AI news

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

0 views
真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

不少读者朋友给我留言,说能不能聊聊AI抢工作这件事。 这其实也反应了一种普遍的焦虑情绪,即大家隐约感觉AI会对工作造成冲击。 但它具体是怎么把一个办公室白领的饭碗给干掉的,很多人并没有真实的体感。

The full text has not been translated yet. The Chinese original is shown below.

不少读者朋友给我留言,说能不能聊聊AI抢工作这件事。

这其实也反应了一种普遍的焦虑情绪,即大家隐约感觉AI会对工作造成冲击。

但它具体是怎么把一个办公室白领的饭碗给干掉的,很多人并没有真实的体感。

最近我在Twitter上看到了一篇非常精彩的论文,它全局、真切地研究了AI对工作的冲击。我看了非常有感触,也分享大家。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

论文来自哈佛大学,由两位经济学博士生Seyed M. Hosseini和Guy Lichtinger操刀。

而他们的导师是劳动经济学的重量级大咖拉里·卡茨(Larry Katz)。

因此,论文是严谨而有分量的。

论文没有任何情绪渲染,就是用冰冷、庞大的真实数据,剖析了2023年以来美国就业市场的AI冲击具体是如何发生的。

报告链接:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

01

23年起,初级岗位开始出现负增长

作为读研的时候也被写经济学论文折磨过的学术逃兵,在我看来,这篇论文很厉害的地方不是结论。

而是它抽丝剥茧的行文方式:一个问题扣着一个问题,一个结论跟着一个结论。

先来看第一个问题,AI是不是真的在冲击就业市场?

这东西不能靠感觉,经济学研究要的是数据。

两位作者的第一步,就是把美国劳动力市场的数据给搬出来,不是总体数据,而是几乎是全量的原始数据。

他们拿到了一个非常牛X的数据集(不知道怎么搞到的,差不多相当于Boss直聘的后台全部数据),来自一家叫Revelio Labs的公司基于LinkedIn的招聘信息收集。

这个数据集包括285,000家招聘的公司,覆盖6200万打工人的简历,超过1.5亿次的招聘记录。

美国总共也就3.4亿人,所以,除掉老人和小孩,真正工作的人很大比例其实都包括在这个数据集里了。

结果一出来,一个清晰的剪刀差出现了——

从2015年到2022年中,研究的目标公司数据集中,初级岗位(Junior-level)和高级岗位(Senior-level)的就业增长曲线,基本上是手拉手一起走的。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

但从2022年中开始,风云突变,高级岗位的就业人数还在昂首向上,而初级岗位的增长开始停滞,到了2023年中,甚至掉头向下了。

两条线从此分道扬镳,一个往上,一个往下。

这就有意思了。

整个经济大环境没出大问题,为什么偏偏是年轻人的饭碗、入门级的工作,突然就不香了?

会不会是AI的原因呢,毕竟,ChatGPT是在2022年底发布的,正好和这个剪刀差出现的时间点完美契合。

02

初级岗位招聘数量断崖式下跌

那怎么证明呢?

转折发生的时间点和AI出现的时间点差不多,这叫相关性,不叫因果性。

万一是别的因素呢?比如经济不确定性,或者疫情后的结构调整?

要锁定原因就是AI,得找到更直接的证据。

这篇文章设计了一个非常巧妙的策略,他们用了一个叫做DiD的方法(Difference-in-Differences, DiD)的方法。

简单地说,就是要应用AB测试的方法,找到找到用AI和没用AI的的两组公司。

但问题是,一家公司用没用AI,如何确定?

总不能挨家挨户去问CEO吧?就算你问了,他说的也未必是实话。

两位作者想出了一个极其聪明的办法——

他们不去问你用没用AI,而是去看你招不招一类特定的人。

这类人,他们称之为“AI Integrator”。

什么意思?

就是其他都是假的,但招聘数据骗不了人:

如果一家公司招聘岗位描述和工作职责描述中有LLM、Prompt Engineer、GenAI等和大模型生成式AI相关的内容,那说明这家公司是真的在用AI搞生产力了。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

这样的公司有多少呢?

作者在全量数据集中找出了10.6 万家,约占所有公司比例为3.7%,且从 2023 年第一季度开始急剧增加。

于是,使用AI的实验组有了,而其他所有公司,自然就是对照组。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

两组公司一分好,好戏就开场了

作者们对比了这两组公司在2023年第一季度(也就是AI爆发后)前后的初级岗位招聘数量变化,结果令人震惊——

在AI爆发后,AI采纳者公司的初级岗位就业人数,相对于对照组公司,出现了断崖式的下跌。

在AI扩散的六个季度后,这个差距拉大到了7.7%。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

与此同时,高级岗位的就业在这两组公司里并没有出现这种差异,甚至AI采纳者公司的高级岗位增长还更强劲。

到这里,证据链就非常完整了——

在同一个经济环境里,那些深度拥抱AI的公司,恰恰就是那些对年轻人关上大门的公司。

AI真的在抢初级的工作。

04

不是大规模地裁员,

而是直接不招初级岗位了

接下来的问题是——AI到底是如何抢工作的?

是把人都裁了,还是有别的方式?

论文的数据再次给出了一个出乎意料、甚至让人后背发凉的答案——

作者们把公司的人员变动拆解成三个部分:新招聘(Hires)、离职(Separations)和内部晋升(Promotions)。

他们的数据发现,AI采纳者公司里初级岗位的急剧萎缩,主要原因并不是离职率的上升。

也就是说,公司并没有因为用了AI,就把现有的大批初级员工给裁掉。

那人是怎么变少的呢?

