一句话看懂：斯坦福数字经济实验室基于 ADP 数百万条薪酬数据发现，22 至 25 岁的职场新人在 AI 渗透率高的岗位上面临明显就业压力，而资深员工几乎不受影响。问题不是“AI 取代工作”，而是 AI 正在重塑职业入口。
事件核心：发生了什么
斯坦福数字经济实验室在 8 月 12 日更新了一份研究论文，数据来自 ADP 薪酬服务系统，覆盖数百万美国劳动者。结果显示，在软件开发、客户服务这类生成式 AI 影响明显的岗位上，22 至 25 岁年轻人的就业率比 AI 影响较小的领域低约 19%，而 2025 年这一差距是 13%。同一岗位上的经验丰富员工，就业率保持稳定甚至有所上升，形成明显的代际分化。
研究将原因归结为“可编码知识”与“隐性知识”的差异。入门岗位依赖标准化流程、教科书内容这类可以被 AI 学习甚至替代的技能；而依赖实践判断、经验积累的资深岗位，AI 目前更多是辅助工具而非替代品。论文特别指出，高等教育在缓冲 AI 对年轻人就业冲击方面起到一定作用——在更容易自动化的岗位上，教育程度较低的年轻人就业率下滑更明显。
为什么重要
这一研究首次用大规模高频薪酬数据而非宏观统计模型，量化了生成式 AI 对劳动力市场的结构性影响。它推翻了一个流行叙事：AI 并非平均地冲击所有工作岗位，而是集中作用在职业阶梯的最底层。这意味着企业招聘策略、培训体系和薪酬结构都可能随之调整。
对 AI 产业链来说，这份研究释放了更清晰的信号：如果入门级编码、客服等岗位被 AI 压缩，那么面向企业客户的 AI 工具（如代码生成、智能客服）市场规模可能会加速扩大；但同时，这也对 AI 训练数据的质量提出新挑战——如果初级岗位减少，“可编码知识”的新增供给也会放缓，未来模型迭代可能需要更多依赖资深专家提供的高质量数据。
对用户/开发者/创作者的影响
对刚毕业或工作 1 至 3 年的开发者来说，单纯掌握框架调用、标准 API 接口写法已不够，需要向“不可编码”的方向积累：系统设计能力、业务领域理解、跨团队协作经验。对内容创作者而言，低门槛的标准化写作、翻译、配图类任务将面临更大竞争，而基于个人经验、行业洞察的深度内容反而更有溢价空间。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业招聘和技术采购方，这个结论意味着：在落地 AI 工具时，应该重新设计入门岗位的职责——让 AI 处理标准化部分，把人力投入到需要上下文理解、异常判断和客户关系维护的环节。单纯用 AI 替代初级员工的位置，长期看可能在数据反馈循环中损失“隐性知识”的积累来源。
值得关注的后续
目前公开信息显示，这份论文是基于截至 2026 年的数据，后续值得观察三点：一是 22 至 25 岁群体就业率差距是否会继续扩大，若超过 25% 可能促使美国高校调整课程结构；二是 ADP 数据中是否会出现“AI 辅助岗位”类别的新增统计口径；三是科技公司是否会针对初级岗位推出“AI 训练师”或“流程优化师”等新职位名称，作为应对就业结构变化的缓冲方案。
来源：AIbase
