加星标，才能不错过每日推送！方法见文末插图

两位哈佛学者通过研究 6200 万份简历和近 2 亿条招聘职位数据，揭示了 AI 对就业带来的真实、残酷的冲击：它不是无差别地针对所有人，而是在大量 " 吞噬 " 初级岗位，让那些刚刚踏入社会的年轻人，面临着空前陡峭、狭窄的职业起跑线。与此同时，为数众多的普通院校毕业生群体受到的冲击更为显著。

撰文  | Ren

想象一个你我身边越来越常见的场景：一位大学毕业生，满怀期待地投出简历，奔赴一场场面试，却沮丧地发现，那些曾经专为新人开放的入门岗位越来越少。而在同一时间，那些需要丰富经验的资深岗位却依然在招人，甚至需求更多。

这种现象的背后，一场结构性转变似乎正在全球白领劳动力市场悄然上演。

哈佛大学的两位学者，Seyed M. Hosseini 与 Guy Lichtinger，在一篇名为《生成式 AI 作为资历偏向型技术变革》的论文中，为我们提供了确凿的证据。

他们使用了一个极其庞大的数据库，涵盖了从 2015 年到 2025 年，约 6200 万名员工的领英简历和高达 1.98 亿条招聘信息，系统地分析了生成式 AI 对公司内部岗位需求的影响。

最终的结论十分清晰：随着生成式 AI 的普及，企业正愈发表现出 " 偏爱资历 " 的倾向，相较于经验丰富的员工，职场新人正受到更集中、更快速的冲击。

确定 AI 的影响，时间线揭示惊人同步

为了确保研究的严谨性，研究人员首先需要解决一个核心问题：如何准确地从海量公司中，找出那些真正开始使用生成式 AI 的企业？

以往的研究大多依赖于宽泛的 " 暴露度 " 指数，即通过评估特定职业的任务内容被 AI 替代的可能性来进行推断，但这终究停留在预测层面，无法捕捉企业的实际部署决策。

因此，Hosseini 与 Lichtinger 设计了一个两步识别法，来找出那些真正在业务中采纳生成式 AI 的公司。

第一步，是大范围筛选。他们将目光锁定在那些发布 "AI 集成 " 岗位（AI integrator）招聘信息的公司。这些职位并非 AI 算法的研究或开发岗，而是专门负责将生成式 AI 技术与公司现有工作流程、产品或内部系统紧密结合的岗位。

例如，一个初级产品经理岗位要求 " 对生成式 AI 安全挑战有深刻理解 " 和 " 有提示工程的实践经验 "，或一个 " 生成式 AI 开发顾问 " 的职责是 " 生成式 AI 模型的可扩展设计和开发利用 "。

典型的来自 AI 采纳企业的招聘信息   |   图源：论文

这些都是企业积极部署 AI 的明确信号。当一家公司开始招聘此类职位，即标志着它已从考虑使用 AI 转向了部署 AI。

研究团队在招聘信息中，搜索包含 ChatGPT、Generative AI、LangChain、Prompt Engineering、RAG 等特定 AI 关键词的岗位，从总量高达 1.98 亿份的完整职位描述文本中，初步筛选出约 60 万条相关招聘。

第二步，是精准识别。他们利用大语言模型对这 60 万条信息进行分类，从中识别出真正的 ""AI 集成师 " 岗位（即负责将 AI 工具融入业务流程的岗位），比如模型部署、提示词工程、AI 系统运维等岗位。

最终，约 13 万条招聘被精准标记。发布过这类职位的公司，就被定义为 "AI 采纳者 "（积极应用生成式 AI 的企业），共计 10,599 家，约占样本总数的 3.7%。这种方法研究的结果是更加关注企业拥抱 AI 的实际行动，而非仅仅停留在口头。

"AI 采纳者 " 所在的行业分布   |   图源：论文

与 " 未采纳 AI"（没有大规模应用 AI 的企业）的企业相比，这些企业存在显著的系统性差异。比如，它们普遍规模更大，平均员工数量约 500 人；资深员工更多；企业业务多集中在信息技术行业（36%）和专业服务行业（25%）。

换句话说，从事信息技术和专业服务的大企业，更愿意在实际业务流程中部署 AI。

当我们对照样本公司中初级员工和高级员工雇佣数据时间序列图，一条清晰的线索浮现了。

样本公司中，初级员工和高级员工的平均数量（随时间变化）  |   图源：论文

数据显示，在 2023 年之前，也就是 ChatGPT 等工具普及之前，每月新增的 AI 采纳企业数量很少且保持稳定，平均约为 30 家。然而，从 2023 年初开始，采纳 AI 的公司数量出现了爆炸性增长，并随后稳定在每月约 400 家的水平。到 2025 年 3 月，符合 AI 采纳者定义的企业总数已超过 10,000 家。

