“哪类工作最容易被AI取代?”“哪些人未来会被AI淘汰?”
自从2022年ChatGPT发布以来,对上述问题的讨论几乎不绝于耳。
然而,这些讨论大多是基于个人经验的推测, 甚至过于耸人听闻,将人们对AI的焦虑放大成一种应激反应。
图源 | 《编舟记》
坏消息是,曾经的一些担心好像成真了。
变革已经悄然到来,我们的教育又该何去何从?
精准打击“初级岗位”
这是一篇有些扎心的文章。
两位作者均为哈佛大学的经济学博士,他们用 严谨的数据揭示出一个事实:
GenAI正无可避免地对就业市场造成冲击, 以一种比我们想象中更为冷酷的方式。
图源 | YouTube@Stanford Digital Economy Lab
两位作者在斯坦福大学的演讲现场
他们首先计算了2015年到2025年,所研究的公司数据集中,初级员工(junior)和高级员工(seniors)的就业规模。
然后发现了一个有趣的现象:
专员、助理等初级员工快要没班上了,但如果你级别高一点,title是总监、经理之类的,那形势还是一片大好的。
2015年到2022年,除了Covid期间,这两类员工的就业增长曲线都是稳步上升、齐头并进的。
*红线代表初级员工,蓝线代表高级员工,虚线标记ChatGPT发布时间。
但到了2022年中,两条曲线出现了 明显的分化:
高级员工的就业规模持续上升;
初级员工的就业规模停止增长,并在2023年中期开始下降。
这个节点,恰好与GPT-3.5的发布时间相吻合。
这是巧合吗?
为了验证GenAI对两类员工就业的影响,作者筛选出了一类公司,叫做 “采纳者(adopters)”,即在自身业务中系统化部署GenAI的企业。
另一类没有采纳GenAI的企业(non-adopters)则作为对照组。
他们的思路很简单,就是比较这两类企业中,初级员工和高级员工的就业趋势。
同样是2022年底,两类企业中初级员工的就业曲线开始分道扬镳。
采纳GenAI的企业, 雇佣的初级员工数量急剧下降。
*红色实线代表采用GenAI公司招聘的初级员工,黑色虚线标记ChatGPT发布时间。
而高级员工则完全不同。
无论是哪类企业, 高级雇佣基本保持增长趋势,而且几乎是同步增长。
*蓝色实线代表采用GenAI公司招聘的高级员工,黑色虚线标记ChatGPT发布时间。
下面精彩的部分来了。
作者通过双重差分分析(DiD),比较了 两类企业在各季度的就业差异。
图上的每一个点,都代表特定季度,和没有采用GenAI的公司相比,采用GenAI的公司中两类员工数量的相对变化。
结果一目了然——
*红点代表初级员工,蓝点代表高级员工,虚线标记ChatGPT发布时间。
对于初级员工,2022年以前的系数接近于0,但AI爆发后, 系数迅速转负,六个季度后下降约9%;
对于高级员工,并没有出现上述差异,甚至 采纳GenAI的企业长期以来高级岗位增长更快。
作者还建了一个三重差分模型(DDD),更加清晰地说明了,采纳GenAI的企业,内部就业结构明显向高级岗位倾斜。
至此,文章终于得出了最重要的结论:
GenAI的采用,导致初级岗位数量明显下降,而高级岗位几乎不受影响。
换句话说就是,有了GenAI以后,公司不需要这么多普通牛马了。
最危险的职业
这是不是意味着,所有的初级岗位都危险了呢?
当然不是。
毕竟GenAI也不是啥都能干,写代码可以,扫地做饭可能还不如你。
程序员们说:每次听说ChatGPT要取代我的工作时候就想起这张图。
所以作者又引入了一个概念:GenAI暴露度(GenAI explosure)。
它指的是一个岗位在多大程度上会受到GenAI的影响。
暴露度高,说明这个岗位的工作内容,与GenAI的能力高度重叠。
然后作者按照GenAI暴露度,将初级岗位分为高暴露与低暴露两类,并分别估计了DiD模型。
*深红点代表高暴露职业,浅红点代表低暴露职业,虚线标记ChatGPT发布时间。
结果大家也能猜到,低暴露职业趋势平稳,而 高暴露职业在GenAI扩散后就业显著下降,六个季度后降幅持续扩大。
于是得出结论:
初级岗位的下降集中于高暴露职业。
这也符合我们的认知,GenAI替代的是一类特定任务。
编程、内容生产、数据分析等工作,恰恰是GenAI最擅长的,因此所受波及也最大。
文章还援引了另外一项研究,里面有这样一组数据:
GenAI暴露度每上升10%,初级岗位需求下降约11%,而同一职业的高级岗位增长约7%
关上大门
这些采用GenAI的公司,是如何削减初级岗位的呢?
