核心内容摘要
雷电将军的非凡“脚法”品鉴_2
AI不该替经济周期背锅掌握核心硬技能依然是毕业生的最佳出路。
人们普遍认为ChatGPT在2022年底的横空出世摧毁了白领就业市场。
但最新的研究数据表明AI暴露型职位的招聘寒冬早在ChatGPT发布前的2022年初就已经悄然开始。
来自匹兹堡大学、斯坦福大学、微软AI经济研究所等机构的研究团队发布了一项重磅研究。
这篇名为《AI暴露型工作在ChatGPT之前就已恶化》的论文通过整合美国失业保险记录、千万级领英档案以及数百万份大学教学大纲揭示了一个与大众直觉截然相反的事实。
数据证明了就业市场的恶化早于生成式AI的普及还给出了一个令人欣慰的结论在后ChatGPT时代在学校里学习那些看似容易被AI自动化的技能反而带来了更高的起薪和更短的求职期。
职位崩塌始于ChatGPT发布之前大众对于AI威胁论的焦虑往往源于直观的感受。
Anthropic公司的首席执行官曾预警AI可能取代一半的入门级白领工作。
确实从2022年到2024年我们在劳动力市场上看到了明显的疲软。
特别是那些被认为容易受大语言模型影响的岗位比如程序员、数据分析师和文案创作者他们的日子确实不太好过。
如果这种恶化是由大语言模型驱动的那么最剧烈的下滑应该发生在ChatGPT发布并被大规模采用之后。
然而数据讲述了另一个版本的故事。
研究团队利用美国劳工部就业与培训管理局ETA的ETA 203报告构建了一个详尽的月度失业风险指标。
这个指标通过结合各州的失业保险索赔记录和职业就业数据计算出特定职业在每个月的失业概率。
将职业按AI暴露程度分为五个等级并观察它们随时间变化的失业风险。
结果显示高暴露职业如计算机和数学类通常比低暴露职业如建筑类拥有更低的失业风险这种优势在2020年至2021年的疫情期间甚至进一步扩大。
这符合当时的远程办公趋势。
事情在2022年初发生了转折。
早在ChatGPT于2022年11月发布之前的几个月高暴露职业的失业风险就开始显著上升。
这种上升趋势在2022年第一季度触底后便开始反弹并一直持续。
在图B中我们可以看到所有职业在2020年都经历了一个疫情带来的失业高峰。
随后在2022年初无论是高暴露还是低暴露职业失业风险都处于低谷。
紧接着高暴露职业的失业风险开始攀升。
请注意这个时间点2022年初。
这比OpenAI向公众发布ChatGPT早了整整大半年。
当我们将数据细分到具体的职业大类时如图C所示计算机和数学类职业SOC 15在2022年至2024年间经历了最大的失业风险增长。
这条增长曲线同样是在ChatGPT发布之前就开始上扬并且在发布之后并没有出现突然的加速而是呈现出平缓的态势。
大多数其他职业类别在ChatGPT发布前后并没有表现出明显的波动。
唯一的例外是办公室和行政支持类职业SOC 43它们在发布后的一个季度内经历了失业风险上升。
这似乎符合AI替代文员的假设。
经过进一步的数据排查研究人员发现这一异常主要是由康涅狄格州的数据引起的。
一旦剔除该州数据这种异常波动随之消失。
这表明导致2022年以来科技行业和白领工作就业难的主要原因并非是AI技术的突然冲击。
真正的推手是宏观经济和行业周期的力量。
2022年初美联储开始激进加息货币政策收紧对科技行业的融资环境造成了巨大打击。
与此同时科技行业正在经历疫情期间过度招聘后的修正。
许多公司在2020年和2021年因为数字化转型的加速而大量扩招到了2022年不得不进行人员结构调整。
这些宏观因素在ChatGPT问世之前就已经在发挥作用。
如果一定要把这笔账算在AI头上我们在数据上应该看到一个明显的断裂点即在2022年11月之后出现剧烈的跳变。
但我们看到的是一个连续的、始于2022年初的恶化过程。
即便在加利福尼亚州、华盛顿州这样科技公司云集的地区虽然在ChatGPT发布后确实观察到了计算机类职业失业风险的上升但这种风险水平依然与疫情前的常态相当。
这说明劳动力市场并没有因为AI的出现而发生结构性的崩塌更多是在进行周期性的回归。
毕业生求职困境源于宏观经济周期失业保险数据虽然全面但它有一个盲点它无法反映刚走出校门的大学毕业生的境况。
应届毕业生通常不具备申请失业保险的资格他们的就业困难在传统统计中往往是隐形的。
而正是这个群体被认为最容易受到AI带来的“入门级工作消失”的影响。
为了填补这一空白研究团队分析了Revelio Labs提供的超过1000万份领英LinkedIn个人档案。
这些档案包含了详细的教育背景、毕业时间、专业以及完整的职业履历。
通过这些数据我们可以精确地追踪每一届毕业生找到第一份工作所需的时间以及他们进入AI暴露型职位的比例。
数据显示从2021届毕业生开始情况发生了变化。
相比于之前的几届学生2021年及之后的毕业生进入高AI暴露型职位的比率开始下降。
