“2023年一季度后，‘AI采纳者’将初级岗位的招聘量削减了约五分之一；短短6个季度内，采纳者的初级员工数量比非采纳者下降7.7%，而双方对资深员工的需求均未减弱。”

文 / 巴九灵（微信公众号：吴晓波频道）

“面试时公司问我会不会用某AI做设计，可我在学校只学过传统软件，瞬间语塞，不知如何作答。”

“以前做广告配音，一小时能赚200美元，现在客户直接用AI生成，合同里要求‘永久授权’我的声音，否则就换人。”

日前，美国社交媒体上一条“那些因AI失业的人，发生了什么事？”的提问，引来世界各地网友的数千条回复。

从数据科学家、程序员，到插画师、客服，在“从从容容游刃有余”的AI另一端，是人类满屏的“匆匆忙忙连滚带爬”。

个体遭遇的背后，还对应了今年以来美国企业已裁员超百万人，同比增长超50%；招聘率亦跌至十多年（疫情除外）谷底。

美国，被解雇的员工

如此情形，仿佛复刻了上世纪90年代日本的“就业冰河期”——当年日本经济泡沫破裂后，企业为节省成本大幅缩招，大量年轻人无法进入正规职场，长期靠零工为生。

日本的冰河期源于经济下行带来的需求侧疲软，而如今的“AI冰河”是技术变革引发的供给侧重构，二者成因不同，却都预示着企业用人的底层逻辑已悄然改写。

一

“AI冰河”的第一批遭遇者

AI到底先影响了谁的工作，是资深员工还是新员工？今年8月，哈佛大学研究员发布了一份跟踪美国28.5万家企业、6200万员工的数据报告，他们发现：

2015—2022年，初级与资深员工岗位同步增长；从2022年中开始，分化趋势出现了：资深岗位持续攀升，而初级岗位先停滞，后下滑——这一转折，与ChatGPT等生成式AI的爆发高度吻合。

为了进一步观察，研究以“是否招聘至少一个AI整合师”为标准，将企业划分为积极拥抱AI的“采纳者”与非采纳者。结果显示，2023年一季度后，“AI采纳者”将初级岗位的招聘量削减了约五分之一；短短6个季度内，采纳者的初级员工数量比非采纳者下降7.7%，而双方对资深员工的需求均未减弱。

图源：《Generative AI as seniority-biased technological change》

简而言之，生成式AI对就业的冲击并非均匀分布，而是精准指向初级岗位的“缩招”。

无独有偶，斯坦福大学的埃里克·布林约尔松及其合作者的研究发现，在受人工智能影响最大的工作岗位（例如软件开发）中，对比2022年末和2025年初，相较于比自己年长的同事，22-25岁员工的就业率下降了13%。而在受人工智能影响最小的工作岗位中，年轻员工和年长员工的就业增长幅度相当。

在AI最擅长“接手”的领域，批发零售业成了“重灾区”，初级岗位招聘暴跌近40%；科技、信息、金融、保险等白领行业同样下滑明显。

这与我们的日常体感高度契合：资深员工凭借经验与AI协同释放的复合价值，往往远高于缺乏沉淀的年轻人。

举个很直观的例子：资深运营人员借助AI快速梳理完用户数据后，能凭行业积累的经验准确洞察数据背后的需求痛点；新人却往往只停留在“用AI生成数据报表”的浅层操作。

报告还针对年轻人的学历做了分析，发现AI的冲击分布呈现出颠覆传统的“U型曲线”：顶尖名校生不可替代性强，普通院校毕业生因薪酬要求低，使得AI替代的性价比不高而相对“安全”；唯独中间的“腰部大学”毕业生，因高不成低不就而沦为夹心“洼地”，就业岗位相对缩减超8%。

1→5，学校质量从高到低
图源：《Generative AI as seniority-biased technological change》

过去，年轻人与企业之间存在一种隐性默契：一方以较低用工成本获得职场入场券，另一方愿意投入资源开展培训，完成潜力向实力的转化。

但如今，企业正将巨额资本投入到大模型训练与运行等AI基础设施。“资深员工带新人”的标配协作模式，逐渐变成了靠少数老员工+AI就能完全覆盖，新人在岗学习的机会在减少，证明自己价值的入场券也在缩减。

换句话说，AI催生的“人力替代预期”，让企业更倾向于“等一等、看一看”，转而直接招募市场上的成熟“即战力”。现阶段的缩招，既是为“人力替代”预付成本，也是这一战略最直接的财务落地——企业放弃“新人培养”职能，或许已成为大势所趋。

一旦跳过新人培养这一环节，高等教育与职场实际需求的鸿沟将持续拉大，最终形成“学历贬值”与“技能荒”并存的悖论：学历含金量持续下降，企业却仍找不到适配AI时代需求的年轻人才。

