（来源：观察者网）
【文/ 汤姆·摩根】
最值得关注的数字
先看这场讨论中证据最扎实、也最容易核查的一项发现。
斯坦福大学数字经济实验室使用的是ADP（美国自动数据处理公司）的薪资记录——实际发出的工资，而非问卷中表达的意向。研究发现，在受AI影响最大的职业中，22至25岁年轻人的就业人数，比照受AI影响较小的同龄人推算出的水平低了19%。这一差距几乎完全来自招聘减少，而不是裁员。企业没有解雇这些年轻人，只是不再提供过去那些通往第一份工作的初级岗位。
同样从事这些职业的资深员工，就业情况却保持稳定，甚至有所增长。这一点使问题值得认真研究，而不必直接得出恐慌性的结论：劣势主要集中在入行的第一份工作，而不是从业后的第十份工作。但它也带来一个本文无法轻易回答的问题：如果入门岗位消失了，未来又该通过什么途径培养出具备判断力的资深员工？先记住这个问题，文章最后还会回到这里。
另一个让情况变得复杂的数字
如果只讲令人担忧的一面，故事到这里就可以结束了。但事实并不只有这一面。
美国国家经济研究局第34836号工作论文调查了美国、英国、德国和澳大利亚近6000名首席执行官、首席财务官及其他高管。其中九成表示，过去三年里，AI对本企业的就业人数或生产率没有产生可衡量的影响。
这和斯坦福的发现并不矛盾。两项研究观察的是不同层面，而这种差别本身就很有启发。高管对全公司生产率的感受，完全可能与薪资数据呈现出的特定职业招聘变化不同步。
一位首席财务官可能真心认为AI没给公司带来多少变化，而招聘团队却已悄悄减少了相关部门的初级岗位。站在高管办公室里，“我们没有裁员”和“我们没有招聘原本会在2022年招进来的人”看起来差不多；对等待回复的应届毕业生来说，两者却截然不同。
把这两组数字放在一起，才能看见更完整的变化：影响真实存在，而且相当集中，却很可能没有进入那些有能力减缓这一趋势的决策者的视野。
连续数月的“AI裁员”，为何在八月中断？
就业咨询公司Challenger, Gray & Christmas的统计显示，2026年3月至7月，AI连续五个月是美国企业最常提及的裁员原因。5月达到高峰，占当月裁员总数的40%。到了8月，AI降至第四位：相关裁员3462人，约占7%；“业务重组”重新成为最常见的理由。
直接说结论：8月的降幅是真实的，说明这项数据波动很大，却不能据此断言AI已不再影响裁员。按年初至今的累计数字，AI仍是2026年最常被提及的裁员原因，涉及约22%的裁员。一个月的变化抹不掉此前五个月的记录。
反过来说，连续五个月也不足以确立一条长期趋势。企业是否将裁员归因于“AI”，由企业自己决定。一次普通的重组，完全可能为了迎合投资者而被包装成“AI转型”。因此，单月数字容易受表述方式影响，全年累计数据相对更值得参考。截至8月，2026年美国裁员总人数还同比下降了41%；8月公布的招聘计划也是自2022年以来同期最多的。
比起“AI正在消灭工作”或“AI毫无影响”这两种极端说法，更贴近数据的判断是：AI正在改变劳动力市场的构成，但尚未使整个市场明显萎缩。
三组数字，回答的是三个不同的问题
这场讨论之所以充满争议，一个原因是人们常把口径不同的数据当作彼此竞争的预测。它们衡量的其实不是同一件事。
这些宏观数字也无法直接告诉某个劳动者该怎么办，因为它们观察的对象并非个人。全球净增岗位的数字会把地区和技能要求完全不同的工作合并计算。俄亥俄州一名失业的客服人员，不会因为班加罗尔新增了一个自己无法胜任的AI工程岗位而受益。
Klarna：实际发生了什么？
2024年2月，支付公司Klarna表示，其使用OpenAI技术的客服助手在上线第一个月处理了230万次对话，工作量约相当于700名客服人员；平均处理时间从11分钟降至不到2分钟，预计每年可节省约4000万美元。公司冻结招聘，员工人数从约5500人降至3400人。此后，Klarna常被当作生成式AI可以直接替代客服人员的典型案例。
但到2025年5月，首席执行官Sebastian Siemiatkowski向彭博社表示，公司过于看重成本和效率，服务质量因此受损。Klarna随后重新招聘人员，同时继续使用AI，只是缩小了它的工作范围。订单状态、基本账单问题等大量重复咨询仍由AI处理；争议、复杂退款和客户陷入困境的个案，则重新交给人工。这些情况一旦处理失误，可能给处境脆弱的客户造成切实损害，而且每个案例都有不同背景，固定话术难以应对。
