2022 年底，ChatGPT 横空出世之后，一个问题一直悬在许多白领头上：AI 到底是在提高人的效率，还是正在替代人？
这篇论文《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》试图用一个很直接的办法回答它：不看招聘广告，不看问卷，也不只看科技公司裁员新闻，而是看美国真实工资单里，哪些岗位、哪些年龄段的人数正在变化。
作者 Erik Brynjolfsson、Bharat Chandar 和 Ruyu Chen 使用了 ADP 的高频行政数据。ADP 是美国最大的工资单服务商之一，数据覆盖数百万劳动者、数万家公司，并一直跟踪到 2025 年 9 月。研究者把这些工资单记录和职业的 AI 暴露度指标连接起来，观察生成式 AI 大规模普及之后，就业人数、工资和不同岗位之间发生了什么变化。
论文最重要的结论可以概括成一句话：AI 对就业的冲击并没有平均落在所有人身上，它最先、最明显地压到了 AI 高暴露职业里的年轻入门员工。
第一个信号：年轻程序员和客服岗位最先变冷
论文先从两个很典型的职业看起：软件开发者和客服代表。这两个岗位都属于生成式 AI 比较容易介入的领域。写代码、查错、生成文本、回答客户问题，都是大模型已经能做一部分的任务。
图 1 把 2022 年 10 月的就业人数标准化为 1，然后看不同年龄组之后的变化。结果非常直观：22-25 岁的早期职业劳动者，在软件开发和客服岗位上的人数明显下降；但更年长、更有经验的劳动者没有出现同样幅度的下降。
这不是说"程序员消失了"或"客服行业没了"。真正关键的是年龄差异：同一个职业里，年轻员工掉得更多，资深员工相对稳定。
论文给出的一个解释是，入门员工往往承担更多可编码、可检查、可标准化的任务，例如写初版代码、整理文档、回答标准化问题、处理流程化工单。而这些任务恰恰是当前 AI 最容易替代或压缩的部分。资深员工则更多依赖经验、判断、客户关系、系统理解和组织协调，这些"隐性知识"还不那么容易被 AI 直接替代。
第二个信号：总体就业还在增长，但年轻人在高 AI 暴露岗位里掉队
如果只看美国总体就业，故事并不吓人。论文发现，整体就业仍在增长。但问题藏在分组里：22-25 岁年轻人的就业增长从 2022 年底之后变得停滞，尤其是在 AI 暴露度最高的职业中。
图 2 把职业按 GPT-4 暴露度分成五组。暴露度越高，说明这个职业中越多任务可能被大模型影响。可以看到，在 AI 暴露度低的职业里，年轻人与其他年龄组的就业走势差别不大；但在暴露度最高的职业里，22-25 岁就业人数从 2022 年底到 2025 年 9 月下降约 6%，而更年长组别反而增长约 6%-9%。
这意味着，AI 影响不一定会立刻表现为全国失业率飙升。它更像是先改变公司"还要不要招新人"的决定。岗位还在，公司也还在运转，但原本属于新人练手、成长、入门的那部分工作，可能被工具和资深员工的 AI 杠杆吃掉了一部分。
第三个信号：不是所有 AI 使用都会伤害就业，关键看它是在"替代"还是"增强"
论文最有启发的一点，是把 AI 的作用区分为两类：
一类是自动化。也就是人把任务交给 AI，AI 直接完成，例如"把这份技术文档格式化成 Markdown""修复这段代码报错"。这种使用方式更像是替代劳动。
另一类是增强。也就是 AI 帮人思考、校验、学习和迭代，例如"帮我完善这份营销方案""解释一下神经网络怎么工作""检查我的 SQL 逻辑"。这种使用方式更像是放大人的能力。
研究者使用 Anthropic Economic Index 中对 Claude 使用方式的分类，观察不同职业里的 AI 使用更偏自动化还是增强。图 3 显示：年轻员工就业下降主要集中在 AI 被用于自动化的职业中；在 AI 更偏增强的职业中，年轻就业并没有同样下降，甚至出现增长。
这条结论很重要。它提醒我们，讨论"AI 会不会抢工作"太粗糙。更准确的问题是：AI 在这个岗位里，到底是在替人完成任务，还是让人完成以前做不了、做不快、做不好的任务？
第四个信号：这不只是科技公司或某些公司的周期问题
一个自然的怀疑是：年轻程序员就业下降，会不会只是因为科技公司在加息周期里裁员？
论文用 firm-time fixed effects 做了更严格的控制，在比较时吸收掉同一家公司同一时间面对的共同冲击。图 4 的事件研究结果显示，即使控制公司层面的时间冲击，22-25 岁高 AI 暴露职业的相对就业仍下降约 15 个 log points，幅度大且统计显著。
这让论文的核心发现更有说服力：年轻高暴露员工的就业下降，不太像只是某几家科技公司或某一轮宏观周期造成的表面现象。
第五个信号：变化先发生在"人数"，不是"工资"
如果 AI 正在改变劳动需求，我们也许会期待工资下降。但论文发现，工资变化并没有就业人数那么明显。
这可能说明工资有粘性：企业不容易立刻给现有员工降薪，于是先调整招聘和岗位数量。
对刚毕业或刚入行的人来说，这一点尤其关键。风险未必是"工资变低"，而是"入口变窄"。如果公司减少初级岗位，年轻人就更难获得第一份工作，也更难积累之后能保护自己的经验。
第六个信号：很多替代解释都解释不完这个模式
论文还做了多组稳健性检验，试图排除其他解释。
结果不是只由计算机职业驱动；即使排除容易远程化的职业，高 AI 暴露年轻员工的就业压力仍然可见；而且这个暴露度指标在生成式 AI 普及之前，并没有以同样方式预测年轻劳动者的就业变化——真正明显的分化大约从 2022 年底到 2023 年初开始。
这篇论文真正说了什么
这篇论文没有证明"AI 已经造成大规模失业"。论文真正强的是，它用大规模、接近实时的工资单数据，把一个更细的现象抓了出来：
AI 的就业影响可能不是先体现为所有岗位一起减少，而是先体现为某些职业里的入门岗位变少。
这就像论文标题里的"煤矿里的金丝雀"。矿井中的金丝雀不是灾难本身，而是早期预警。22-25 岁、AI 高暴露职业、尤其是任务更容易被自动化的岗位，可能就是劳动力市场里最早发出警报的那部分。
对个人来说，这个信号的含义不是"不要进入 AI 高暴露行业"，而是要重新理解入门能力。只会完成标准化任务，风险会越来越高；能把 AI 用作增强工具，叠加判断、沟通、领域理解和复杂问题拆解，价值会更稳。
原论文：Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, 2025.