当裁员无法回避时，企业还会将对外话术统一纳入“聚焦AI投资”的叙事中。比如亚马逊、微软、沃尔玛等各行业巨头，都集体释放出“即便减员，也能凭借AI实现业绩增长、甚至创下新高”的信号——这不仅为裁员提供了资本市场的合理解释，更塑造了主动向AI转型的积极姿态，而华尔街对“越裁员估值越高”的积极回应，恰恰印证了这一叙事的有效性。

如果放任这股趋势发展，这场由AI引发的年轻人“就业冰河”，可能会重蹈曾经发生在日本的那场不可逆的教训。

二

日本冰河世代先例

1990年代的所谓日本“就业冰河时期”，与当前的相似之处，在于同样出现了企业为节流普遍放弃培养新人、转向“即战力优先”的用人策略，那段时期，毕业于1993—2004年间的大学生，规模达1700万至2000万，约占当时日本总人口的六分之一。

在他们本该步入职场的那几年，日本大型企业的应届生招聘规模萎缩约40%，正规雇佣率从74%骤降至55%，而派遣、合同工等非正式雇佣比例则从13%飙升至32%。一些招聘会上，甚至出现过40个年轻人抢一个岗位的夸张比例。

许多被挤出职场的年轻人，成了收入微薄的零工，月薪在支付房租与基本开销后所剩无几，医疗与养老保障更无从谈起。部分失业者甚至被迫栖身于24小时网吧，沦为“网吧难民”。

“冰河”还冲击了社会结构：1970年出生的日本男性在35岁前的已婚比例为72%，而仅晚五年出生的同辈，这一比例骤降至58%；女性亦从63%跌至49%。近七成青年将“不敢婚、不敢育”归因于“没有稳定工作”。

然而，在这一代人最需要声援时，舆论却将他们标签为“低欲望族”与“失败的一代”。直至2019年，日本政府才首次承认，这是一场“因时代原因未能获得公平机会”的结构性困境，并表示“国家负有道义责任”。

尽管日本后续推出的补救措施被部分国际机构视为“范例”，但对大多数至今已年届45-54岁的当事人而言，不过是迟来二十年的苍白慰藉。

颇具讽刺的是，2025年日本职场出现魔幻反转：企业争相为应届生提供高薪与入职奖金，甚至出现1个毕业生对应4.3个岗位的盛况。然而，这片“就业繁荣”的底色，是冰河期一代人的集体沉默与牺牲——正是他们当年的缺失，造就了今日劳动力的巨大缺口。

这场教训或许也揭示了一个道理：所谓“35岁危机”与“20岁就业难”本是同一问题的两面：当岗位被经验固化的“老油条”垄断，人才市场上流动的就只剩技能薄弱的“临时工”。若一代年轻人长期就业无门，未来具备扎实基础和综合经验的35岁+“熟练工”便会出现断层。

三

直面AI冰河：重拾初心

要避免新世代滑向“AI就业冰河”的覆辙，可行的路径包括但不限于：

▶▷将资本引导至“AI+公共服务”领域，如智慧养老、个性化教育、数字乡村等。这些赛道既能发挥AI的效率，又依赖人类的情感与落地服务，可创造大量可持续的就业机会；

▶▷优化税收分配逻辑，同时完善社保与医保的“灵活参保”机制，允许自由职业者、零工按收入比例缴纳，享受与正式员工同等的医保、养老金等；

▶▷联合企业、高校共同制定“AI时代技能标准”，并据此改革教育体系。系统性降低技能提升门槛，弥合学历与市场需求间的鸿沟。

尤其在教育迭代上，日本的教训尤为深刻。作为游戏动漫大国，曾陷入典型的“伪数字原住民”悖论：年轻人虽是数字内容的消费高手，却普遍缺乏数字工具的实际应用能力。经合组织（OECD）2015年的报告就显示，约25%的日本青年不具备基本电脑技能，这一比例远高于全球10%的平均水平。

管理学大师彼得・德鲁克曾指出：效能是“做正确的事”，效率是“正确地做事”，管理者首先要确保方向正确，其次才是提升执行效率。

若以德鲁克的视角审视每一条“冰河”，真正的危机或许从来不是工具的革命，而是管理的目标迷失。当企业高举“降本增效”的旗帜，一不小心便容易异化为对人力资源的功利化采购。

这种短视还会进一步扼杀真正的突破性创新：那些需要长期投入、容错空间的深度研发，乃至“艺术”类探索，都会在“回报优先”的功利框架下被边缘化。

破冰之道，除了个人对技术本身终身学习的驱动力，企业乃至相关部门亦要在治理上下功夫，回归管理的初心——将对“人”的投资置于短期“效率”之上，将培育未来的远见，置于收割当下的惯性之上。

参考资料：

1.《Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data》，Seyed M. Hosseini、Guy Lichtinger，2025.8

2.《日本就业冰河期：一代年轻人被冻结的青春》，虎嗅，2025.10

3.《“不会用电脑”，逼疯00后职场新人》，新周刊，2025.10
4.《效率的幻觉：为什么公司越裁员，估值反而越高》，秦朔朋友圈，2025.11
5.《Can AI replace junior workers?》，经济学人，2025.10