总体就业撑得住，第一份工作撑不住

· 首发于 LinkedIn

本文为译文，原文为西班牙语 · 阅读原文

2026年4月，openai发布了一篇由经济学家alex martin richmond署名的论文，公司首席经济学家ronnie chatterji作序。这份文件名为the ai jobs transition framework: mapping ai's near-term impact on jobs。其核心论点是，传统的"ai暴露度"指标过于粗糙，无法预测哪些工作会在短期内消失。论文提出了一个包含三个额外维度（人类必要性、需求弹性、chatgpt的实际使用情况）的框架，并得出结论：美国只有18%的工作处于自动化高风险之中，而46%的工作将"短期内变化不大" [1]。

论文中的表1是最有力的部分。它比较了2024年第一季度至2026年第一季度各职业原型的失业率。被归类为"自动化高风险"的工作上升了0.3个百分点。"短期变化较小"的工作上升了0.6个百分点。受ai暴露最少的工作承受的冲击是暴露最多者的两倍。论文自己的结论是：

"正因如此，尽管ai可能与就业的某些变化有关，但仍然很难将ai与总体劳动力市场（aggregate labor market）清晰地联系起来。"

这就是openai选择放进表格并公开发布的数据。

八个月之前，2025年8月，另一组研究者发布的数据讲述了一个不同的故事。斯坦福数字经济实验室（stanford digital economy lab）的erik brynjolfsson、bharat chandar和ruyu chen发表了canaries in the coal mine? six facts about the recent employment effects of artificial intelligence [2]。这篇论文使用了美国最大的薪资服务公司adp的行政记录，数据截至2025年7月。他们的发现：

"在ai暴露度最高的职业中，职业生涯早期（22至25岁）劳动者的就业出现了13%的相对下降，即使在控制了企业层面的冲击之后也是如此。"

对于22至25岁的软件开发者来说，自2022年底的峰值以来，降幅接近20%。而同样职业中35至49岁的劳动者没有下降。在某些情况下，反而有增长。

对比非常直接。openai的论文说，ai在总体劳动力市场中还看不出来。斯坦福的论文说，看得清清楚楚，但只出现在一个非常具体的年龄群体中。两者可以同时成立。而这正是乌拉圭的问题所在，没有任何本地媒体在用这个视角去审视它。

为什么这两篇论文并不矛盾（尽管看起来矛盾）

openai的论文测量的是平均值。它把900多种职业归为四个原型，将这些原型与chatgpt的使用数据交叉，然后观察各职业群组的总失业率如何演变。分析单位是职业，不是个人。当openai说自动化高风险工作的失业率上升了0.3个百分点时，它是在同一职业内部把资深员工和初级员工平均在一起。

斯坦福的论文做的恰恰相反。它保持职业不变，按年龄分解。在同一个高暴露度的职业内部，资深者在增长，初级者在下降。一旦取平均，效应就被稀释了。

代际效应在openai的数据中是不可见的，这是方法论设计使然。不是因为它不存在，而是因为所选的方法没有去寻找它。而openai选择这个方法的时候，斯坦福的微观数据已经流传了八个月。

这个模式不只属于斯坦福。2025年9月，哈佛的seyed hosseini和guy lichtinger发表了generative ai as seniority-biased technological change [3]。他们使用了2015至2025年间美国28.5万家公司6200万名劳动者的简历和招聘启事数据。核心发现：

"在采用之后，相对于未采用的企业，采用企业的初级岗位就业急剧下降，而资深岗位就业基本保持不变。初级岗位的下降集中在受生成式ai（genai）暴露最大的职业，且其驱动因素是招聘放缓，而非离职或晋升的增加。"

具体数字：自2023年第一季度起的六个季度内，采用ai的企业相比未采用的企业，初级岗位就业下降了7.7%。资深岗位不动。而且下降不是因为裁员，是因为不再招聘。

bouke klein teeselink在英国复现了这一模式。丹麦的anders humlum和emilie vestergaard没有发现对工资或工时的总体影响，但确实发现了同一批企业内部任务的剧烈重组 [4]。humlum和vestergaard称之为"still waters, rapid currents"（静水之下，急流涌动）：表面上什么都看不到，水面之下暗流汹涌。

