没人知道AI对就业的真正影响

我在Amazon从事AI产品工作。随着我看到编码工具、写作工具和数据分析工具变得越来越好（有时好得令人害怕），我真心想知道五年后我是否还有工作。如果连我——一个正在帮助构建这些东西的人——都在想这个问题，我完全能想象如果你是局外人会有什么感受。

所以，我做了我在对某事感到焦虑时总是做的事：我去读了一切。高盛、Anthropic、世界经济论坛、塔夫茨大学、学术研究，所有这些。我发现的东西实际上改变了我对你现在应该做什么的看法。但这不是你所期望的。

让我先给你看数据，因为它令人警醒。

高盛估计，全球有相当于3亿个全职工作可能面临生成式AI自动化的影响。这来自他们的2023年报告。

Anthropic今年发布了一项研究，绘制了AI在美国每个主要职业中的覆盖范围。他们发现AI在理论上可以覆盖商业、金融、管理、计算机科学、法律和办公室行政中的大部分任务。他们的研究人员给他们正在密切关注的场景起了一个名字："白领工作者的经济大衰退"。

Anthropic的CEO去年更进一步。他告诉Axios，他认为AI可能在五年内消除多达50%的入门级白领工作——失业率可能飙升至10%到20%。

塔夫茨美国AI就业风险指数——刚刚在3月份发布——预计大约930万个美国工作在未来两到五年内面临被取代的风险，涉及高达7570亿美元的家庭收入。

这不仅仅是报告中的数字。人们现在正在失去工作，要么被告知是因为AI，要么只是看到了征兆。自2023年5月以来，美国大约有99,000个已公布的裁员声明将AI列为因素。仅在今年3月，AI就被列为他们追踪的所有裁员中约25%的原因。

所以，如果你从事数据、软件、写作、金融、法律、客户支持——你已经看到你的领域出现在这些列表上。而且这些不是标题党博客，它们是严肃的机构在发布他们最好的预测。

所以，让我们不要假装这不值一提。

但是，当我坐下来逐一阅读这些报告时，有一件事让我印象深刻：它们根本不一致。

高盛说全球有3亿个工作面临风险。但世界经济论坛的《2025年未来就业报告》讲述了一个完全不同的故事。他们预计到2030年将创造1.7亿个新岗位，取代9200万个——净增加7800万个工作。

Anthropic的报告关注白领职位的取代，但明确承认时间线完全不确定。而关键的是——他们自己的数据显示，实际的AI采用只是理论上可能的一小部分。在AI能做什么和公司目前实际在用它做什么之间存在巨大差距。

一项研究说软件工程是风险最高的领域。另一项研究说它是风险最低的，因为工程师将是构建工具的人。它们使用了不同的"风险"定义、不同的时间范围，以及对采用速度的不同假设。而它们每一个都在从一种变化速度超过任何人建模能力的技术进行推断。

不过，真正让我感触的是这个。高盛自己在2025年3月发布了一份后续报告——在3亿个工作标题的两年后——他们自己的经济学家发现"总体劳动力市场影响仍然微不足道"。他们找不到对失业率、裁员或生产力的可衡量影响。同一家银行。两年时间。完全不同的结论！

《华盛顿邮报》最近关于AI和就业的深度报道引用了一位彼得森研究所经济学家的结论，他认为关于AI对劳动力市场影响的所有重要问题仍然没有答案。

同一篇文章指出，斯坦福大学的分析发现早期职业就业在AI风险较高的职位中下降，而经济创新集团的研究基本上发现了相反的情况——这些领域中年轻工作者的表现比AI风险较低领域的同龄人更好。

即使是那些我刚才引用的裁员数字也提醒我们，很难说这其中有多少真的是AI造成的，还是公司在用AI作为幌子，掩盖他们本来就要做的成本削减。现在，市场奖励AI叙事——所以说"我们因为AI要裁500人"对投资者来说听起来比"我们在新冠期间过度招聘了"要好。

而且不仅仅是报告。如果你仔细听，最接近这项技术的人也在说同样的话。

我最近参加了一个会议，我问Chip Huyen——她真的写了《AI Engineering》这本书，是这个领域最受尊敬的声音之一——她对学生考虑在未来两三年从事AI工程职业有什么建议。考虑到变化的速度，他们还应该尝试吗？

