来自AI的威胁的工作岗位在ChatGPT发布前已经开始衰落

一项大规模的新研究发现，来自AI的威胁的工作岗位在ChatGPT发布前已经开始衰落，但是接受过这些技能培训的学生最终获得了更高的薪水和更快的招聘。

美国大学之间的一项大规模研究合作发现，AI易受影响的工作岗位危机的起源并不与2022年底ChatGPT的发布相吻合，而是这些问题早在2022年初就开始出现，似乎与ChatGPT无关。

此外，报告发现，大学专业更容易受到AI影响的毕业生实际上与更高的第一份工作薪水和ChatGPT进入市场后更短的求职时间相关。

这项新研究利用了三个大规模的数据集，包括超过一千万个LinkedIn个人资料，以及失业记录和保险索赔。作者表示：

‘我们的结果表明，2022-2024年期间，LLM易受影响的工人和毕业生的劳动力市场结果恶化已经在LLM大规模出现之前开始。高度暴露职业的失业风险从2022年初开始上升，远早于ChatGPT的发布，在大多数职业和州，我们观察到没有与其发布相吻合的明显断点。 ‘

‘早期职业工人受到的影响不成比例：2021-2023届毕业生进入高度暴露的工作岗位的比例较低，并且比早期届次的毕业生经历了更长的时间才能找到第一份工作，差距在2022年底之前就已经打开了。同时，LLM相关的教育在这种环境中仍然具有价值。’

这项新研究重新定义了AI的崛起为进入一个已经被更广泛的经济和行业压力削弱的就业市场，并指出与AI互补的技能保持了，甚至可能增加了市场价值。

作者在论文的结尾建议，ChatGPT的2022年11月发布不应被视为前AI和AI融入就业市场之间的终结点，并且应该考虑到与LLM的影响同时出现的一系列情况：

‘这些发现对研究和政策有影响。首先，它们警告不要把ChatGPT的发布当作一个清晰的自然实验来研究AI对劳动力市场的影响：那些将2022年后劳动力市场的弱点主要归因于LLM的设计风险与AI扩散和同时发生的宏观经济转变（可能的例子包括货币政策、行业需求和/或疫情后的调整）混淆。’

作者建议，大学和培训项目不应放弃那些常被描述为“容易受到AI影响”的技能，例如写作、编码和信息综合。根据这项研究的结果，教授这些技能的方式可以与AI合作，强调检查输出、判断质量和使用聊天机器人作为工具而不是替代品，这可能有助于毕业生在不稳定的就业市场中保持竞争力。

这项新研究的标题是AI易受影响的工作岗位在ChatGPT发布前已经开始衰落，它来自五位来自匹兹堡大学、斯坦福大学、查普曼大学和哥伦比亚大学的研究人员，以及微软的AI经济研究所和雷维奥实验室的合作。

方法和数据

这篇论文的发现，作者指出，与之前的报告形成鲜明对比，包括斯坦福数字经济实验室的一份报告，以及来自Anthropic CEO等知名人物的不祥预言，他在2025年5月警告说，AI‘可能会消除一半的入门级白领工作’*。

作者的分析方法最初研究了最容易受到AI驱动自动化影响的职业中的失业情况，使用六位标准职业分类（SOC）代码来定义暴露程度，并计算出更广泛的两位SOC类别的暴露水平。

从美国劳工部就业和培训管理局编制的ETA 203报告中获得的月度行政数据，详细列出了申请继续领取失业保险的人员的最新职业。

这些数据点然后与美国劳工统计局职业就业和工资统计计划的年度职业就业人数合并，允许估计每个州每个职业的月度失业风险（其中风险定义为工人在给定职业中申请继续领取失业保险的可能性）。

历史上，这篇论文指出，最容易受到AI影响的工作岗位面临的失业风险比不太容易受到AI影响的工作岗位低20-80%，这种差距在疫情期间扩大，因为远程工作更具韧性。这种优势在2022年初开始消失，并且到2023-2024年，这种差距几乎消失了：

AI易受影响的工作岗位的失业风险从2022年初开始上升，结束了长期的相对稳定。 A显示了这种逆转，因为高暴露和低暴露角色之间的差距在ChatGPT发布前开始缩小。 B显示了最暴露的五分位中的风险上升，然后平稳。 C追踪到了计算机和数学工作，而其他领域保持稳定。风险每月在美国各州测量并每季度平均。 来源

如上图所示，作者将职业分为五分位根据“AI暴露”，并随时间跟踪。暴露较低的工作岗位一贯表现出更高的失业风险和更强的季节性变化，所有组在2020年的疫情期间达到峰值，并在2022年初达到低点。

