这并不意味着AI只会伤害新人。Richardson也提到，斯坦福的另一项客服研究发现，AI工具可以帮助原本绩效较低的客服人员提高表现。ADP在数字岗位工资数据中还观察到，机器学习和AI相关的专业岗位相对其他数字岗位具有明显的薪酬溢价。相同的技术，一方面能接管部分常规任务，另一方面也能增强人的工作能力。它对谁有利，取决于具体任务、专业水平和职业阶段。
图1｜22—25岁年轻员工在不同AI暴露职业中的就业同比变化。来源：ADP/斯坦福Canaries Dashboard，2026年8月；嘉宾访谈。
另一项斯坦福数字经济实验室的研究进一步补充了这个现象：截至2026年6月，在AI高度暴露职业工作的22—25岁员工，就业水平相对于同龄、低AI暴露职业的比较趋势，已经形成约19%的缺口；2025年7月版本对应的缺口为15%。这里的19%是相对趋势缺口，不是失业率，也不是说19%的年轻人被AI裁掉。研究团队指出，变化主要体现在年轻人被招聘的机会减少，而非现有员工离职率突然升高。
图2｜年轻员工相对就业缺口扩大。来源：Stanford Digital Economy Lab，《Canaries in the Coal Mine?》2026年8月修订版。
“招聘变少”和“裁员变多”，对刚毕业的人是两种完全不同的困境。后者至少会留下清晰的裁员事件；前者则可能表现为岗位没有开放、校招名额缩减、招聘要求悄悄提高。对求职者来说，感受到的是投出去的简历越来越难换来一次面试；对宏观统计来说，这种变化却未必立即表现为失业率的大幅上升。
AI正在拆解工作，而不是整齐地淘汰一批职业
Richardson认为，未来衡量AI影响时，值得关注的不只是消失了多少岗位，还有多少任务被重新分配。一个软件开发者仍然叫软件开发者，但他日常承担的工作可能已经发生变化。她在访谈中把IT工作中的开发、设计、创造视为相对高价值的任务，把解释、文档、诊断等列为相对低价值的任务，并认为AI普及将推动工作进一步拆分。
这也让“AI究竟会不会造成大规模失业”变得不容易回答。企业可以不裁掉一个岗位，却让这个岗位中的许多任务自动化；也可以保留员工，把他们从重复劳动中释放出来，转向更复杂的工作。
Richardson强调，目前尚不能从宏观生产率数据中清楚看到AI带来的整体跃升。技术仍处于转型阶段，而这一阶段会持续多久，还没有确定答案。
她并不否认企业可能借AI裁员，但认为单纯以裁员兑现效率收益是短视的：缩减人员可能让一个季度的业绩好看，之后企业仍要面对团队信任、知识积累和下一阶段增长的问题。长期生产率的提高，不仅取决于技术，也取决于企业是否继续投资于人。
