随着人工智能技术的飞速发展，AI对就业市场的冲击成为了一个备受关注的话题。许多人担心自己的工作会被AI取代，但这种冲击究竟如何发生，以及对不同行业和岗位的影响程度如何，却鲜有人能给出清晰的答案。
后台不少读者朋友给我留言，说能不能聊聊AI抢工作这件事。
这其实也反应了一种普遍的焦虑情绪，即大家隐约感觉AI会对工作造成冲击。
但它具体是怎么把一个办公室白领的饭碗给干掉的，很多人并没有真实的体感。
最近我在Twitter上看到了一篇非常精彩的论文，它全局、真切地研究了AI对工作的冲击。
我看了非常有感触，也分享给读者。
论文来自哈佛大学，由两位经济学博士生Seyed M. Hosseini和Guy Lichtinger操刀。
而他们的导师是劳动经济学的重量级大咖拉里·卡茨（Larry Katz）。
因此，论文是严谨而有分量滴。
论文没有任何情绪渲染，就是用冰冷、庞大的真实数据，剖析了2023年以来美国就业市场的AI冲击具体是如何发生的——
01作为读研的时候也被写经济学论文折磨过的学术逃兵，在我看来，这篇论文很厉害的地方不是结论。
而是它抽丝剥茧的行文方式：一个问题扣着一个问题，一个结论跟着一个结论——
先来看第一个问题，AI是不是真的在冲击就业市场？
这东西不能靠感觉，经济学研究要的是数据。
两位作者的第一步，就是把美国劳动力市场的数据给搬出来，不是总体数据，而是几乎是全量的原始数据。
他们拿到了一个非常牛X的数据集（不知道怎么搞到的，差不多相当于Boss直聘的后台全部数据），来自一家叫Revelio Labs的公司基于LinkedIn的招聘信息收集。
这个数据集包括285,000家招聘的公司，覆盖6200万打工人的简历，超过1.5亿次的招聘记录。
美国总共也就3.4亿人，所以，除掉老人和小孩，真正工作的人很大比例其实都包括在这个数据集里了。
结果一出来，一个清晰的剪刀差出现了——
从2015年到2022年中，研究的目标公司数据集中，初级岗位（Junior-level）和高级岗位（Senior-level）的就业增长曲线，基本上是手拉手一起走的。
但从2022年中开始，风云突变，高级岗位的就业人数还在昂首向上，而初级岗位的增长开始停滞，到了2023年中，甚至掉头向下了。
两条线从此分道扬镳，一个往上，一个往下。
这就有意思了。
整个经济大环境没出大问题，为什么偏偏是年轻人的饭碗、入门级的工作，突然就不香了？
会不会是AI的原因呢，毕竟，ChatGPT是在2022年底发布的，正好和这个剪刀差出现的时间点完美契合。
02那怎么证明呢？
转折发生的时间点和AI出现的时间点差不多，这叫相关性，不叫因果性。
万一是别的因素呢？比如经济不确定性，或者疫情后的结构调整？
要锁定原因就是AI，得找到更直接的证据。
这篇文章设计了一个非常巧妙的策略，他们用了一个叫做DiD的方法（Difference-in-Differences, DiD）的方法。
简单地说，就是要应用AB测试的方法，找到找到用AI和没用AI的的两组公司。
但问题是，一家公司用没用AI，如何确定？
总不能挨家挨户去问CEO吧？就算你问了，他说的也未必是实话。
两位作者想出了一个极其聪明的办法——
他们不去问你用没用AI，而是去看你招不招一类特定的人。
这类人，他们称之为“AI Integrator”。
什么意思？
就是其他都是假的，但招聘数据骗不了人：
如果一家公司招聘岗位描述和工作职责描述中有LLM、Prompt Engineer、GenAI等和大模型生成式AI相关的内容，那说明这家公司是真的在用AI搞生产力了。
这样的公司有多少呢？
作者在全量数据集中找出了10.6 万家，约占所有公司比例为3.7%，且从 2023 年第一季度开始急剧增加。
于是，使用AI的实验组有了，而其他所有公司，自然就是对照组。
两组公司一分好，好戏就开场了
作者们对比了这两组公司在2023年第一季度（也就是AI爆发后）前后的初级岗位招聘数量变化，结果令人震惊——
在AI爆发后，AI采纳者公司的初级岗位就业人数，相对于对照组公司，出现了断崖式的下跌。
在AI扩散的六个季度后，这个差距拉大到了7.7%。
与此同时，高级岗位的就业在这两组公司里并没有出现这种差异，甚至AI采纳者公司的高级岗位增长还更强劲。
到这里，证据链就非常完整了——
在同一个经济环境里，那些深度拥抱AI的公司，恰恰就是那些对年轻人关上大门的公司。
AI真的在抢初级的工作。
04接下来的问题是——AI到底是如何抢工作的？
是把人都裁了，还是有别的方式？
论文的数据再次给出了一个出乎意料、甚至让人后背发凉的答案——
作者们把公司的人员变动拆解成三个部分：新招聘（Hires）、离职（Separations）和内部晋升（Promotions）。
他们的数据发现，AI采纳者公司里初级岗位的急剧萎缩，主要原因并不是离职率的上升。
也就是说，公司并没有因为用了AI，就把现有的大批初级员工给裁掉。