随时间变化，每月新增的 AI 采纳企业   |   图源：论文

与此高度同步的是，公司内部的岗位结构也开始分化。从 2015 年到 2022 年中，初级和资深岗位的增长几乎是并驾齐驱的。但从 2022 年中期开始，初级岗位的增速明显放缓，并在 2023 年出现了显著的下滑，而资深岗位却保持上升势头。

研究结果为 "AI 导致初级岗位减少 " 这一因果关系，提供了强有力的间接证据。

不是裁员，而是缩招

在识别出 AI 采纳企业并掌握了它们的基本特征后，接下来的工作便是运用计量经济学方法，量化这种采纳行为对劳动力结构产生的具体影响。

研究人员首先采用了经典的双重差分法（Difference-in-Differences, DiD）。该方法通过比较 AI 采纳企业在 AI 广泛应用（2023 年第一季度）前后初级员工数量的变化，再与 " 非 AI 采纳者 " 在同一时期的变化进行对比，从而分离出由 AI 采纳这一特定事件所带来的净效应。

一个关键的前提是，在事件发生前，两组公司的变化趋势应是平行的。

数据显示，从 2015 年到 2022 年底，"AI 采纳者 " 与 " 非 AI 采纳者 " 的初级员工就业增长趋势确实保持平行，满足了该方法的核心假设，证明了它们在事件发生前具有可比性。

"AI 采纳公司 " 和 " 非 AI 采纳公司 " 之间的就业差异（随时间变化）|   图源：论文

结果显示，从 2023 年第一季度开始，两条趋势线开始交叉。"AI 采纳企业 " 的初级员工人数相对于非采纳企业出现了断崖式下跌。而在采纳 AI 六个季度之后，这些公司里的初级员工规模，相较于未采纳 AI 的公司，下降了约 7.7%。

为进一步增强结论的可靠性，研究人员还采用了更稳健的三重差分法（Triple-Difference, DDD）。该方法在 DiD 的基础上增加了一个比较维度：它不仅在不同公司和不同时间点之间进行比较，还在同一家公司内部、同一时间点上，对初级员工与资深员工的相对变化进行比较。

这种设计能够融合那些可能影响整个公司的、未被观察到的特定冲击（例如，公司战略调整、行业景气度变化等），从而更精确地锁定 AI 对不同资历员工数量的差异化影响。

三重差分法的结果再次验证并强化了此前的发现。数据显示，从 2023 年第一季度起，在采纳 AI 的公司内部，初级岗相对于资深岗的比重，累计下降了近 12%。

三重差分法的结果   |   图源：论文

综合以上，该研究得出了一个明确的结论：生成式 AI 的崛起构成了一种 " 资历偏向型技术变革 "（seniority-biased technological change）。它对初级员工的就业前景造成了一定影响，而资深员工的职位则未受影响，甚至得到加强。

那么，初级岗位的减少是如何发生的？是企业在大规模裁掉新人吗？

答案出乎意料。通过分析员工的流入（招聘）、流出（离职）和内部流动（晋升），研究发现，初级岗位的收缩，主要来自于企业大幅减缓了外部招聘，而不是因为解雇了更多人。" 采纳 AI" 的公司，平均每个季度会少招聘约 3.7 名初级员工，这相当于他们此前平均招聘量的 22%。

反直觉的是，这些公司里初级员工的离职率反而有所下降，内部晋升的速度则有所加快。

这一发现的深层含义在于，当前这波 AI 浪潮的主要影响模式，并非直接的员工替代，而是对特定任务的替代。

这些被替代的任务，恰好集中在认知型工作的最底层。而资深员工的工作内容通常涉及更复杂的战略思考、管理决策和非结构化问题解决，这些任务与 AI 形成了互补关系，使其职位得以保全。

哪些人受到的冲击最严重？

研究人员还指出，这场变革在不同行业和教育背景的人群中，展现出了明显的差异。

生成式 AI 的采用对各行业招聘的预估影响   |   图源：论文

从行业角度来看，批发和零售业的初级岗位受冲击最为严重。在这些行业中，采纳 AI 的企业相比未采纳 AI 的，初级岗位的招聘降幅接近 40%。这与该行业特性密切相关，因为生成式 AI 极度擅长处理重复性的沟通、订单处理、商品描述等文本与对话类任务，而这些正是零售业入门岗位的核心工作内容。

