关于AI究竟是在创造就业还是摧毁就业,市场上存在相互矛盾的信号,尽管许多公司已将近期裁员归咎于这一技术。
分析师和行业专家表示,现实情况远比表面复杂:目前因AI而消失的岗位,很可能会在其他地方重新出现,尤其有利于那些具备AI实践经验的求职者。
换句话说,AI虽然正在重塑劳动力市场,但并未消除对人才的需求。Experis美国区负责人凯伊·米切尔表示:"我们正在看到一种转变,转向雇主所需要的人才类型,以及他们对工作成效的期待。"
她指出,尽管入门级岗位的招聘因AI承接了更多常规性工作而承压,但这并不意味着机会消失。"它改变的是用人预期。雇主现在希望求职者具备实际操作经验、熟悉AI工具,并能更快地创造价值。"
Gartner高级分析总监迪帕克·塞斯表示,虽然裁员的数量确实存在,但削减这些岗位所节省的成本,最终将重新流向其他职位或任务的招聘中。
他以Claude Code为例说明:尽管该工具可能帮助IT管理者减少开发人员数量,但一旦出现软件上线故障,就可能带来新的招聘需求。"也许你需要在另一个团队增招质量测试人员,也许你需要招聘更多人来培训员工如何使用这些工具。"塞斯说道。
有一点似乎已较为明确:AI确实在影响年轻劳动者,并压低了入门级岗位的薪资水平。同时,它也为企业提供了裁员的理由。
职场专家、Challenger, Gray & Christmas首席营收官安迪·查伦杰在5月7日的一篇博文中指出,许多大型科技公司正将大规模裁员归因于AI。
4月份与AI相关的裁员尤为严峻,多家顶尖IT企业以AI带来的效率提升为由削减职位。"它们通常也同时援引AI投入和技术创新方面的原因。不管个别岗位是否真的被AI取代,用于这些职位的资金已经被重新分配了。"查伦杰说。
ADP研究院与斯坦福数字经济实验室上月联合发布的一项研究显示,工人群体对于AI是否正在抢走工作,看法不尽相同。
尽管年轻劳动者尤为担心AI会压缩某些行业的就业机会,但斯坦福大学和BCG在各自的研究中均发现,经验更丰富的从业者对失业风险持较为乐观的态度。
BCG在其题为《AI将重塑更多岗位而非取而代之》的研究报告中指出:"目前来看,大规模职业替代的担忧似乎并不那么迫切……尤其是在那些经验价值较高的职业中,AI更可能是对从业者隐性知识的补充。"
领英在今年1月的劳动力报告中更进一步,预测AI在全球范围内已创造了130万个新工作岗位,主要集中在数据标注师、前线部署工程师和AI工程师等领域。
微软在其近期发布的《工作趋势指数》研究中引用了领英的这份报告,并表示AI正在创造一种新的运营模式,使企业能够更智慧、更高效地运转。
不过,微软对AI如何影响整体就业市场这一更宏观的议题有所回避。"一些岗位将发生变化,一些将会消失,而许多目前尚不存在的岗位将会涌现。"微软在报告中如是表示。
Q&A
Q1:AI对入门级岗位的影响具体体现在哪里?
A:AI承接了越来越多的常规性、重复性工作,导致入门级岗位的招聘需求受到压制,同时也压低了相关岗位的薪资水平。雇主对新入职人员的要求也随之提高,不仅需要具备AI工具的实际操作能力,还要求能更快地上手创造价值,而不是传统意义上的"从零培养"。
Q2:AI创造了哪些新的就业机会?
A:根据领英2025年1月发布的劳动力报告,AI在全球已创造约130万个新工作岗位,主要集中在数据标注师、前线部署工程师和AI工程师等方向。此外,随着企业大规模引入AI工具,对质量测试人员、AI培训讲师等辅助性岗位的需求也在增加。
Q3:有经验的员工和年轻员工对AI带来的失业风险,态度有何不同?
A:根据斯坦福大学和BCG的研究,年轻劳动者更担忧AI会压缩部分行业的就业空间,而经验较为丰富的从业者则相对乐观。BCG指出,在那些依赖丰富经验和隐性知识的职业中,AI更可能起到辅助而非替代的作用,因此资深员工面临的实际替代风险相对较低。
好文章,需要你的鼓励
雪佛兰Equinox EV本月租赁价格大幅上涨。此前LT1车型月供仅需269美元,如今同等条件下已涨至554美元/月。与此同时,优惠力度也从最高1万美元缩水至1000美元,融资利率从0%升至2.9%。相比之下,2027款Bolt EV月供仅411美元,现代IONIQ 5最低259美元/月,特斯拉Model Y起步459美元/月,Equinox EV的性价比优势明显减弱。
HarnessForge是北航与清华联合提出的AI智能体框架,通过同步进化"操作手册"与"执行助手",让两者相互磨合适配,在多个复杂任务测试中比单独优化任一方的方法最高提升12%。
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
这篇发表于IEEE期刊的综述提出"看-记-想"框架,系统梳理多模态大模型在视频理解领域的最新进展,覆盖时空感知、记忆建模、推理机制及五大应用场景。