斯坦福一项基于数百万条工资单记录的研究发现，受人工智能影响最大的职业中，年轻员工的就业比应有水平低了19%，但作者说这并不能证明是人工智能造成的

在美国受人工智能影响最大的职业里，22至25岁员工的就业比他们的应有水平低19%，这里的应有水平，是指他们的就业若与受影响较小的同龄人保持同步会达到的水平。这是斯坦福一篇2026年8月12日修订的工作论文的头条结论，论文所依据的是每月350万至500万美国员工的工资单记录。同一篇论文发现，更广泛的经济领域并没有失业迹象，而它的三位作者说，这19%描述的是一种模式，并不衡量人工智能造成了什么。

19%是怎么算出来的

埃里克·布林约尔松（Erik Brynjolfsson）、巴拉特·钱达尔（Bharat Chandar）和陈如玉（Ruyu Chen）追踪了两组22至25岁的员工，起点是2022年11月，也就是论文所定的生成式人工智能时代的开端，终点是2026年6月。在人工智能暴露度最高的五分之二职业里工作的人，就业下降了约11%。在暴露度最低的五分之三职业里工作的人，就业上升了约10%。论文把这21个百分点的差距，相对于低暴露组的增长，折算为19%。

这19%是相对于一个基准的差额，不是丢掉的工作岗位数。样本中所有22至25岁员工，到2026年6月只比2022年11月的水平低约2%，因为低暴露工作的增长抵消了大部分下降。所有更年长的年龄组都在增长，35至40岁的员工增幅最高，达11%。把所有年龄合在一起，样本中的就业上升了约6%，暴露度最高的五分之一职业增长了约4%。

数据与暴露度评分

这些记录来自工资单处理公司ADP，其客户雇用了2600多万美国员工。分析使用的是一个平衡面板：2021年1月至2026年6月每个月都在的企业，统计70岁以下的全职员工。样本中约30%的职位名称缺失，作者在能补的地方，用同一名员工最接近的已记录职位来补。

为了按暴露度给职业排序，作者用了两种评分。第一种来自泰娜·埃卢恩杜（Tyna Eloundou）等人，评估每个职业的任务与大语言模型能力的匹配程度，大语言模型就是ChatGPT这类聊天机器人背后的技术。第二种来自Anthropic经济指数（Anthropic Economic Index），它按涉及的工作任务，以及用户是把任务交出去（自动化）还是与模型协同工作（增强），对与Anthropic的Claude聊天机器人的对话分类。这个指数背后的Anthropic论文分析了400多万次对话，把57%的使用归为增强，43%归为自动化。Anthropic销售的聊天机器人，其使用记录正是这项评分的来源。

为什么年长员工是对照组

这个比较依赖有经验的员工。如果有人工智能以外的因素冲击了所有暴露度高的职业，这些岗位上的年长员工也会出现同样的差距。他们没有。在暴露度最高的五分之一职业里，22至25岁员工的就业，增长比暴露度最低的五分之一少了约18个百分点。对35至40岁的员工，对应的数字是0.001。

下降是通过招聘体现出来的。暴露和非暴露岗位上的年轻员工离职率都下降了，而且在暴露岗位上至少降得一样多，所以裁员不能解释这个差距。招聘率的差距是在2022年之后出现的。

论文还按人工智能的使用方式拆分了暴露度。对22至25岁的员工，一个职业的自动化占比每增加一个标准差，就业增长就少约10个点。互补式使用对年轻人没有这样的影响，对41至49岁的员工则是正向的（正0.024）。基本工资在不同年龄和暴露度之间差别不大，不过基本工资不包括奖金、加班费、佣金和股权，这些在暴露度高、收入高的岗位上最多。

这个数字本身也在变。早期版本的头条是回归估计的13%（2025年7月数据）和16%（2025年9月数据）。2026年8月的版本改以一个更简单的比较作头条，对2025年7月的数据给出15%，现在给出19%，所以这三个头条数字来自两种计算。

作者说它不能证明什么

论文说它的发现是“早期的描述性指标”，并说“这项工作并未估计人工智能的因果影响”。文中写了四项局限。

教育程度会缩小结果。在主样本中，控制每个职业的大学毕业生占比后，22至25岁的估计值从负0.18降到负0.09，在10%的水平上仍然显著。在从2021年起平衡的样本中，这两个数字是负0.19和负0.06，后者不再显著。作者把这两者视为一个范围，因为教育可能是对立的原因，也可能是人工智能起作用的途径。