在这个低点之后，失业风险开始在最暴露的五分位中上升，远早于ChatGPT的发布，然后稳定下来，而不是在随后的几个月中加速。

计算机和数学工作在ChatGPT发布前看到失业风险的最大上升，然后平稳。其他角色显示出很少的变化。一些州，包括加利福尼亚州、华盛顿州和阿拉斯加州，在ChatGPT发布后看到失业风险的上升，但全国失业风险水平保持接近疫情前的正常水平，表明早期经济压力的影响。

数据考虑

作者指出，从统计学上讲，失业风险将在工作类型中显示出模式，但不捕获特定群体的结果，例如可能没有资格获得福利或没有之前的工作经验的最近毕业生。其他研究和行业主张表明，早期职业工人面临来自AI的最大影响，这意味着整体失业数据可能忽略那些最受影响的人。

为了克服这一限制，这项新研究利用了雷维奥实验室提供的10,584,980个LinkedIn个人资料。每个记录都包括详细的教育历史，涵盖学位类型、研究领域、毕业年份和大学，以及职业数据，例如工作标题（映射到六位SOC代码）、雇主、开始日期和位置。

工资估计使用“一个专有的机器学习模型”训练，使用签证申请、自我报告的条目和公共工作岗位，结合了角色特定的细节和个人的职业轨迹。

由于实际工资无法验证，分析还跟踪了毕业生在毕业三年内开始第一份观察到的工作所需的月数，排除了在此期间没有记录的就业人员（一个用作劳动力市场摩擦的代理指标，假设毕业生在被聘用时更新他们的个人资料）：

2022年后进入职场的毕业生花了更长的时间来获得LLM易受影响的工作，但这种求职市场表现的下降开始于ChatGPT发布之前。上图， A显示高暴露的第一份工作通常会更快地找到工作，直到2022年后这种模式逆转； B显示高薪角色有类似的延迟，尽管不那么明显； C显示2021年和2022届毕业生进入LLM易受影响的工作岗位的比例低于早期届次，表现不佳出现在ChatGPT发布之前。最后， D显示低暴露工作没有类似的转变，强调了衰退在广泛的LLM采用之前就已经开始。

作者分析了求职时间跨毕业届次，控制了每个州和行业的月度工作机会，并考虑了学位类型、研究领域和大学的差异，使用SOC代码定义了工作对LLM的暴露程度。

在ChatGPT发布之前，进入高暴露角色的人通常比他们的同龄人花费更少的时间寻找工作。对于2023年和2024届毕业生，这种模式逆转了，高暴露角色花费更长的时间来获得工作。

应该强调的是，虽然论文指出结果在ChatGPT发布后恶化，但数据显示这种下降开始于更早，并且在此之后继续，这破坏了ChatGPT发布后突然崩溃的想法，并且也破坏了将持续的下降趋势完全归因于LLM采用。

教育暴露

关于AI和就业的辩论中，一个核心问题是学生是否应该继续学习可能被大型语言模型自动化的技能，例如写作、编码或综合。如果这些技能已经失去了市场价值，那么最容易受到这些技能影响的毕业生应该表现得更差。为了测试这一点，作者估计了使用LinkedIn个人资料与数百万大学课程相匹配的LLM相关任务的教育暴露，然后跟踪了ChatGPT发布前后的早期工作成果：

LLM相关任务的教育暴露预测了ChatGPT发布后的更强的早期职业成果。2022年后毕业的学生接受了更多LLM相关技能的培训，找到工作更快，获得了更高的薪水，部分抵消了与高LLM职业暴露相关的处罚。所有模型控制了工作机会率、工作类型和教育背景。

在ChatGPT出现之前，这种教育暴露没有显示出与求职时间或工资的明确联系。ChatGPT发布后，它似乎与更快的招聘和更高的起薪相关。虽然高LLM暴露的角色往往会产生更差的结果，但来自更AI相关的课程的毕业生受到的影响较小。

与其贬值，这些被认为是容易受到自动化影响的技能似乎支持了更好的早期职业成果。

‘如果LLM是毕业生求职市场表现不佳的原因，那么我们应该看到教育暴露表明这些技能是多余的，不会为求职增加价值。’

‘然而，我们的结果表明，教授AI易受影响的技能会为毕业生在ChatGPT发布后带来更好的结果。这些关联很难与LLM相关的教育在ChatGPT发布后变得不那么有价值的观点相协调。虽然不是因果关系，但它们表明LLM相关的准备至少与ChatGPT发布后的更好的早期职业成果相兼容。’

作者得出结论，研究的就业趋势发生在一个已经被早期事件和趋势塑造的劳动力市场中。目前，似乎不可能将ChatGPT和AI对就业趋势的影响与开始市场衰退的无关力量区分开来，就像从汤中去除盐一样。

* 然而，当前的评论中相当一部分人承认，这种来自AI投资者的耸人听闻更类似于Astroturfing，目的是让潜在客户和投资者感到惊讶，并提高股票价格。

首次发布于2026年1月7日星期三