把一份岗位招聘广告的地图铺在桌上,用红笔标出每一格的冷热。你会看到同一个断裂:编程、文职、客服这几块,颜色一年比一年淡。往下沉得最快的,不是那些工龄二十年的人,是刚把简历打印出来的那批人。
澳大利亚央行(RBA)的研究员 Mike Major 做了一套监测系统,专门盯住入门级岗位和高 AI 暴露职业。他没有问「AI 消灭了多少岗位」,问的是另一件事:哪一块多米诺最先被推倒。招聘广告是这栋楼最敏感的那层皮肤,岗位还没消失,广告先少了。
据 RBA 2026 年 11 月发布的 insights 系列分析,2022 年底 ChatGPT 推出之后,各职业的招聘公告全面下降。暴露度最高的那一组——编程、文职、客服——降幅最大。
数据里还有一道细缝:15 到 24 岁的年轻人、年轻的大学毕业生,在这类岗位上的就业率更弱,失业率更高。同样的岗位,年长的劳动者在高暴露组里就业反而上升。同一张表,两头往不同的方向走。
这道细缝在别的研究里被量了出来。2025 年 8 月斯坦福大学分析数百万份美国工资单记录,22 到 25 岁在高暴露职业里的就业相对下降 13%,其中年轻软件开发者接近 20%。
2026 年 3 月 Anthropic 的研究给出另一个数字:22 到 25 岁的高暴露群体,求职成功率下降约 14%,但整体失业率没有系统性上升。求职更难,失业没变,这两句话可以同时成立。
斯坦福 AI Index 2026 年报告里,22 到 25 岁软件开发者的就业比 2024 年少了近 20%。雇主的问卷里,三分之一单位预期未来一年裁员,服务运营、供应链、软件工程是预期降幅最大的三个部门。三个来源,三个数字,落点都在同一个词上:入门。

广告先于岗位说话
RBA 这套监测的用意值得多说一句。它测的不是企业有没有真的在用 AI,而是「理论暴露度」——一项工作里有多少任务,是当前的模型理论上能接手的。这是描述性数据,作者自己写得很清楚:它没有确立因果。
把镜头拉远,广告的下降不是从某一天开始的。匹兹堡大学 Morgan Frank 团队在 2026 年 1 月分析了 1060 万份 LinkedIn 资料,发现暴露职业的就业恶化始于 2022 年初——早于 ChatGPT 发布。加息、疫情后的招聘过热,这些宏观因素可能比模型本身影响更大。
RBA 助理行长 Sarah Hunter 在 11 月 9 日也说了类似的话:目前几乎没有证据显示,AI 在整体就业上造成了大规模影响。整体失业率的曲线是平的,平的曲线里藏着一条往下走的细线。
楼梯第一级在松动
有一家公司的内部数字被公开了,因为它是这门生意最前沿的样本。Anthropic 自己承认,公司里技术岗初级员工的招聘占比从 2025 年初的 27% 降到 9%。2026 年 8 月,公司里 AI agent 的工作小时数是人类员工的 6 倍。他们的原话是:这是一个极端特例。
极端特例不能当普遍规律,但它能说明一件事的机制。入门岗位原本承担的职能里,有大量是整理、转写、查资料、写第一版草稿——这些动作恰好落在模型的射程内。资历深的人做的是判断、协调、承担责任,这些还没被划走。
丹麦一项覆盖 25000 名工人的研究给出的数字很朴素:使用 AI 的工人平均只节省了 2.8% 的工作时间。2.8% 放到一个人身上,一天里省下十几分钟。放到招聘决策上,可能就是一个岗位要不要开的犹豫。
留白处的那些数字
把这几组数字并排放,会发现它们并不严丝合缝。斯坦福说 13%,Anthropic 说 14%,AI Index 说近 20%,RBA 说降幅最大但没给统一口径。样本不同、职业分类不同、统计窗口不同,硬要统一成一句话,那句话就是假的。
能确认的部分是方向性的:多个独立来源,都指向入门级、高暴露、年轻这几个交集的就业表现更弱。不能确认的部分同样重要:这究竟有多少是 AI 造成的,有多少是利率、是疫情后的回调、是企业对未来的观望,目前没人能拆干净。
描述性数据有它的边界。它告诉你哪一格的灯在暗,不告诉你总闸是谁关的。急着把两件事焊成因果,往往是叙事的需求,不是证据的需求。
一张简历的重量
把这些抽象成一个人的处境:二十三岁,计算机专业,投出去八十份简历,收到四次面试。他面对的对手不是隔壁工位的同事,是一个不需要工资、不请假、能在凌晨三点改完第三版代码的东西。这不是能力问题,是入口变窄了。
入口变窄的后果是滞后的。一个人在二十三岁没能进入行业,二十五岁时他缺的是两年经验;三十岁时他缺的是一整条职业路径。招聘广告上少掉的那几行字,会在十年后变成一份履历上的空白。
那些在高暴露组里就业反而上升的年长劳动者,某种程度上也在被同一件事推动。企业更愿意为能立刻上手判断的人付钱,不愿意为需要教三年的人付钱。教三年的这笔账,正在被重新算。
还够得着吗
回到那张地图。红色的格子还在减少,年轻的那一片沉得更快。RBA 说别急着下结论,Sarah Hunter 说整体影响还看不到,Morgan Frank 说宏观因素可能更大——这些提醒都对,都该被写进去。
但提醒不等于安慰。数据能等,人不能等。一个刚毕业的人只有那么几年可以试错,这几年恰好落在曲线最陡的那一段。
如果入门岗位是楼梯的第一级,很多人的疑问是:当第一级开始松动,楼梯上面的人还够得着吗?



