数据：冲击比想象温和

斯坦福大学经济政策研究所（SIEPR）的一项分析显示，自 2022 年 ChatGPT 发布以来，受 AI 影响最大的 20% 劳动者，失业率仅上升 0.77 个百分点，反而低于受 AI 影响最小群体的 0.85 个百分点。应届生失业率一度达到 5.6%，高于 4.2% 的全国均值，但远程办公退潮与疫情期过度招聘的回落同样难辞其咎。

「在那些我们预期最先受到冲击的职业里，就业趋势基本稳定。」报告合著者、斯坦福研究员 Erika McEntarfer 表示，「计算机革命用了几十年才彻底改变劳动力市场，眼下的情况与之惊人相似。」

真正发生的是「改变」而非「消失」

招聘端的信号更清晰。ZipRecruiter 最新雇主调查显示，74% 的雇主将 AI 技能视为显著优势或硬性要求，13% 的公司在全公司范围强制要求；半数受访雇主期望候选人在入职第一天就已是熟练或进阶的 AI 使用者。

「最清晰的趋势线是门槛在升高，而不是岗位在收缩。」ZipRecruiter 劳工经济学家 Nicole Bachaud 说。纽约大学斯特恩商学院的 Robert Seamans 将 AI 的影响分为三类——被淘汰、被创造、被改变，其中「被改变」这一类远远最大。斯坦福教授 Nicholas Bloom 则用「湍流」形容当下：AI 一边摧毁一些岗位，一边催生出部署、销售、维护与开发 AI 系统的工作。

灵活用工可能扩张

风险也并非不存在。麻省理工学院荣誉退休教授 Paul Osterman 在新书《Disposable Workers》中指出，约 35% 的美国劳动力已被视为容易替代，AI 只会加剧这一趋势，更多企业会转向合同工与自由职业。在他看来，高技能劳动者的对策是提升技能与外部人脉，而底层劳动者更需要公共政策托底。

来源：The Guardian / Varsha Bansal（2026-08-12）

OpenAI 经济研究团队追踪了 2025 年 8 月至 2026 年 6 月期间旗下智能体编程工具 Codex 的使用情况，得出一个核心结论：AI 智能体不只是让打工人干活更快，而是让他们开始做起了「完全不同的工作」。美国科技媒体 Axios 于 7 月 27 日率先报道了这项研究。

非开发者成了增长最快的用户群

Codex 起初是一款面向程序员的编程工具，开发者自然是第一批用户。但研究数据显示，随着 Codex 向更广泛的知识型工作扩展，非开发者群体的增长速度反而更快。

自 2025 年 8 月以来，个人用户中的非开发者数量增长了 137 倍，机构用户中的非开发者增长了 189 倍，OpenAI 内部的非开发者用户也增长了 12 倍。在个人、企业和 OpenAI 内部三个群体中，非开发者的每周活跃用户增速全部超过了开发者。

更值得注意的是跨界深度：业务部门员工用 Codex 完成的工作中，超过四分之一属于工程或编码任务。也就是说，法务、财务、招聘这些岗位上的人，正在批量涉足一年前还必须招聘一名开发者才能搞定的技术领域。

OpenAI 内部：律师 85% 的产出都来自智能体

OpenAI 自家员工的使用轨迹颇具代表性。工程师是最早一批采用者，到 2025 年 12 月，普通工程师已将大部分使用量转移到 Codex 上；如今，普通工程师 99% 的输出 Token 由 Codex 生成，而非 ChatGPT。

法务、财务和招聘部门的转向发生得更晚——大约在 2026 年 4 月——但过渡速度快得多。目前，OpenAI 内部普通律师或招聘人员超过 85% 的输出 Token 都由 Codex 生成。

从用量增幅看，研究部门的变化最为惊人：到 2026 年 6 月，其中位数使用量达到 2025 年 11 月的 56 倍；客户支持部门增长 32 倍，工程部门增长 27 倍，法务部门也达到 13 倍。

任务越来越重：七成请求相当于人工干一小时以上

除了用的人变多，任务本身也在变重。2026 年 5 月，超过 70% 的 Codex 请求涉及的任务，如果交给人类完成需要花费一个小时以上。

截至 2026 年 5 月，80.6% 的个人用户提出过至少一项相当于人工 30 分钟以上工作量的请求，70.2% 的用户提出过超过一小时工作量的请求。而重度用户的玩法更加激进：在 OpenAI 的日活跃用户中，排名前 1% 的用户平均每天生成超过 60 小时的智能体运行时长——秘诀是把任务分配给多个并行运行的智能体。

研究指出，整个行业的 AI 交互方式正在从「聊天机器人」转向「智能体」，用户不再是一问一答地索取答案，而是像管理团队一样，在一天内同时调度多项智能体任务。

职业边界模糊之后

OpenAI 在研究中总结道：智能体工具降低了跨越任务边界的成本，让员工能够承担过去需要专门技术支持才能完成的相邻工作。这对三类人都有直接影响——企业需要重新设计工作流程，员工需要重新判断哪些技能更值钱，政策制定者和研究者则需要理解 AI 究竟如何改变劳动力市场。

当一名招聘专员可以随手搭建自动化流程、一名律师可以让智能体跑通数据分析时，「这不是我的工作」这句话，恐怕正在失去它的字面意义。

来源：Axios、OpenAI 官方研究

“别再粉饰太平了”

在 Axios 的 “Behind the Curtain” 视频栏目中，Amodei 直言不讳地表示，AI 行业和政府必须停止对即将到来的就业冲击”粉饰太平”。他认为，作为正在建造这项技术的人，公开说出真相是一种社会责任。

