但《财富》杂志科技记者 Emily Forlini 在「Eye on AI」通讯中指出，报告第 35 页的一张小表格，讲了一个不太一样的故事。

第 35 页的反差

研究人员发现，员工人均营收与员工使用 AI 的强度（以发送消息量和消耗 token 数衡量）之间，不存在统计上显著的相关性。报告原文写道：「在纳入其他控制变量后，员工人均营收与员工人均输出 token、活跃用户消息数没有有意义的关联。」

换句话说，报告确实显示高营收公司往往更早采用 AI，但这更像「赚钱的公司更有钱先上 AI」，而不是「因为用了 AI 才更赚钱」——因果方向并不能由这份数据确立。

高管用得最少

报告第 29 页的图表还藏着一个细节：高管层级每周发送的消息量反而最少，资深员工的使用强度普遍偏低。OpenAI 首席财务官 Sarah Friar 随即在 LinkedIn 上发文称：「对领导者来说，这提醒我们竞争优势来自离工作最近的人。」言下之意，真正产生价值的可能是一线员工，而非决策层。

企业采用的起伏

报告里的增长曲线也并非一路向上。输出 token 的图表显示，2025 年 10 月到 12 月，企业端总使用量几乎完全停滞，那段时间的黑线接近水平；而同期，Anthropic 的 Claude Code 正在企业里迅速普及。直到 2026 年 1 月，曲线才重新拉起，进入指数增长区间。

就在这份报告发布当天，OpenAI 宣布任命新的首席营收官 Dali Rajic，接替任职不到一年的 Denise Dresser。新官的重点被明确为「加速客户采用」和「帮助企业衡量影响」——这两项目标本身，也侧面说明客户尚未清晰看到可量化的回报。

一份报告的独立性质疑

这份 69 页报告共有五位作者，其中两位是学者：哥伦比亚商学院的 David Holtz 与宾夕法尼亚大学沃顿商学院的 Prasanna Tambe。但脚注注明，二人是「以 OpenAI 付费承包商身份参与贡献」。学界作者通常意味着更高的公信力，这一安排让独立性打上问号。

结论留给数据本身

需要澄清的是，报告并没有断言 AI 没有价值。「没有统计显著相关」不等于「没有影响」，它只说明在报告覆盖的数据范围内，找不到两者之间的稳定关联。究竟是口径问题，还是 AI 的价值还没传导到人均营收指标上，报告没有给出进一步解释。

对企业决策者而言，这份报告真正的看点是那个反差本身：营销语言与数据细节之间，存在一道值得留意的空隙。衡量 AI 的影响，最终恐怕还是要靠自己的第一手经验，而不是别人的宣传。

来源：Fortune

这份由SIEPR主任Neale Mahoney、前美国劳工统计局局长Erika McEntarfer和经济学家Karsen Wahal共同撰写的政策简报，系统梳理了AI对劳动力市场的真实影响。以下是五个关键发现。

一、AI并未导致大规模失业

这是最反直觉的结论。数据显示，自2022年以来，AI暴露度最高的职业群体失业率上升了0.77个百分点——而AI暴露度最低的群体，失业率反而上升了0.85个百分点。如果AI真的在系统性取代工作，这两个数字应该出现明显分化，但事实并非如此。

更值得注意的是，在已经采用AI的企业中，就业率在两年内反而增长了10%。尤其在AI投入强度最高的公司，就业增长最为显著。

二、初级岗位成为”煤矿中的金丝雀”

不过，报告也发现了一个不容忽视的警示信号。在软件开发领域，22至25岁的年轻开发者就业人数较2024年下降了近20%。在客服领域，初级岗位的招聘也减少了约15%。2026年初，应届毕业生的失业率达到5.6%，比三年前上升了1.6个百分点。

斯坦福数字经济实验室主任Erik Brynjolfsson将这些年轻人称为”煤矿中的金丝雀”——他们是AI冲击的第一批感知者。初级岗位涉及的常规研究、分析和写作任务，恰好是当前AI工具最擅长的领域。

但时间点存在争议。2022年底ChatGPT发布时，AI能力仍相当有限，同期美联储加息和远程办公常态化也对初级招聘产生了影响。Brynjolfsson在加入控制变量后确认，AI的实质性影响到2024年才开始变得显著。

三、AI确实在提升生产力

实验证据表明，AI工具能显著提升工作效率。GitHub Copilot使开发者的编程速度提高了56%，对经验较少的程序员提升最为明显。AI助手使客服中心的新手效率提高了30%。ChatGPT在所有能力水平的写作任务上都缩短了时间，并显著提升了低水平写作者的作品质量。

但这些实验层面的提升尚未在宏观生产率数据中体现出来。原因可能是AI能加速的任务在整体经济活动中的占比仍然较小，且流程瓶颈限制了单项任务提速转化为组织效率的提升。

四、企业采用加速但不均衡

各类调查显示的企业AI采用率差异巨大——美国人口普查局的统计约为20%，而面向高管的调查则显示超过40%的员工在工作中使用AI。这种差异源于调查方法和样本构成的不同。

AI采用主要集中在科技公司和信息密集型行业，最常见的应用场景是销售、营销、IT和战略。即使在采用者中，AI的使用范围仍然很窄，全面集成仍是例外而非规则。

五、AI的能力分布并不均匀

报告特别指出，AI的能力是”锯齿状”的——在某些领域已超越人类，在另一些领域则远远落后。例如，AI智能体处理现实世界任务的成功率已从2025年的20%提升至77.3%。但在折叠衣物、洗碗等家务任务中，机器人的成功率仅为12%。

这意味着，在错误的任务上使用AI可能导致负面结果。一项在肯尼亚的研究显示，技能较低的企业家听取AI的通用建议后，收入和利润反而下降了。

结论

斯坦福这份报告的核心结论可以用一句话概括：AI确实在改变就业市场，但它没有、也不会很快引发”就业末日”。真正的风险是渐进的——初级岗位的萎缩可能会在人才培养管道中造成”空洞化”，而政策制定者需要现在就为这种结构性变化做好准备。

对于普通从业者来说，Brynjolfsson的建议很务实：用AI来学习新技能，而不是仅仅用来自动化现有任务。找到人类在问题定义和方案判断上的优势领域，这才是未来几年中最有竞争力的能力。

> 图片来源：Stanford Institute for Economic Policy Research (SIEPR)