她的回答很有趣。她说工程从来不是关于学习编码——而是关于解决问题，问题将继续存在。这听起来令人安心。但随后她讲了一个她交谈过的学生的故事，那个学生正在选择物理治疗而不是计算机科学。而她讲述这个故事的方式，她并没有试图说服那个学生改变决定。

如果连Chip Huyen都不是完全致力于长期前景，那说明了一些问题。而且不仅仅是她。

Codex的CTO Tibo Sottiaux被问及两年后软件工程工作会是什么样子。他的回答是，两年对任何预测来说都太长了。他对六个月后有一些猜测，但仅此而已。一个正在构建AI编码工具的公司的CTO无法告诉你2027年的软件工程会是什么样子。

所以报告不一致。专家们也不知道。但这里变得非常有趣——因为我们以前其实经历过这种情况。多次。而且结果从来不像预测的那样。

2013年，牛津大学的研究人员Carl Benedikt Frey和Michael Osborne发表了可能是关于自动化和就业被引用最多的研究。他们估计美国47%的总就业面临计算机化的高风险。那篇论文塑造了十年的政策对话。

已经过去十多年了。ITIF查看了实际发生了什么。被评为最可能被自动化的职业——保险核保员——在2013年到2021年间就业增长了16.4%。被评为最不可能被自动化的职业——娱乐治疗师——下降了8.9%。预测的自动化风险与实际就业损失之间的相关性是0.26。基本上是噪音。

但这可以追溯到更早以前。

当ATM在1970年代和80年代推出时，预测是显而易见的——银行柜员完了。这台机器的字面名称就是"自动柜员"。平均每个网点确实从需要约21名柜员减少到13名。但事情不止于此，因为网点运营成本降低了，所以银行开设了更多网点。而银行柜员的总就业实际上一直增长到2000年代。柜员并没有消失，但他们的工作从数现金转向了关系银行和销售金融产品。

当电子表格软件出现时，它取代了大约200万个簿记工作。但它也为会计师、审计师和财务分析师创造了数百万个新的职位——这些工作以前不存在那样的规模。

1960年代中期，美国政府召开了国家技术、自动化和经济进步委员会。肯尼迪总统称自动化是当时的主要国内挑战。人们担心十年内会出现大规模失业。就业率上升了。

而在2016年，Geoffrey Hinton——图灵奖得主，AI领域最杰出的人物之一——说我们应该停止培训放射科医生，因为AI在阅读医学图像方面比人类更好。已经过去将近十年了，美国对放射科医生的需求处于历史新高。

现在需要明确的是，我并不是说这次会一样。AI显然在重要方面有所不同。它正在进攻认知工作，而不仅仅是常规的手动任务。它可以写作、推理和编码，这是以前没有任何自动化技术能做到的。这些类比并不完美。

但考虑到这一切——相互矛盾的报告、含糊其辞的专家，以及一个表明我们在预测技术对就业影响方面一直很差的历史记录——你到底应该怎么做？

对你应该做什么的诚实回答是，没有人知道未来会发生什么。不是我，不是Chip Huyen，不是Twitter上发自信推文的人。我认为这实际上是我能告诉你的最有用的事情，因为它改变了你对我们所处这种情况的正确应对方式。

如果你确切知道未来会发生什么，正确的做法是针对那个特定的未来进行优化。但当未来真正不确定时——当严肃的研究人员甚至无法就方向达成一致，更不用说规模时——优化是错误的策略。

正确的策略是韧性，这意味着成为一个无论发生什么都能成功的人。以下是这在实践中的样子。

首先，深入基础，而不是框架。数学、统计学、概率论，那种在下一个工具出现时不会过期的思维方式。如果你理解一个模型为什么有效——而不仅仅是知道如何调用API——你就能在工具变化时适应。

你将需要这样做。你需要学会如何快速学习。现在最重要的技能是能够在一两周内学会新东西并用它变得高效的能力。

而且要适应模糊性。最挣扎的人不是技能错误的人。而是那些等着有人告诉他们"正确"道路的人。现在没有正确的道路。有一堆合理的道路，你能做的最好的事情就是选择一条并开始前进。你以后可以调整方向。但如果你站在原地不动，你就无法调整。

原文链接: No One Actually Knows What AI Will Do to the Job Market

汇智网翻译整理，转载请标明出处