按：兩位哈佛學(xué)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。

文| Ren

想象一個你我身邊越來越常見的場景：一位大學(xué)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(xué)的兩位學(xué)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(dá)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 。

確定AI的影響，時間線揭示驚人同步

為了確保研究的嚴(yán)謹(jǐn)性，研究人員首先需要解決一個核心問題：如何準(zhǔn)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(wù)內(nèi)容被 AI 替代的可能性來進行推斷，但這終究停留在預(yù)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(wù)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(fù)責(zé)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(zé)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(dāng)一家公司開始招聘此類職位，即標(biāo)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(dá) 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(zhǔn)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(fù)責(zé)將AI工具融入業(yè)務(wù)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(zhǔn)標(biāo)記。發(fā)布過這類職位的公司，就被定義為“ AI 采納者”（積極應(yīng)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(yīng)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5 00 人；資深員工更多；企業(yè)業(yè)務(wù)多集中在信息技術(shù)行業(yè)（3 6% ）和專業(yè)服務(wù)行業(yè)（2 5% ）。

換句話說，從事信息技術(shù)和專業(yè)服務(wù)的大企業(yè)，更愿意在實際業(yè)務(wù)流程中部署AI。

當(dāng)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(dǎo)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) 。

不是裁員，而是縮招

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(xué)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(yīng)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(yīng)。

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(yīng)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?！?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% 。

三重差分法的結(jié)果 | 圖源： 論文

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(dāng)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(dāng)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(wù)的替代。

這些被替代的任務(wù)，恰好集中在認(rèn)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(fù)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(wù)與 AI 形成了互補關(guān)系，使其職位得以保全。

哪些人受到的沖擊最嚴(yán)重？

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(yù)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(yán)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(fù)性的溝通、訂單處理、商品描述等文本與對話類任務(wù)，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(biāo)，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(xué)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(xué)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(wù)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。

五個學(xué)校等級的估算平均薪資 | 圖源：論文

我們該如何理解與應(yīng)對？

當(dāng)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(yīng)當(dāng)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(dāng)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?！?/p>

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。

面對這一正在發(fā)生的變革，我們該怎么做 ？

對于正在求職或剛進入職場的年輕人而言，應(yīng)對策略是提升那些 AI 短期內(nèi)難以替代的能力，包括復(fù)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(yīng)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(xùn)、導(dǎo)師制度及多樣化任務(wù)輪換的機構(gòu)，這將有助于縮短從新人到能獨立承擔(dān)高階任務(wù)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(dān)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(yīng)并主動塑造 AI 時代的職業(yè)生態(tài)，都是當(dāng)下我們所有人需要共同面對的 。

參考資料

[1] https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

[2] https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4945566

[3] https://www.wsj.com/lifestyle/careers/ai-entry-level-jobs-graduates-b224d624

[4] https://www.reveliolabs.com/news/macro/is-ai-responsible-for-the-rise-in-entry-level-unemployment/