答案是:不再招聘了。

数据显示,与对照组相比,AI采纳者公司在2023年第一季度后,平均每个季度少招了3.7个初级员工。

对于那些本来招聘规模就大的AI公司,这个数字意味着初级岗位的招聘量暴跌了大约22%。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

这是一个更隐蔽、成本更低的替代过程。

毕竟,裁员的补偿成本、沟通成本和PR成本确实不小,不招了就没这个问题。

这其实和我的体感也是相吻合的,我和很多前同事聊天,他们也感叹这两年初级岗位新增的确招的少了。

老的初级员工可能会晋升,或者自然流失,但新的年轻人,对不起,没有你的位置了。

这就像温水煮青蛙,你不会看到大规模的裁员新闻,但就业市场正在对初级岗位的年轻人关闭。

这是一个非常残酷的现实,他们职业第一级阶梯,正在被慢慢抽掉。

05

批发和零售业受到的冲击最大

那是不是所有行业都呈现同样的特征呢,还是不同行业的程度不同。

论文数据显示,这种对初级岗位的压缩效应,在所有行业都普遍存在,但程度不同。

你可能以为受冲击最大的是互联网、软件、设计这些行业。

没错,这些的确受到了很大的影响,但真正的重灾区是批发和零售业。

在这个行业里,拥抱AI的公司,其初级岗位的招聘数量比不拥抱AI的公司,每季度减少了将近40%。

这非常符合直觉,因为批发零售业大量的初级岗位,都和文员、客服、导购等简单任务相关,而这些恰恰是AI最擅长替代的领域。

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

06

中上等大学的毕业生,

成为最容易被 AI“优化”的群体

论文最后还观察了一个问题:在AI面前,我的名校学历能保护我吗?

这是最后一个,也是最扎心的一个问题。

两位作者做了一个非常精彩的分析,他们把员工毕业的大学分成了五个等级(Tier 1-5),从最顶尖的精英名校(如哈佛、斯坦福)到比较普通的地区性大学。

然后,他们观察了来自不同等级学校的初级员工,在AI采纳者公司里的就业变化情况。

结果呈现出一条清晰的“U型曲线”——

真实、残酷的 AI 就业冲击,从一篇极其精彩的哈佛论文聊起

  • 曲线的一端:来自最顶尖名校(Tier 1)的毕业生,受到的负面影响相对较小。

  • 曲线的另一端:来自最普通大学(Tier 5)的毕业生,受到的影响也非常小,甚至在统计上不显著。

  • 曲线的底部:遭受打击最沉重的,是那些来自中上等大学(Tier 2和Tier 3)的毕业生, 也就是那些很不错,但又不是最顶尖的学校的毕业生。

为什么会这样?

论文给出的解释是,这背后是一个关于性价比的问题——

对于公司来说,顶尖名校的毕业生(Tier 1),虽然成本最高,但他们解决复杂问题的能力也最强,AI很难替代,所以公司愿意继续花大价钱雇佣他们。

最普通大学的毕业生(Tier 5),虽然能力上可能没那么突出,但他们的薪资要求也最低,人力成本优势明显。

最尴尬的就是中间层(Tier 2和Tier 3),他们薪资要求不低,脱不下长衫,但从事的很多工作又恰好落在了AI能替代的区间,高不成、低不就,是最容易被优化掉的一群人。

到此,这论文的所有结论都已经给出——真实、残酷、逻辑严密。

07

AI 时代,向你的兴趣要 ROI

好了,论文讲完了,回到开头的问题:这篇如手术刀一般的论文,对我们每个普通人,到底有什么启示?

我在看来,一个最残酷的现实就是——如果你一直只能干初级的活,那么你真的危险了

没错,曾经熟悉的、一级一级向上攀登的职业阶梯,其底部正在被AI迅速抽走。

同志们,不能再按部就班了!

怎么办?

我想来想去,列了下面三个点——

1.尽快完成原始积累,向上跃迁。

你必须狂奔,因为AI在极速地追。

你必须迅速摆脱初级状态,成长能独立抗事的老兵。

你需要有意识地、主动地承担那些复杂任务,不要沉迷于那些能让你舒适地完成的简单工作。

那是温室,也正是AI的领地。

你的目标是,在最短的时间内,让你的工作内容中,AI不可替代的部分超过50%。

2.思考什么是你的暗知识和元技能。

我之前说过一句话——“这一轮AI冲击,在任何一个领域,并不是“知道What的人被颠覆,知道How的人被放大”,而是“知道How的人被颠覆,知道Why的人被放大”。

对于公共知识,今天的AI已经满级了,而我们的一个优势是“暗知识”。

什么是暗知识?

我的定义是——只有你才能提供上下文的知识,所以思考一下,在你的具体工作中,你能独特定义的上下文是什么?

这个问题极其关键。

3.向你的兴趣要ROI。

品位、审美、幽默感这种以前被认为没太多直接用的东西重要性在极速提高,它似乎是今天AI暂时还触达不到的区域。

同理心、共情能力、感染力、领导力这些在过去被视为加分项的技能,现在正迅速成为必需品。

所以,千万不要忽视你的兴趣,多问一问自己,有哪些事情不给你钱你也乐在其中的事,那个边缘的角落或许是你未来竞争力的重要来源。

李继刚最近关于“体力、脑力、心力”的提法很有意思,而兴趣其实是你心力的重要来源。

试一试将兴趣和AI碰撞一下,或许你会有新的发现。

“AI对就业市场的潜在影响是'可怕'的(scary)”

谷歌DeepMind CEO Demis Hassabis这句话并非耸人听闻。

但这位老哥也同时说了另一句话——

“AI会让'激进富裕'(Radical Abundance)的时代到来。”

如何确保在前者向后者推进的过程中不被时代抛弃,是我们每个人都要严肃思考的命题。

文章来自于微信公众号“Founder Park”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)