斯坦福新研究：AI尚未衝擊就業，但應屆生得注意了

斯坦福大學經濟政策研究所（Stanford Institute for Economic Policy Research）近日發布一份政策簡報，試圖釐清人工智慧對就業市場的實際影響。主筆學者、史丹佛大學經濟學教授Neale Mahoney指出，從整體宏觀數據來看，AI並未引發大規模失業；然而，對剛離開校園的應屆畢業生而言，情況並不樂觀。2026年初，美國應屆畢業生的失業率已升至5.6%，比三年前高出1.6個百分點，寫下多年來最艱難的就業市場之一。研究團隊分析不同職業的失業率變化後發現，受AI影響程度最高的職業群體，失業率僅上升0.77個百分點；反倒是被認為較不受AI影響的職業，失業率上升了0.

85個百分點。這意味著AI並沒有優先淘汰那些理論上最容易被取代的職位，整體就業市場的降溫更像是普遍現象，而非AI對特定職業發動精準打擊。不過，當焦點轉向年輕勞動者，畫面就變得迥異。統計顯示，在軟體開發、客戶服務等AI高度暴露的職業中，年輕員工的就業人數明顯下滑，而同職業的資深員工就業情況基本穩定，甚至仍在成長。研究人員形容年輕員工是「礦坑裡的金絲雀」，最早感受到AI帶來的變化。應屆畢業生失業率攀升至5.6%，背後固然有聯準會加息、科技業裁員、遠距辦公普及等綜合因素，但研究發現，初級崗位的明顯萎縮直到2024年才真正出現。

這個時間點正好與AI能力大幅提升、企業採用率明顯提高的趨勢重疊，使得AI直接影響新人招聘的推論更具說服力。企業裁員的實際原因也值得細究。報告指出，Meta裁減近8000人是為了為千億美元AI投資騰挪資金；HP計劃裁員6000人則是希望藉AI精簡運營；Amazon兩輪裁員約3萬個崗位，更多是消化疫情期間過度招聘的包袱。換言之，部分崗位的消失雖然與AI自動化有關，但並非每一次裁員都能簡單歸因於「AI取代人力」。比較常見的現象是，企業將原本分散給多人的工作合併，或直接減少相關職位的招聘，而非大規模解僱現有員工。AI對生產率的提升效果同樣參差不齊。

在一家大型呼叫中心，生成式AI助手讓客服人員整體生產率提高15%，其中新手和技能較弱的員工每小時解決問題數量增加30%，但經驗豐富的客服幾乎沒有獲得效率提升，回答品質甚至略降。軟體開發領域也有類似情形：一項實驗顯示GitHub Copilot能讓程式設計師完成任務的速度提高56%，受惠最大的仍是經驗較少的開發者；其他研究測得的提升幅度則落在10%至30%之間，且企業間差異極大。寫作、合約起草和醫療記錄等任務也呈現同樣規律——AI通常能節省時間，但效果取決於任務本質、使用者水準以及人類能否判斷AI答案的正確性。AI的能力並非全面平整。

一項針對肯亞創業者的實驗指出，能力較弱的創業者使用AI後，收入與利潤反而下降，因為他們傾向於照搬AI提供的通用建議，卻未能判斷這些建議是否適合自身情況。另有研究發現，AI雖然能提升部分寫作者的故事品質，但藉助AI創作的故事彼此之間越來越相似；科學家使用AI後發表的論文數量增加，研究主題卻因此收窄，與其他研究人員的交流也隨之減少。AI提高的是完成任務的速度，卻未必同步提升判斷、創造與決策的品質。企業採用AI的速度確實正在加快，但距離全面普及仍有相當距離。

美國人口普查局的調查顯示，目前約20%的企業正在使用AI；其他調查則提供更高數字，例如超過40%的受訪員工表示在工作中使用AI，超過八成員工在工作中接觸過AI技術。這些數據的落差主要源於統計口徑不同，大型企業與科技公司採用率明顯高於小型企業與傳統產業。目前AI的應用主要集中在科技、金融等資訊密集型領域，常見環節包括銷售、行銷、IT、策略、財務與會計。即使已經導入AI，多數企業仍僅將其放入一兩個業務環節，或偶爾用於部分任務，真正將AI全面嵌入工作流程的企業仍屬少數。美國人口普查局的數據顯示，只有5%的企業認為AI已經影響員工規模，且報告增員與減員的公司數量大致相當。

亞特蘭大聯邦儲備銀行的調查中，80%的企業高階主管表示AI投資尚未改變員工人數，也未能明顯提高生產率。目前企業普遍處於試用、試點和小範圍部署階段，AI距離接管整套工作流程還有很長的路要走。研究團隊也回顧了歷史上的技術擴散過程。經濟學家Robert Solow在1987年曾感嘆：「電腦時代無處不在，唯獨在生產率統計數據中看不見。」直到1990年代末，PC普及帶來的經濟回報才明顯反映在宏觀數據中，因為企業需要時間升級軟體、培訓員工和重組流程。AI很可能也會經歷類似的延遲效應，但與過去不同的是，AI擴散更快、直接進入認知勞動，且能同時影響大量白領職業。

現有研究可以歸納出三點初步結論：第一，AI尚未引發整體就業崩塌，卻已對部分年輕白領崗位造成壓力；第二，AI能夠提高某些任務的效率，但也可能使另一些任務的品質下降；第三，企業採用AI的速度不斷加快，但真正全面落地的仍是少數。這些變化最終是否會匯集成一場真正的就業結構重組，目前還難以定論。真正值得警惕的，或許不是某天突然降臨的「AI就業末日」，而是一些更安靜、更難被宏觀數據捕捉的改變：初級職位不再大量招聘，同一份工作由更少人完成；企業越來越看重即戰力與AI協作能力，年輕人賴以累積經驗的第一級台階正在悄悄變窄。

無論AI最終被證明是一場緩慢滲透的常規技術革命，還是即將大幅改寫白領工作的特殊變革，它對個體造成的衝擊都不會因為宏觀就業數據暫時平穩而消失。如何在年輕人的第一塊職業踏板徹底消失之前，重新調整教育、培訓與就業政策，已成為產官學界必須正視的議題。