即使没有一套正式模型，也可以大致据此区分任务：常规且出错代价低的，可以自动处理；常规但出错代价高的，值得加入人工审核；既不常规、出错后果又严重的，则应保留人工处理。Klarna的问题在于，自动化之前没有先细分客服工作，还用平均处理速度衡量成效，结果掩盖了疑难个案中客户遭遇的问题。
许多复述这个案例的文章还忽略了一项干扰因素：Klarna公布的2024年数字由公司自行提供，并与OpenAI联合发布，未经独立审计。员工人数下降也发生在此前已经实施的招聘冻结，以及2022至2023年金融科技行业低迷之后；在AI助手上线前，服务质量就已承受压力。因此，很难清楚区分哪些变化由AI造成，哪些源于既有的成本削减措施。
能够独立核实的是：两年间，每笔交易的成本下降了约40%。截至2026年年中，Klarna也未公开表示要再次放弃目前的人机协作模式。这可以说明该模式暂时运行稳定，但还不足以视为定论。
转岗再培训确实是一条路，却未必适合所有人
世界经济论坛认为，到2030年，AI与机器学习专家、大数据专家以及安全管理岗位将是增长最快的职业之一。美国劳工统计局另行预测，2023至2033年间，软件开发人员岗位将增长17.9%，信息安全分析师岗位将增长32%，都远高于所有职业约3%至4%的平均增幅。这些数字经常被用来说明：受到冲击的人可以转向新岗位。
这些机会是真实的，但对多数被建议转岗的人来说，它们不是轻松换个岗位就能抓住的机会。信息安全分析师通常需要相关学历，以及一至三年的资格认证积累，不是参加一个周末培训班就能胜任。
世界经济论坛的调查显示，77%的雇主计划为员工提供再培训；但“有计划”与“拿出预算、办成项目”是两回事，调查并未区分两者。要判断承诺是否落地，还得看预算和实际完成培训的人数。
已有技术基础的人，比缺乏相关背景、年过45岁的失业者更容易走通这条路；科技企业集中的地区，也比缺少这类雇主的地区机会更多。转岗再培训确实能帮助一部分人，却无法单凭这一项措施解决如此具体的就业结构变化。
如果你正需要做决定
对刚进入受AI影响较大行业的人来说，斯坦福的数据并不意味着“赶紧转行”，而是说明入行机会变少了，想脱颖而出的门槛也更高了。能够证明自己处理过需要判断力的工作——比如负责解决升级处理的投诉，或发现固定流程会漏掉的错误——如今比2019年更有价值。当前的工具仍不擅长处理这类情况，而这样的经历也难以临时包装出来。
对考虑将某项业务自动化的人来说，Klarna的教训是：一个部门的工作很少只有一种。调整人员安排之前，应先分清哪些任务重复、风险低，哪些任务虽然重复但后果重大，哪些任务根本难以标准化。之后，还要专门观察疑难个案的处理结果，而不能只看整体平均值。正是平均值让Klarna在一年多的时间里没有看清自己的问题。
这些都不是放之四海而皆准的公式。斯坦福与美国国家经济研究局的数据共同指向的是同一场变化：它足以关上一些人的求职之门，却又不够显眼，以至于许多本可以重新打开这扇门的人没有注意到它。
数据是如何核查的
文中引用的Challenger数据，逐月对照了该机构截至2026年8月发布的原始新闻稿或PDF，而非汇总这些数据的二手资料。有一处差异值得说明：部分二手报道将4月的裁员总数写成88387人，但这一数字与该报道其他地方的同比计算不符；Challenger自己的报告和PDF均写为83387人，因此本文采用后者。
随着新增薪资数据纳入研究，斯坦福对年轻人就业缺口的估计也经历了变化：先是13%，之后约为15%，如今为19%。本文采用最新数字，同时说明此前的估计，以免让人误以为19%从一开始就是研究结论。对于只能追溯到二手报道、无法找到原始发布材料的说法，文章也作了相应标注。
这些数据仍在快速变化，不能当作最终结论。短短八个月里，被归因于AI的裁员占比从7%升至40%，又回落到7%。Challenger和斯坦福的数据大约每半年值得重新核查一次；世界经济论坛的五年期预测变化较慢，约每年复查即可。
原文列出的资料来源：斯坦福大学数字经济实验室；Challenger, Gray & Christmas 月度报告；《2025 年未来就业报告》；美国国家经济研究局第 34836 号工作论文；Anthropic 经济指数。
本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