无非就是三种方式: 减少招聘、增加离职、内部晋升。
作者一通分析,发现采纳GenAI的企业,2023Q1后, 每季度少聘用约5名初级员工,晋升数并无明显变化,离职数甚至略微减少。
结论很明显:
GenAI采纳企业的初级岗位数量下降,主要来自于招聘减少。
这些公司并不是将老员工赶走,而是对新求职者关上大门。
受影响最大的,自然是刚毕业的年轻人。
从前他们可以先进入公司从事基础工作,慢慢积累经验。
但如今“入门级工作”越来越少了, 进入职场的第一级台阶正在消失,也就意味着上岸越来越难。
文章还发现,这些缩紧初级员工招聘的GenAI采纳企业,恰恰是那些规模大、资历高、技术密集、人才集中的企业。
也就是 各种意义上的“大厂”。
今后毕业生想要进入这些公司,门槛会比从前更高。
猝不及防
另一个有意思的现象是,GenAI采纳公司的这种招聘倾向, 在GPT-3.5发布后几乎立即出现。
作者于是进一步从时间维度,研究了这些公司的招聘行为。
*中间虚线标记GenAI发布时间,左侧代表发布前,右侧代表发布后。
结果发现,在GenAI发布后约3个季度,这些公司对初级岗位的招聘开始显著下降,8个季度后下降约8%。
也就是说, GenAI对初级就业的影响,在采纳后半年至一年内显现。
而公司做出减少招聘这一决策的时间点,则要更早。
这个反应速度,太不寻常了。
要知道,在以往的自动化变革中,技术有一个 逐步替代人工的过程。
但这轮变革,几乎没给人工留窗口期。
图源 | 《流水线上的女工》
作者依据模型给出了一个解释: 减少招聘,与公司的自动化预期有关。
公司预期未来引入GenAI后,自动化将完成大部分初级任务。
这时公司将面临“梯队收缩”的问题:
如果未来大部分低层任务由AI完成,那么当下培训新的初级员工就不划算。
索性不招了。
因此, 企业并非等到AI真正替代人力后才做调整,而是在预期自动化的收益足够高时,就主动收缩初级岗位。
学历性价比
最后一个问题,也是大家最关心的:
GenAI会影响学历的含金量吗?
当然会,而且结果可能出乎我们的意料。
作者将劳动者就读的学校,按照声誉分为5级,tier-1为最顶尖的学校,tier-5为最末级的学校。
然后分别估计了2023Q1后,GenAI采纳公司中 初级岗位的雇佣变化。
结果呈明显的“U形”分布——
*横轴代表院校等级,纵轴代表初级岗位减少的百分比。
结果发现,顶尖和低层院校毕业生的招聘降幅较小,中等院校毕业生的降幅最大。
即采纳GenAI对中端毕业生群体打击最大。
作者还在附录中给出了两张图表,显示 高校层级与工资、GenAI暴露度均呈正相关:
*第一幅图为院校层级与预期工资的关系,第二幅图为院校层级与GenAI暴露度的关系。
这或许能解释上述差异——
顶尖院校毕业生通常从事薪资更高、暴露度也更高的职位,但他们能力更强,因此受影响相对较小;
最低层级院校毕业生可能从事暴露度较低的职业(如体力或服务类),故受影响也较小;
中间层级毕业生可能处于“高暴露但低不可替代性”的尴尬位置,因此受冲击最大。
对于企业来说,中等院校毕业生就成了性价比最低的一群人。
何去何从?
针对GenAI,文中提出了一个说法:它是一种 “资历偏向型”技术变革。
与之相对的,是以往所经历的 “技术偏向型”技术变革。
过去的自动化技术淘汰的是低技能劳动者,而GenAI瞄准的却是初级岗位——
它不问你的专业,却问你处在职业生涯的哪个阶段。
在这个新的游戏规则下,我们教育孩子的思路需要根本性的转变。
1.利用AI的“平衡器(leveler)”功能
作为工具,GenAI既可以替代低级任务,也可以 缩小经验差距,使初级员工更快接近高级员工的生产率。
这就是GenAI作为“平衡器”的功能。
尤其是对于高暴露岗位来说,它们被替代风险更高的同时, 被GenAI增强的潜力也更大。
我们应该鼓励孩子将AI当作思维伙伴,用它来激发创意、拓展认知边界,而不是简单地复制答案。
真正的关键,在于培养他们 提出精准问题、驾驭AI输出、并进行深度整合的能力。
2.关注“AI补充型技能”
这类技能是AI难以替代的,包括 跨学科整合能力、判断与决策能力、沟通与表达能力、创新和批判性思维。
举个例子,写一篇报告,AI可以帮忙整理数据、生成文字,但如何判断数据可靠、提炼结论、讲出故事,仍然需要人的智慧。
培养孩子的这些能力,相当于构建他们在职场中的护城河。
3.培养整体适应力
教育不应只是单点能力的培养,而是培养整体适应力。
面对未来不确定的岗位结构和快速变化的职业场景,能 跨领域学习、快速上手新工具的孩子,更可能游刃有余。
因此我们要鼓励孩子参与项目式学习、团队协作、问题解决类活动,让他们在实践中提高综合素养。
▽
技术的浪潮无法阻挡,但它冲刷出的海岸线,取决于我们今天的选择。
教育的本质仍是 “培养终身学习者”,而GenAI正好提醒我们:
未来属于那些能驾驭工具、创造价值的人,而非仅仅完成任务的人。
特 别 福 利
幸运大转盘
快来领取你的“AI加油包”
一等奖
李永乐老师亲笔签名书×3
二等奖
学而思户外帆布包×4
三等奖
经典名著随机盲盒×6
·
抽奖截止到2025年11月2日20:00
快快参与吧!