斯坦福研究发现AI企业扩招集中于资深岗位
一项覆盖41个国家的研究发现，采用AI的企业整体上在增加招聘，但新增岗位主要是资深职位，初级岗位的就业反而在减少。研究者的结论是："在AI暴露度高的职业里，AI对初级员工是节省人力的，对资深员工则是扩张人力的。"
研究由斯坦福大学的Bharat Chandar和伦敦国王学院的Bouke Klein Teeselink完成，数据时间跨度为2021年1月到2026年3月，样本包括12.5亿条招聘信息，以及劳动力数据公司Revelio Labs提供的1.54亿条就业记录，覆盖巴西、沙特阿拉伯、英国、美国等41个国家。研究把企业按是否采用AI分组，比较两组企业在不同层级上的人员变化。
核心结果是：5年间，采用AI的企业资深岗位就业增长6.7%，初级岗位就业下降约2.5%到3%，初级员工在总员工中的占比下降约2个百分点。企业整体员工数增长约3.3%，但统计上只是勉强显著。职业结构上，资深员工向AI高暴露岗位移动了0.9个百分点，初级员工则向外移动了0.6个百分点。受冲击最大的是计算机和数学类岗位：这类岗位在AI企业中整体增加了0.8个百分点，但增量几乎全在资深层级，初级占比降幅是所有职业中最大的。
分国家看，有数据的31个国家中，23个国家的初级员工占比下降，其中美国、巴西和沙特阿拉伯的下降在统计上显著。针对年轻劳动者的数据更加直观：在AI高暴露职业中，22到25岁年轻人的就业水平已比预期低19%，而且这个缺口还在扩大。
其他数据也指向同一方向。招聘网站Indeed旗下研究机构Hiring Lab在2026年5月的数据显示，资深岗位招聘信息同比增长14.7%，入门级岗位下降7.5%。风投机构SignalFire统计，2019年以来，12家大型科技公司的应届生招聘减少了65%。普华永道2026年全球AI就业晴雨表发现，在AI暴露岗位中，52%新出现的入门级技能要求涉及"战略判断、领导力和决策"，原本属于资深员工的能力，正在被写进初级岗位的招聘要求。
企业层面，KPMG英国把毕业生招聘人数从1399人削减到942人，德勤、安永、普华永道也不同程度缩减了毕业生招聘。也有逆向操作的公司：IBM计划在2026年把美国入门级招聘人数增加到原来的3倍，理由是长期人才梯队不能断档。
市场机制方面，这是一次技术驱动的劳动力结构调整。企业是劳动力的买方，它们把原本用于大批初级员工的人力预算，转向AI工具订阅、算力和少数高薪资深员工。资金流向是：人力成本转化为AI软件和云服务收入，同时推高资深人才的薪酬溢价。受益的是AI模型和企业软件供应商、拥有经验和判断力的资深员工，以及能用更少人力扩大产出的企业股东。承压的是应届毕业生、以初级岗位为主的外包和专业服务行业，以及依靠"金字塔结构"培养人才的咨询、会计和法律等行业的长期人才供应。
来源：公开信息
ABAB AI 解读
Bharat Chandar此前与斯坦福数字经济实验室主任Erik Brynjolfsson合作，在2025年8月发表论文《煤矿中的金丝雀》，基于美国最大薪资处理商ADP的数百万份工资记录发现，AI高暴露职业中22到25岁员工的就业相对下降了13%，而同一职业中年长员工的就业基本稳定甚至增长。这次的新研究把样本扩展到41个国家、12.5亿条招聘信息，证明这种"年轻人先受冲击"的现象不是美国独有的。Brynjolfsson早在2022年就提出"图灵陷阱"概念，警告如果AI被主要用来模仿和替代人类，而不是增强人类能力，收益会集中到资本所有者手里。
从资本路径看，大企业正在把人力预算直接转成AI预算。2025年6月，亚马逊CEO Andy Jassy在给员工的信中表示，AI将在未来几年减少公司的白领员工规模，同年10月亚马逊裁减约14000个企业岗位。2025年9月，Salesforce CEO Marc Benioff说，公司因AI客服代理削减了约4000个客服岗位。微软在2025年裁员约15000人，同时把年度资本开支提高到800亿美元以上，主要用于AI数据中心。资金从工资表流向算力，最先被压缩的就是可以标准化、可以被复制的初级工作。
历史类比方面，经济学家把类似现象称为"技能偏向型技术变革"。20世纪80到90年代计算机普及时，高技能员工的工资溢价大幅上升，MIT经济学家David Autor发现中等技能的例行性工作被大量替代，劳动力市场出现"两极分化"。另一个类比是ATM：20世纪70年代ATM开始普及，经济学家James Bessen的研究发现，单个网点的柜员数量下降了，但银行靠网点扩张让柜员总数继续增长，岗位内容则转向销售和客户关系。AI这一轮的不同点在于，它首先替代的是认知型白领工作，而且冲击的正好是职业阶梯最底层的那一级。
本质上，这是一次技术替代，只是替代的对象是"可编码的知识"。机制在于：初级员工的主要价值来自书本上学到的、可以写成规则的显性知识，例如写基础代码、整理数据、起草标准文档，而这正是大模型最擅长的；资深员工的价值来自多年积累的隐性知识，例如判断优先级、处理例外情况、管理客户关系，AI在这里是放大器而不是替代品。于是AI同时降低了初级劳动的需求，提高了资深劳动的生产率和议价能力。长期风险在于人才供应链：今天的资深员工都是从初级岗位成长起来的，如果企业普遍停止招聘新人，十年后能够驾驭AI的资深人才就会出现断层，这正是IBM逆势扩大入门级招聘的逻辑。
ABAB News · 认知定律
AI先替代写进书里的知识，再抬高没写进书里的经验。
砍掉学徒岗位的企业，正在透支未来的专家。
效率红利先归资本，再归资深，最后才轮到新人。