四项独立研究，四种不同方法，四个国家，一个趋同的结论：ai正在影响工作的年龄构成，而不是总量。这正是openai的论文选择视而不见的东西。

"apprentice margin"：正在断裂的东西

brynjolfsson、chandar和chen给这个现象起了个名字：apprentice margin（学徒边际）。这是年轻劳动者历来在企业内部积累实践经验和隐性知识的空间。当ai恰恰自动化了那些原本交给初级员工以便他们学习的任务时，会发生什么。

这个论点在体力行业里由来已久。学徒电工在第一年不产生净经济价值，但公司养着他，因为知道五年后他会成为一名成熟的电工。如果第一年的任务可以用机器人完成，公司就不养学徒了。但机器人也学不会当电工。十年之后的结果是：没有新电工了。

同样的逻辑适用于律师、会计师、程序员、记者、咨询顾问。所有隐性知识靠做而不是靠读来传承的职业。所有乌拉圭信息技术行业就业集中的职业。

在乌拉圭的公共讨论中，这一点还没有进入视野。斯坦福的论文点了名。哈佛的论文用构成数据加以证实。乌拉圭的讨论仍然分裂在"ai没有破坏总体就业"（openai、advice、某些时候的cuti）和"ai将摧毁所有工作"（报纸标题、泛泛的预测）之间。两种叙事都没有捕捉到正在实际发生的事情。

乌拉圭的情况

乌拉圭信息技术行业2024年收官时拥有20464个直接就业岗位，营业额36.81亿美元，出口额在2025年达到15.03亿美元，实现连续五年增长 [5][6]。总量数字是好的。cuti在2025年12月发布的年度调查明确写道：

"在就业方面，行业保持了稳定的趋势，从业人数约为20500人，较上一年略有增长。"

这正是openai的论文会看、而斯坦福的论文不看的那种平均值。cuti的总量数据不按招聘年龄分解，不区分初级和资深，不衡量第一份工作的流量。它衡量的是总存量。而存量是稳定的。

问题在于平均值之下正在垮掉的东西。2026年3月，咨询公司advice的监测报告指出，乌拉圭在全球服务行业的"竞争力指标处于2000年以来的最低水平"。该行业职位的美元中位数薪资自2022年以来上涨了34% [7]。cuti正与行政当局协商建立一个关于竞争力、出口和高技能就业的联合工作机制。cuti主席amilcar perea在2026年2月解释道：

"直到2022年，汇率的上升在一定程度上跟得上比索成本（主要是工资）的上涨。从那以后，两个变量开始脱钩：本币成本继续增长，而美元汇率却节节失守。" [8]

2026年5月，búsqueda刊登了iara zinno的一篇报道，讲述ai如何重新定义"初级"工作，并质疑"人时"模式 [9]。cuti负责人才的副主席aníbal gonda对该杂志说：

"以前卖的是一个资深顾问加10个初级顾问或再加10个顾问。今天是两三个资深顾问配上人工智能工具作为补充。"

以及：

"企业买的已经不是人时，他们买的是价值，是解决方案。"

advice的guzmán sarachaga补充道：

"许多过去足以支撑入门级岗位的任务，今天可以由人工智能工具辅助完成，某些情况下虽然不是被取代，但在很大程度上是由工具陪伴着完成的。"

这与斯坦福和哈佛用行政数据得出的观察相同，只不过是从乌拉圭行业销售方的角度讲出来的。一个资深员工加许多做操作性任务的初级员工的金字塔模式正在崩塌。不是因为总需求减少了，而是因为ai干了初级员工干的活，客户不再愿意为单位价值更低的工时付钱。

到今天为止，没有任何乌拉圭数据衡量信息技术行业新招聘的年龄构成。国家统计局（ine）衡量总体失业率。cuti衡量总就业。cuti的信息技术观察站有来自教育文化部（mec）的学历培养数据 [10]，但没有第一份工作的流量数据。没有人在看真正重要的数据。

