文化知识”、辅助“隐性知识”。在AI用于自动化的职业里年轻人减少，在以辅助人为主的职业里有经验者增加。
- 用3个问题判断自己的工作：“新人的工作能否写成手册”“AI是否以替人做的方式使用”“应届生招聘和失业率是否在恶化”。
- 反方观点：耶鲁Budget Lab认为劳动市场整体没有明显混乱。斯坦福自己也承认按学历调整后差距缩小、AI之前就存在差距。
- 从长期看，令人担忧的是 “培养管道的蒸发”。关上年轻人入口的组织，几年后中坚和资深员工也可能不足。
- 资深员工如果不用AI、实务浅、无法传授隐性知识，同样危险。企业应把年轻人招聘重新看作对未来的投资。
常见问题
Q1. “年轻人先受影响”只是美国的情况吗？
这里介绍的研究（斯坦福、哈佛、Anthropic）和纽约联储的统计都来自美国，其他国家同等规模的分析还很少。以日本为例，2026年3月大学（本科）毕业生的就业率为98.0%（截至4月1日，与上年持平），应届毕业生就业整体上看不到美国那样的下滑。在应届生集中招聘或长期雇用惯例较强的国家，招聘数量的调整方式与美国不同，即使出现同样的变化，形式和时间也可能不同。这类比率很少按职业细分，所以最可靠的办法是用各国官方统计或行业数据，确认自己所在行业的应届生招聘人数，以及面向年轻人的招聘信息所写工作内容实际如何变化。
Q2. 那么"年轻人不该再当工程师"了吗？
正相反。"现在就能熟练使用AI的年轻人"才稀缺。减少的是"AI容易替代的入门业务"的招聘，而"能用AI并承担判断的年轻人"的价值反而在上升。美国劳工统计局的预测中，软件开发者到2035年增长+10.2%，而以写代码为主的程序员为−7.3%。与其放弃计算机专业，不如改变 "学什么、以什么姿态学"。
Q3. 三四十岁的人要成为"会用AI的资深员工"，该从哪里开始？
只需3件事：
(1) 每天至少花30分钟使用 Claude Code / Cursor / Codex 中的一种
(2) 在自己的专业领域亲身体会"AI能做什么、不能做什么"的边界
(3) 把领域知识强化到能够 评判和修正AI输出的水平
比起工具操作，把判断标准说清楚才是长期的差异化因素。
Q4. 能防止"培养通道崩塌"吗？
在单个企业层面可以。(1) 维持应届生招聘，(2) 建立与AI协作的培养计划，(3) 把"教人的时间"作为资深员工的正式工作。社会整体会如何还未可知，斯坦福的作者们也还处在公开指标、供他人持续追踪的阶段。
Q5. 物理现场的工作（建筑、护理、配送）真的安全吗？
目前安全度较高。在Anthropic的使用数据中，约30%的劳动者所在职业几乎看不到AI的使用（厨师、维修工、救生员等）。"人在现场做判断"要素强的职业，离被替代还很远。不过从长期看，自主机器人和自动驾驶可能普及，以20年为跨度则另当别论。
Q6. "用AI的资深员工 vs 不用AI的年轻人"，哪个更强？
在多数职场大概是 用AI的资深员工。资深员工的隐性知识叠加AI的处理量，生产率差距会拉得很大。反之，"不用AI的年轻人"在入门业务转给AI的过程中，容易失去立足之地。
Q7. 感觉"自己一半的工作被AI拿走了"，该怎么办？
分三个阶段行动。(1) 短期：集中精力把剩下的一半做得更好，用AI把另一半的生产率提高一倍 (2) 中期：有意识地增加AI不擅长领域（判断、对人、物理）的比重 (3) 长期：看清行业本身的变化，重新定义"AI普及五年后你的职业"。"在行业内重新占据位置"的思路很重要。
相关文章：受生成式AI影响最大的15种职业（按职业的预测）/AI会消灭白领工作吗（整体预测与实际数据）/AI如何拉大上班族之间的能力差距？（继续工作的人之间的差距）/AI给IT自由职业者带来了什么——本文讨论的是 雇佣，但 对自由职业者而言，工作年限的作用正好相反