Amodei 的警告并非危言耸听。事实上，许多 CEO 已经在私下行动。据他透露，大量企业高管正在悄悄暂停初级岗位招聘，因为他们预计 AI 在未来 18 到 24 个月内就能成熟到足以自动化这些工作。

受影响最深的行业

冲击将主要集中在几个知识密集型领域：科技、金融、法律和咨询。这些行业的入门级岗位——初级软件工程师、法律助理、一级分析师——正是 AI 模型当前最能胜任的工作类型。

LinkedIn 首席经济机会官 Aneesh Raman 在《纽约时报》的一篇专栏文章中呼应了这一判断，指出 AI 正在”打破职业阶梯的最底层台阶”。

一个矛盾的未来

Amodei 描绘了一个令人深思的悖论：”癌症被治愈了，经济以每年 10% 的速度增长，预算平衡了——但 20% 的人没有工作。”

宏观经济增长与社会危机并存，这是他最担心的场景。虽然 AI 可能带来巨大的生产力提升和科学突破，但如果财富分配机制跟不上，普通人的处境可能反而恶化。

提出的解决方案

Amodei 提出了几项应对建议：

第一，加速公众认知。AI 公司和政府应当更透明地解释即将到来的劳动力变化，让从业者有时间重新规划职业路径。

第二，减缓岗位替代速度。帮助现有劳动者了解如何利用 AI 增强而非取代自己的工作能力。

第三，政策层面的讨论。Amodei 提出了一项”Token 税”：每次用户使用 AI 模型产生收入时，将约 3% 的收入上缴政府并以某种方式重新分配。他坦言”这显然不符合我的经济利益，但我认为这是一个合理的解决方案”。

不可能停下，但可以转向

“你不可能站到火车前面让它停下。” Amodei 总结道，”唯一有效的办法是给火车转向——让它偏离原来的方向 10 度。这是可以做到的，也是可能的，但我们必须现在就行动。”

这场由 AI 驱动的就业变革已经开始，而 Amodei 的公开表态，可能标志着硅谷对 AI 风险叙事的一个重要转折点。

> 信息来源：Axios “Behind the Curtain” 系列专访，2026 年 7 月

硬数据：入门级岗位招聘已明显萎缩

斯坦福数字经济实验室主任Erik Brynjolfsson（埃里克·布林约尔松）展示的研究数据显示，AI暴露度高的职业，入门级岗位招聘量已经出现了可量化的下降：

• 软件开发：22至25岁初级开发人员的招聘量较AI普及前下降了约 20%
• 客服/呼叫中心：初级岗位招聘量减少了约 15%

这些数字不是预测，而是已经发生的事实。

前美国劳工统计局负责人、现任SIEPR政策研究员Erika McEntarfer在峰会上表示，虽然整体就业市场并未崩盘，但AI暴露度高的岗位正在明显走弱。”那些最容易被AI替代的职业，失业率正在缓慢上升。”她补充说，过去18个月招聘放缓主要集中在AI可替代的脑力劳动岗位，而非体力劳动岗位。

从”金字塔”到”钻石”：职业阶梯正在变形

峰会上经济学家们提出了一个形象的比喻：传统职业结构像一座金字塔——底部是大量入门岗位，越往上越少。但AI正在做的事情，就是逐步消解金字塔的底部。

AI模型已经能够接手撰写样板代码、处理例行客户咨询、整理法律文件等入门级工作——而这些恰恰是新人积累经验、往上晋升的必经之路。

斯坦福商学院经济学教授Charles “Chad” Jones指出，当金字塔底部被压缩后，职业结构更像一颗”钻石”——中层岗位相对增多，但底层入门岗位急剧减少。”如果你连第一级台阶都踩不上去，那整个职业阶梯对你来说就失去了意义。”

生产力提升与就业冲击并存

Brynjolfsson在研究中发现一个矛盾现象：AI带来的生产力提升最显著的领域，恰恰是初级岗位就业收缩最严重的领域。

他对此态度明确：”我相当确信AI会带来生产力提升和财富增长，但我非常担心这些收益不会被均匀分配——很多人会受到严重冲击。”

企业层面的调研数据验证了这一趋势。麦肯锡的调查显示，约三分之一的机构预计AI将在未来一年内缩减员工规模，其中服务运营、供应链和软件工程是预期减员比例最高的领域。几乎所有职能部门中，企业预期的岗位缩减规模都高于过去一年已出现的减员幅度。

给年轻劳动者的三条建议

面对这场结构性的变革，经济学家们为年轻劳动者提供了具体建议：

1. 用AI学习，而非替代。Brynjolfsson的研究显示，用AI来学习新技能的劳动者，就业前景反而在增长；而那些只把AI当作”省事工具”的人，就业则在下降。

1. 找到人类优势的”瓶颈点”。Jones建议，在一项工作的任务链条中，找到那些AI无法自动化的”薄弱环节”——定义问题、评估方案、跨领域判断——并把精力集中在这些环节上。

1. “能搞定事情”本身就是价值。McEntarfer的建议相当务实：”永远不要低估’能把事情干完’的能力。不管你的技能清单有多长，老板看重的始终是你能不能出活。”

政策层面的盲区

Brynjolfsson直言，在政策应对方面，政府几乎是”闭着眼睛飞行”——缺乏实时数据，也缺乏帮助劳动者转型的培训基础设施。他呼吁建立更灵活的劳动力市场机制，包括更好的实时就业数据和充分的技能培训项目，帮助被AI替代的劳动者重新进入就业市场。

这场变革的大幕才刚刚拉开，而数据的指向已经非常明确：AI正在重塑就业市场，而首当其冲的，是那些刚刚踏入职场的人。