三根支柱同时倒塌

2025年11月，ceibal宣布终止jóvenes a programar（jap），这是其面向18岁以上人群的旗舰技术培训项目。在cuti、bid-lab和行业企业的支持下，该项目维持了九年。官方公告：

"经过近十年的工作、培养了全国6000多名年轻人之后，ceibal结束其开创性项目jóvenes a programar（jap）。基于该项目积累的经验，技术大学（utec）将开发一个新的技术培训项目，名为pixel。" [11]

过渡宣布了。细节没有。

乌拉圭的信息技术行业正同时面临三记结构性打击。第一是汇率竞争力的丧失，cuti和政府都已承认。第二是经合组织"第二支柱"对自由贸易区及类似税收优惠的无声中和，它正逐步生效，将夺走乌拉圭支撑外国服务业投资的大部分监管套利空间。第三正是apprentice margin的问题：如果企业因为ai能干初级员工的活而停止招聘初级员工，培养资深人才的管道就断了。而乌拉圭的这条管道几乎完全依赖于私营部门的第一份正式工作。

三根支柱没有一根是因为ai而倒塌的。汇率升值是国内宏观问题。第二支柱是多边财税地缘政治。ai是第三根支柱的催化剂，但这根支柱多年来就因为公共部门对正规教育之后的培训投入不足而不断削弱。

问题不在于乌拉圭会在2026或2027年因ai出现大规模失业危机。openai的论文说得对，总量数据里看不到这个。问题在于到2030年、2032年、2035年，当现在的资深人才开始退出系统（退休、移民、转入其他行业）时，将没有足够的新资深人才来接替他们。因为本应成为那些资深人才的初级员工根本没有进入系统。这个成本不会出现在任何季度报告里。它会在十年后出现，那时已经无法挽回。

apprenticeship severance（学徒断层），一篇最近在经济学家中流传的substack文章如此称呼它 [12]，在政治上很难为其辩护，因为在任何以季度为治理周期的组织的视野里，它的成本都是不可见的。2026年裁掉初级员工的公司，2027年会显示出更好的利润率。而代价，以专业能力缺口的形式，在2040年到来。

没有被测量的东西

乌拉圭关于ai与就业的公共讨论用的是借来的框架。cuti引用研究时，引用的是美国的大论文。本地媒体报道时，引用的是openai、斯坦福、mckinsey。没有任何乌拉圭数据分解以下指标：

  • 信息技术行业新招聘的年龄构成
  • 信息技术行业第一份工作的持续时间
  • 从jap/utec/udelar到第一份正式工作的转化率
  • 软件出口企业初级/资深员工比例的演变
  • 采用与未采用genai的企业之间就业增长的差异

所有这些数据都存在于某个系统里。社会保障银行（bps）有按年龄和行业划分的缴费数据。税务总局（dgi）有按企业划分的营业额数据。cuti有会员企业的数据。没有一项被交叉对照。没有一项以这个视角发布。

与此同时，公共话语在两个都无法描述现实的极端之间走向两极化。乐观一方，cuti说"每当出现技术进步，长远来看最终产生的是更多的工作。不同的工作，但更多的工作。"这是一个站得住脚的历史观察，但它没有回答一个具体的问题：未来五年乌拉圭的初级从业者会怎样。悲观一方，新闻标题谈论"ai摧毁就业"，仿佛这是一个同质化的事件。同样没有描述任何有用的东西。

经验层面的现实是，根据四个不同市场的四项独立研究，ai正在职业内部重新分配工作：流向资深者，远离初级者。这恰恰是乌拉圭信息技术行业的结构无法吸收、而不在中期遭受结构性损伤的模式。

结论

openai的论文是一份不错的技术文件。它同时也是一家公司发布的文件，而这家公司有直接利益让关于ai与就业的公共讨论不要变得更具限制性。它的表1所采用的方法论，恰恰稀释了斯坦福、哈佛、klein teeselink以及cuti的定性观察共同识别出的那个效应。这并不是说openai的论文做得不好。而是说它选择的方法论切口具有政治后果，读它的时候最好把这副眼镜戴上。