那人是怎么变少的呢？
答案是：不再招聘了。
数据显示，与对照组相比，AI采纳者公司在2023年第一季度后，平均每个季度少招了3.7个初级员工。
对于那些本来招聘规模就大的AI公司，这个数字意味着初级岗位的招聘量暴跌了大约22%。
这是一个更隐蔽、成本更低的替代过程。
毕竟，裁员的补偿成本、沟通成本和PR成本确实不小，不招了就没这个问题。
这其实和我的体感也是相吻合的，我和很多前同事聊天，他们也感叹这两年初级岗位新增的确招的少了。
老的初级员工可能会晋升，或者自然流失，但新的年轻人，对不起，没有你的位置了。
这就像温水煮青蛙，你不会看到大规模的裁员新闻，但就业市场正在对初级岗位的年轻人关闭。
这是一个非常残酷的现实，他们职业第一级阶梯，正在被慢慢抽掉。
05那是不是所有行业都呈现同样的特征呢，还是不同行业的程度不同。
论文数据显示，这种对初级岗位的压缩效应，在所有行业都普遍存在，但程度不同。
你可能以为受冲击最大的是互联网、软件、设计这些行业。
没错，这些的确受到了很大的影响，但真正的重灾区是批发和零售业。
在这个行业里，拥抱AI的公司，其初级岗位的招聘数量比不拥抱AI的公司，每季度减少了将近40%。
这非常符合直觉，因为批发零售业大量的初级岗位，都和文员、客服、导购等简单任务相关，而这些恰恰是AI最擅长替代的领域。
论文最后还观察了一个问题：在AI面前，我的名校学历能保护我吗？
这是最后一个，也是最扎心的一个问题。
两位作者做了一个非常精彩的分析，他们把员工毕业的大学分成了五个等级（Tier 1-5），从最顶尖的精英名校（如哈佛、斯坦福）到比较普通的地区性大学。
然后，他们观察了来自不同等级学校的初级员工，在AI采纳者公司里的就业变化情况。
结果呈现出一条清晰的“U型曲线”——
为什么会这样？
论文给出的解释是，这背后是一个关于性价比的问题——
对于公司来说，顶尖名校的毕业生（Tier 1），虽然成本最高，但他们解决复杂问题的能力也最强，AI很难替代，所以公司愿意继续花大价钱雇佣他们。
最普通大学的毕业生（Tier 5），虽然能力上可能没那么突出，但他们的薪资要求也最低，人力成本优势明显。
最尴尬的就是中间层（Tier 2和Tier 3），他们薪资要求不低，脱不下长衫，但从事的很多工作又恰好落在了AI能替代的区间，高不成、低不就，是最容易被优化掉的一群人。
到此，这论文的所有结论都已经给出——真实、残酷、逻辑严密。
（想看论文全文，可在“卫夕指北”公众号回复“哈佛论文”）
07好了，论文讲完了，回到开头的问题：这篇如手术刀一般的论文，对我们每个普通人，到底有什么启示？
我在看来，一个最残酷的现实就是——如果你一直只能干初级的活，那么你真的危险了
没错，曾经熟悉的、一级一级向上攀登的职业阶梯，其底部正在被AI迅速抽走。
同志们，不能再按部就班了！
怎么办？
我想来想去，列了下面三个点——
尽快完成原始积累，向上跃迁你必须狂奔，因为AI在极速地追。
你必须迅速摆脱初级状态，成长能独立抗事的老兵。
你需要有意识地、主动地承担那些复杂任务，不要沉迷于那些能让你舒适地完成的简单工作。
那是温室，也正是AI的领地。
你的目标是，在最短的时间内，让你的工作内容中，AI不可替代的部分超过50%。
思考什么是你的暗知识和元技能我之前说过一句话——“这一轮AI冲击，在任何一个领域，并不是“知道What的人被颠覆，知道How的人被放大”，而是“知道How的人被颠覆，知道Why的人被放大”。
对于公共知识，今天的AI已经满级了，而我们的一个优势是“暗知识”。
什么是暗知识？
我的定义是——只有你才能提供上下文的知识，所以思考一下，在你的具体工作中，你能独特定义的上下文是什么？
这个问题极其关键。
向你的兴趣要ROI品位、审美、幽默感这种以前被认为没太多直接用的东西重要性在极速提高，它似乎是今天AI暂时还触达不到的区域。
同理心、共情能力、感染力、领导力这些在过去被视为加分项的技能，现在正迅速成为必需品。
所以，千万不要忽视你的兴趣，多问一问自己，有哪些事情不给你钱你也乐在其中的事，那个边缘的角落或许是你未来竞争力的重要来源。
李继刚最近关于“体力、脑力、心力”的提法很有意思，而兴趣其实是你心力的重要来源。
试一试将兴趣和AI碰撞一下，或许你会有新的发现。
结语“AI对就业市场的潜在影响是’可怕’的（scary）”
谷歌DeepMind CEO Demis Hassabis这句话并非耸人听闻。
但这位老哥也同时说了另一句话——
“AI会让’激进富裕’（Radical Abundance）的时代到来。”
如何确保在前者向后者推进的过程中不被时代抛弃，是我们每个人都要严肃思考的命题。
本文由人人都是产品经理作者【卫夕】，微信公众号：【卫夕指北】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
金御优配提示：文章来自网络，不代表本站观点。