相比之下，在所有被分析的行业中，AI 对资深岗位的招聘影响要么是积极的，要么在统计上不显著。

将视角转向员工教育背景时，研究人员以员工毕业院校的声望等级作为代理指标，利用大模型将院校分为五个等级，Tier 1 为最精英的全球顶尖学府，Tier 5 为声望最低的院校，并分析了 AI 对来自不同等级院校的初级员工就业的影响。

他们发现了一个有趣的 U 型现象：受冲击最显著的，是来自 Tier 2 和 Tier 3 中间梯队院校的毕业生。来自 Tier 1 顶尖名校和排名靠后院校的毕业生，受到的影响反而较小。Tier 5 院校毕业生的就业下降幅度甚至是最小的，且在统计上不显著。

员工毕业学校的声望与初级岗位减少的关系   |   图源：论文

这背后的逻辑可能是，顶尖毕业生的综合能力强、溢价高，工作可能更多涉及高度创新、战略性和非结构化的问题解决，企业难以且不愿轻易放弃。而最末端毕业生的用工成本低，或者大部分在从事的劳动密集型工作，AI 难以替代。

唯独中间地带的毕业生，其薪资和所从事工作的可替代性，恰好处于最容易被 AI 降本增效的区间。研究指出，他们的年薪普遍在 6.4-7.1 万美元之间，所从事的许多任务本质上是程序化和常规化的，例如撰写市场分析报告、提供客户支持、进行数据整理等等。

五个学校等级的估算平均薪资   |   图源：论文

我们该如何理解与应对？

当然，这项研究并非没有局限。研究者也坦言，"AI 的采纳 " 并非随机事件，愿意在早期采纳 AI 的公司本身就更大、更集中于科技行业。尽管研究方法已尽力排除干扰，但无法完全消除所有潜在的混杂因素。

同时，我们也应当辩证地看待研究结果：这一方面是技术进步的必然，AI 能帮助新人更快成长，但也不排除一些企业只是拿 AI 当借口，背后真正的动机是宏观经济下行、成本控制，以及对更高股价的追求。

这些观点与研究结论并不冲突，AI 是一个关键且可观测的驱动因素，但它并非唯一原因。

论文的最后写道：" 鉴于职业生涯早期的发展对个人一生的职业发展轨迹至关重要，入门级机会的系统性减少可能会在未来几十年内显著加剧收入不平等。"

一个人的职业命运，可能比以往任何时候都更取决于他 / 她是在 AI 浪潮到来之前还是之后进入职场。

面对这一正在发生的变革，我们该怎么做？ 

对于正在求职或刚进入职场的年轻人而言，应对策略是提升那些 AI 短期内难以替代的能力，包括复杂问题解决、跨团队协调、创造力、批判性思维与沟通能力，以及对 AI 工具的熟练应用能力。

要将熟练掌握 AI 视为一种能力（就像熟练掌握 Office 一样），而非威胁。同时，寻找那些能提供结构化培训、导师制度及多样化任务轮换的机构，这将有助于缩短从新人到能独立承担高阶任务的过渡期。

对于已经处于职业中期或资深层级的人士，理解如何与 AI 形成互补、如何将 AI 作为决策支持、如何利用 AI 放大经验优势，比担忧自己是否会被替代更为重要。

总而言之，哈佛的这项研究提供了一份详实且系统的证据，表明生成式 AI 正在以一种独特的方式重塑职场：它抹去了许多入门级工作的需求，使得年轻人通往职业生涯的 " 第一级台阶 " 变得更少、而且更陡峭了。

无论你想不想，理解、适应并主动塑造 AI 时代的职业生态，都是当下我们所有人需要共同面对的。

参考资料

[ 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/

注：本文封面图片来自版权图库，转载使用可能引发版权纠纷。

相关阅读

1  

2  

3  

4  

5  

近期推荐

1  

2  

4  

5  

特 别 提 示

1. 进入『返朴』微信公众号底部菜单 " 精品专栏 "，可查阅不同主题系列科普文章。

2. 『返朴』提供按月检索文章功能。关注公众号，回复四位数组成的年份 + 月份，如 "1903"，可获取 2019 年 3 月的文章索引，以此类推。

找不到《返朴》了？快加星标！！

长按下方图片关注「返朴」，查看更多历史文章

微信实行乱序推送，常点 "在看"，可防失联