斯坦福的论文也不是最终诊断。adp的数据有自身的偏差，22至25岁群体包含了不能完全归因于ai的动态（疫情后的劳动力市场、利率调整等）。但这个模式在四项研究、四种不同方法中重复出现。这是趋同的稳健性，不是孤例。

乌拉圭的信息技术行业历来是一个非常具体的群体进入高技能就业的大门：22至30岁的年轻人，部分或全部在公共系统（udelar、utec、jap、技术学校）接受培养，进入服务出口企业。这扇大门正因三个同时发生的原因而变窄，其中之一正是美国论文在测量、而乌拉圭数据没有分解的那个。

本地的公共讨论应该在讨论如何测量这件事，而不是ai是否在"摧毁"就业。操作层面的问题更简单：过去八个季度，乌拉圭信息技术行业每个季度产生了多少第一份工作？新入职者的年龄中位数如何演变？2025年有多大比例的软件出口企业招聘了初级员工？

这三个问题没有一个有公开可查的答案。这才是真正的问题。不是ai。是数据的缺失。

资料来源

[1] richmond, alex martin. the ai jobs transition framework: mapping ai's near-term impact on jobs. openai economic research，2026年4月。见 https://cdn.openai.com/pdf/ai-jobs-transition-framework.pdf

[2] brynjolfsson, erik; chandar, bharat; chen, ruyu. canaries in the coal mine? six facts about the recent employment effects of artificial intelligence. stanford digital economy lab，2025年8月（2025年11月修订版）。https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/

[3] hosseini, seyed mahdi; lichtinger, guy. generative ai as seniority-biased technological change: evidence from u.s. résumé and job posting data. harvard university working paper, ssrn id 5425555，2025年8月。https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

[4] humlum, anders; vestergaard, emilie. still waters, rapid currents: early labor market transformation under generative ai. nber working paper w33777，2025年5月（早前以"large language models, small labor market effects"为题流传）。https://www.nber.org/papers/w33777

[5] la industria tecnológica factura más de u$s 3.600 millones y reafirma su rol estratégico a nivel país. cuti 2024年度调查，2025年12月发布。https://www.improfit.com.uy/post/uruguay-digital-la-industria-tecnológica-factura-más-de-u-s-3-600-millones-y-reafirma-su-rol-estrat

[6] conly. uruguay exportó usd 1.503 millones en servicios de software en 2025. 2026年4月。https://conlyapp.com/blog/exportaciones-servicios-uruguay-2025-pymes-tech

[7] servicios globales en jaque: uruguay registra su menor nivel de competitividad en 26 años. ámbito，2026年3月。https://www.ambito.com/uruguay/servicios-globales-jaque-registra-su-menor-nivel-competitividad-26-anos-n6259148

[8] competitividad, exportaciones y empleo, el gobierno pone el foco en un sufrido sector tecnológico. ámbito，2026年2月。https://www.ambito.com/uruguay/competitividad-exportaciones-y-empleo-el-gobierno-pone-el-foco-un-sufrido-sector-tecnologico-n6249521

[9] zinno, iara. la inteligencia artificial redefine el trabajo "junior" y cuestiona el modelo de "horas hombre". búsqueda，2026年5月14日。https://www.busqueda.com.uy/economia/la-inteligencia-artificial-redefine-el-trabajo-junior-y-cuestiona-el-modelo-horas-hombre-n5412960

[10] cuti. monitor laboral ti de uruguay. 基于教育文化部（mec）教育统计年鉴的信息技术观察站。https://cuti.org.uy/wp-content/uploads/2021/02/monitor-laboral-ti-de-uruguay.pdf

[11] ceibal. jóvenes a programar de ceibal finaliza e inspira la creación del programa pixel de utec. 2025年11月。https://ceibal.edu.uy/institucional/articulos/jovenes-a-programar-de-ceibal-finaliza/

[12] the apprenticeship severance: how ai is breaking the expertise pipeline. smarter articles，2026年5月。https://smarterarticles.co.uk/the-apprenticeship-severance-how-ai-is-breaking-the-expertise-pipeline

正文中引用的其他研究：

← 全部文章