这个模式有一部分在生成式人工智能出现之前就有了。暴露度高的职业在疫情期间相对于其他职业繁荣，在2020年年中前后达到顶峰，随后下降。此后约30个点的下降中，约13个点是在抹掉那次繁荣，约17个点使差距低于其2018年至2019年的水平。作者据此认为，应当更看重结构性解释而不是经济周期解释，但仍然说，这不能被解读为人工智能的影响。

ADP的样本不等于全国。它在制造业、批发业、较大的企业和人工智能暴露度高的职业上占比偏高。2022年至2024年，美国人口普查局（Census Bureau）的美国社区调查（American Community Survey）显示的差距是负0.022（区间为负0.055至正0.011），而ADP里是负0.132。在专业、信息和金融服务业，两个来源非常接近，分别是负0.231和负0.213。作者写道，差异的大小“似乎是ADP样本所特有的”，而方向是一致的。

原始数据无法查验。它是受数据使用协议约束的专有工资单数据，ADP有权审阅论文以防止机密信息泄露，而ADP作为企业会员资助实验室。

批评：远程办公

华威大学（Warwick）和伦敦政治经济学院的经济学家彼得·约翰·兰伯特（Peter John Lambert），与牛津埃里森技术研究所（Ellison Institute of Technology）的扬尼克·辛德勒（Yannick Schindler）认为，像这样的研究把一场更适合用远程办公解释的下降归咎于人工智能。他们2026年5月的论文《断裂的梯子》（The Broken Ladder）用了美国、英国、加拿大和澳大利亚2017年至2025年的2.43亿条新入职记录和4.07亿条在线招聘信息。他们发现，到2025年，流向职业早期员工的新入职者占比，在四个国家都比2019年的水平低8%到11%。

他们的论点是，人工智能暴露和远程办公暴露落在同一批白领工作上，各职业之间的秩相关系数为0.77。单独看，任何一种暴露上升两个标准差，都预测初级员工在新入职者中的占比下降约5个百分点。两者同时放进模型，远程办公的影响还在，而人工智能的影响大幅减弱，常常小到在统计上与零无法区分。辛德勒说，人工智能很可能仍对初级招聘有影响，现有证据表明它不是疫情后放缓的主要原因。

布林约尔松、钱达尔和陈如玉在论文第4.3节作了回应。他们在工资单数据上尽可能复现了兰伯特和辛德勒的设定，发现在考虑了远程办公之后，人工智能暴露仍能预测初级员工在新入职者中的占比下降。他们把差异归于数据，因为兰伯特和辛德勒用的是在线职业档案和招聘信息。斯坦福的论文说，今后还需要研究来区分人工智能和远程办公的影响，因为采用远程办公的企业也更可能采用生成式人工智能。

利率是另一个对立的原因，斯坦福的论文把它引到扎娜·伊森科（Zanna Iscenko）和法比安·库尔托·米勒（Fabien Curto Millet）等人名下。利率暴露度高的职业，人工智能暴露度往往低，加上这个控制变量，22至25岁的估计值从负0.179变为负0.178。

同一时期的另外两种读法

达拉斯联邦储备银行（Federal Reserve Bank of Dallas）泰勒·阿特金森（Tyler Atkinson）和谢恩·亚姆科（Shane Yamco）2026年1月6日发表的一份简报，用的是另一个来源，即人口普查局约10万人的现行人口调查（Current Population Survey）。它发现，年轻员工中处于暴露度最高职业的就业占比，从2022年11月的16.4%滑落到2025年9月的15.5%，其中年轻员工的定义是20至24岁。这一群体的裁员没有增加，作者判断对整体失业率的影响很小。

耶鲁预算实验室（Yale Budget Lab）的追踪报告2026年7月16日发布，9月15日更新，结论更为平淡。它报告说，职业构成的变化尚未出现与人工智能到来明显吻合的迹象，人工智能使用情况的各项指标与就业或失业的变化没有关联。

这对印度意味着什么

斯坦福的论文只涵盖美国。与之最接近的印度文件，是印度国家转型委员会（NITI Aayog）与印度软件和服务公司行业协会（NASSCOM）和波士顿咨询公司于2025年10月10日发布的《人工智能经济中的就业创造路线图》，它对各种情景做了建模，并不测量工资单。在照常发展的情形下，印度2023年750万至800万的科技从业人员，到2031年降到600万，200万至250万的客户服务从业人员降到180万。如果国家按路线图的建议行动，科技从业人员的数字升到1000万，客户服务的数字升到310万。报告预计，IT服务公司里的初级质量保证和支持岗位将会缩减，这正是斯坦福论文在美国追踪的同一级台阶。印度也在用自己的语言构建人工智能模型。

斯坦福与ADP的团队每月在其公开仪表板上发布分职业的结果，仪表板上一次更新是在2026年9月23日。