史丹佛新版「金絲雀」研究:AI 對入門職缺的衝擊擴大至 19%

兩年來,關於 AI 與就業的辯論一直在兩個極端之間擺盪:一邊是即將抹除整個職業的世界末日預言,另一邊是讓所有人都過得更好的生產力榮景。史丹佛數位經濟實驗室(Stanford Digital Economy Lab)最新發表的研究提供了迄今最有力的證據,顯示現實比任一陣營的預測都更精確——也更令人不安。

2026 年 8 月 12 日,該實驗室發布了由 Erik Brynjolfsson、Bharat Chandar 與 Ruyu Chen 撰寫的《Canaries in the Coal Mine? Six Facts About the Recent Employment Effects of Artificial Intelligence》(礦坑裡的金絲雀?AI 近期就業效應的六項事實)修訂版。研究團隊將匿名化 ADP 薪資資料的分析延伸至 2026 年中,而對年輕工作者而言,核心數字正在惡化:在高 AI 曝險職業中,22 至 25 歲工作者的就業水準,如今比「若與低曝險職業同齡者同步成長」的假設水準低了約 19%。這篇論文於 2025 年 8 月首度發表時,該落差約為 13%;在 2025 年 7 月的資料版本中為 15%。此後分歧便持續穩定擴大。

研究實際發現了什麼

研究人員以 ADP 彙整的高頻薪資紀錄大型子樣本為基礎,採用學界既有的 AI 曝險衡量指標(Eloundou et al., 2024),並搭配 Anthropic Economic Index——該指標追蹤各職業實際上如何在工作日常中使用 Claude——為每個職業評估 AI 曝險程度。

以新資料更新後的六項事實如下:

1. 沒有出現全經濟層面的大規模取代。 若不分年齡,最高與最低 AI 曝險職業之間的相對就業差異極小。整體勞動市場並未崩塌。
2. 但高曝險的年輕工作者正在落後。 22 至 25 歲族群的 19% 落差是本研究最強烈的訊號。就絕對水準而言,2022 年 11 月至 2026 年 6 月間,曝險最高兩個五分位組的就業下降約 11%,而同年齡層在曝險最低三個五分位組的就業則成長約 10%。
3. 資深工作者沒有出現類似落差。 同樣的高曝險職業中,較年長族群保持穩定——這種乾淨的年齡梯度,是傳統勞動市場波動理論所無法預測的。
4. 機制在於招募縮減,而非資遣。 調整主要透過減少年輕工作者的新進招募達成,而非增加離職。企業並不是用 AI「取代」基層員工,而是悄悄地一開始就不聘用他們。
5. 自動化勝過互補性。 下降集中在 AI 使用偏向「自動化」而非「互補」的職業。在 AI 能增強資深工作者產能之處,就業持平甚至上升。
6. 薪資尚未波動。 到目前為止,調整反映在就業而非基本薪資上。

明知識 vs. 隱知識的分野

這次修訂版在智識上最有趣的新增內容,是對兩種知識的區分。就業下降發生在高度依賴明知識(codified knowledge)的年輕工作者職業——即正式、標準化、有文件可循、可透過教科書與書面程序傳授的知識。相反地,依賴隱知識(tacit knowledge)的資深工作者職業就業反而增加——這種知識來自實作、師徒制,以及反覆面對真實情境的積累。

背後的解讀很直觀:生成式 AI 格外擅長重現與應用那些已被編纂進文字與數位資訊的知識。而入門職務的內容向來正是如此——把你剛從文件中學到的東西拿來應用。AI 最先吸收的基層任務,正是那些活在說明書裡的任務;而源自十年個案累積的資深判斷力,至今仍難以複製——而且就目前而言,價值反而愈來愈高。

論文並指出,平均而言女性面臨的 AI 曝險更高,研究團隊表示將持續追蹤此一異質性。

相關性、因果性,與誠實的但書

作者對資料能與不能說什麼,展現了罕見的嚴謹。這些是描述性型態,並非因果估計。團隊測試了多個主流替代解釋並發現皆不足以說明此一型態:排除科技公司與電腦相關職業、控制利率曝險與遠端工作因素、改用替代性 AI 曝險衡量指標後,分歧依然存在。此外,落差在 2026 年中持續擴大——遠在利率觸頂之後;而且 2022 年 11 月時,高曝險年輕工作者的相對位置已回到疫情前水準,意味著這波下滑是跌落到一個已復原的基準之下,而非只是疫情扭曲的回調。

但但書同樣真實。納入教育因素後落差會縮小;部分差異趨勢早於生成式 AI 普及;估計落差在 ADP 樣本中也大於全國調查基準,差異集中在教育、醫療與公共行政部門。作者明確拒絕將自己的論文視為定論,主張跨研究的累積證據比任何單一結果都更具參考價值。

是儀表板,不是判決

或許最具深遠影響的舉動是基礎建設層面的。史丹佛數位經濟實驗室推出了 AI Economic Indicators,一套高頻率的 AI 經濟效應衡量指標,配套的 Canaries Dashboard 將每月更新本論文的關鍵結果。如實驗室所言,目標「不是宣告 AI 的勞動市場效應已有定論」,而是「讓它變得可衡量」。

這個框架對產業界如何解讀本研究至關重要。19% 這個數字並非預言整個世代的永久衰落——它是一個設計來持續追蹤的早期指標。如果生成式 AI 正在總體統計顯現任何訊號之前,就重塑特定族群工作者的機會,重點在於及早察覺、理解背後機制,並觀察它是否蔓延至年長族群,或隨互補性角色成熟而逆轉。

為什麼重要

這項研究發表之際,業界對職涯階梯第一級的不安正持續累積——軟體、客服與內容職務的新人招募放緩——而本研究為這些現象提供了嚴謹的實證基礎。對雇主而言,這暗示「AI 做雜事」模式有其隱藏成本:如果入門職位正是人類獲取 AI 尚無法複製之隱知識的場域,砍掉它們終究可能掏空培育資深人才的管道。對政策制定者與教育者而言,這種「年輕工作者受創、年長工作者無恙」的年齡梯度,恰恰是傳統再培訓論述最難處理的型態。而對 AI 產業本身,這是一記提醒:勞動市場效應正以不均勻、安靜、且透過招募管道的方式到來——早在任何頭版級的「失業數字」證實它之前。

金絲雀的比喻還有另一層意義。礦工攜帶金絲雀,不是因為鳥兒的不適證明了災難,而是因為它爭取了行動的時間。一個持續擴大、可衡量、且按年齡分層的就業落差,正是這種訊號——而在這次修訂版中,它正愈來愈響亮。