这种差距同样是在2022年底之前就已经拉开了。
在图A中我们看到在ChatGPT发布之前那些最终进入高AI暴露职位的毕业生通常比同届其他同学花更少的时间就能找到工作。
这是一个合理的现象因为高暴露职位往往是计算机、金融等热门行业市场需求大。
然而对于2023届和2024届的毕业生来说情况发生了逆转。
那些第一份工作是高AI暴露职位的毕业生反而比同龄人花费了更多的时间在求职上。
这表明就业市场确实对这部分学生变得更加苛刻。
关键的问题依然是时间点。
这种求职难度的增加是始于ChatGPT吗我们来看图C。
它展示了不同毕业年份的学生在毕业后获得高AI暴露职位的相对比例。
对于2013年至2020年的毕业生来说曲线几乎是一致的他们在毕业后的头几个月里获得高暴露职位的比例较高随后逐渐回归平均水平。
但是2021届、2022届和2023届的毕业生表现出了明显的弱势。
他们在毕业初期进入高暴露职位的比例显著低于前辈。
特别是2021届和2022届的毕业生这种表现不佳的状况在ChatGPT发布之前就已经存在了几个月甚至一年。
如果AI是导致这种下降的罪魁祸首我们不应该看到2021届毕业生在2022年大部分时间里就表现出这种颓势。
这种持续的、跨越数个年级的疲软再次指向了更广泛的劳动力市场收缩而非单一技术的冲击。
为了排除“高薪职位本身就难找”的干扰因素研究人员还专门对比了高薪职位的求职时间变化图B。
结果发现虽然高薪职位的求职时间在2022年后也有所增加但高AI暴露职位的求职时间增加幅度明显更大且趋势反转更为剧烈。
这说明这不仅仅是高薪工作变少了而是特定类型的技术性工作受到了周期性因素的压制。
这对于应届生来说是一个复杂的信号。
一方面市场确实变冷了而且是在AI爆发前就冷了另一方面这种冷并非是因为AI抢走了饭碗而是因为宏观经济环境导致企业缩减了对这类人才的储备需求。
掌握技能依然能够提升身价面对严峻的就业市场一个更具现实意义的问题摆在学生、教育者和政策制定者面前在AI时代我们还应该学习那些似乎容易被AI自动化的技能吗比如写作、编程、信息整合这些都是大语言模型的强项。
既然AI能写代码学生还要苦哈哈地学C吗既然AI能写财报分析商科学生还需要训练这种能力吗一种悲观的观点认为学习这些技能是徒劳的因为它们很快就会贬值。
为了回答这个问题研究团队进行了一项极具创新性的分析。
他们将领英上的毕业生就业数据与超过300万份美国大学的课程大纲Syllabi进行了匹配。
传统的分析往往只看学生的专业名称比如“计算机科学”或“英语文学”。
但不同学校的同一专业教学内容可能天差地别。
通过分析课程大纲研究人员可以精确计算出每个学生在大学期间接触到的具体技能以及这些技能与大语言模型能力的重合度。
这就是教育暴露度Education Exposure。
研究者构建了一个回归模型控制了州、行业、学位类型、毕业年份、学校声誉等一系列变量试图分离出“学习AI相关技能”这一单一因素对毕业生起薪和求职时间的影响。
在ChatGPT发布之前教育暴露度与第一份工作的薪水或求职时间并没有显著的关联。
也就是说在AI时代到来前学更多这类技能并没有带来额外的溢价。
但在ChatGPT发布之后即表格中的gpt指标为1的时期情况发生了变化。
模型显示教育暴露度*edu*与ChatGPT时期*gpt*的交互项在薪资预测中系数为正在求职时间预测中系数为负。
用通俗的话讲就是在后ChatGPT时代如果你在大学里学了更多与AI能力重叠的技能比如编程、写作、数据分析你的起薪反而更高了而且你找到第一份工作所花的时间更短了。
这是一个非常有力的反直觉发现。
虽然宏观环境导致高AI暴露的职位如程序员整体就业难度增加但对于那些在这个领域受过扎实教育的人来说他们的技能不仅没有贬值反而因为能够与AI协同工作而升值了。
模型中的三向交互项*edu × llm × gpt*进一步证实了这一点。
它表明当毕业生进入那些高AI暴露的职业时如果在大学期间接受了充分的相关技能训练这种教育背景可以部分抵消宏观环境带来的负面影响。
这说明AI并没有让相关技能变得多余。
相反它可能提高了这些技能的门槛和价值。
懂得编程原理的人能更好地指挥AI写代码懂得写作逻辑的人能生成更高质量的文案。
AI成为了放大器而不是替代品。
对于高等教育而言我们绝不能因为AI的出现就放弃对基础硬技能的教学。
写作、编程、信息综合这些依然是核心竞争力。
教育的重点应该从单纯的技能执行转向如何评估、验证和利用AI生成的内容。
那些担心“学了也白学”的学生可以松一口气了。
数据明确告诉我们在这个充满不确定性的劳动力市场中拥有扎实的、与AI能力互补的专业技能依然是获得好工作和高薪水的最佳护身符。
别被恐慌情绪带偏了节奏也别把经济周期的锅甩给AI沉下心来打磨技能才是正道。
参考资料https://arxiv.org/pdf/
2