高盛把过去几十年受技术冲击严重的25种职业拿来研究，发现它们开始萎缩后的五年里，就业人数平均减少约25%。照片冲印员下降接近六成，文员、校对员、银行柜员也在名单中。如今生成式AI已经能够处理大量办公室工作，下一轮岗位收缩会以多快的速度到来？
高盛的研究表明，技术替代一旦走到企业能够减少用工的阶段，职业规模可能在几年内明显缩水。AI会把这种压力从传统的机器操作岗位推向办公室，尤其是那些工作内容容易数字化、流程固定、结果便于检查的职业。
高盛选取的是历史上受技术冲击严重的25类职业，统计它们就业人数开始下降后五年的变化。它没有预测未来五年全社会会消失四分之一的岗位。研究中的照片冲印员尤其典型。数码相机普及以后，人们可以在电脑和手机上查看、保存、分享照片，冲洗胶卷和制作纸质照片的需求迅速缩小。冲印店的生意减少，员工再熟练，也难以让顾客回到胶卷时代。
这样的变化比一台机器替代几个工人更彻底。原来顾客必须购买的服务，后来可以跳过，整条服务链上的设备、场地和人员都失去用武之地。银行柜员也遇到类似过程。转账、查询、缴费逐步进入网上银行和手机应用，网点仍然存在，但大量简单交易不再需要柜台人员逐笔办理。企业最终削减的是处理这些业务所需的人数。
AI的特殊之处，是它能直接处理已经数字化的信息。过去企业想让办公室少用人，往往要开发专门软件、改造系统、编写固定流程。现在，一套模型就能阅读文档、提取数据、整理表格、草拟回复，甚至调用其他软件完成后续操作。原本要在几个岗位之间流转的工作，可能由少量员工配合系统完成。
企业采购AI也有一道实际门槛。它必须能够持续完成任务，节省下来的工时要足以抵消模型、系统集成和人工复核的费用。技术演示做得漂亮，还不等于公司愿意缩减编制。不过，一旦业务流程跑通，管理者就会重新核定人员需求。原来十个人处理的订单、报表和客户咨询，现在八个人能够完成，空出的职位很可能不再补招。岗位收缩就从这里开始。
首批承压的工作有一个共同特点，员工的主要价值来自按既定规则处理信息。AI处理同样任务的速度越快、成本越低，企业保留大量初级岗位的理由就越弱。国际劳工组织研究了大量职业任务，发现文书类工作受到生成式AI的冲击尤为明显。
数据录入、财务记账辅助、行政秘书、文字校对和标准化客服，都有相当比例的工作可以交给软件。高盛此前也把程序员、会计与审计人员、行政及法律助理、客户服务代表等列入受到较高替代压力的群体。专业名称不同，日常工作的相似性却很高，接收信息、查找规则、整理材料、输出标准结果。
拿客服来说，以前一家平台每天收到大量关于退货、物流、发票的问题，需要许多员工查看订单，再复制或改写答复。接入模型以后，系统可以识别问题、查询订单状态、给出处理建议。遇到普通咨询，甚至可以直接完成回复。人类客服逐渐集中处理投诉升级、特殊赔付和争议调解。客户数量未必下降，企业对基础客服的招聘需求却会减弱。
财务和行政岗位也是如此。报销材料识别、发票信息比对、会议记录和常规报表生成，以往占据基层员工大量时间。AI与业务系统连通以后，单据可以自动分类，异常项目由员工核验。过去一名新人花半天整理的数据，熟练员工可能在很短时间内完成审查。管理者发现工作效率提升，自然会考虑合并岗位。
有些工作虽然同样使用电脑，却很难按这样的方式缩减人员。医生需要结合病人的具体情况判断治疗方案，律师必须对建议和文件承担责任，企业负责人要处理目标冲突并作出取舍。AI能协助他们查资料、准备材料，却不会自动接过这些责任。另一类岗位则受现场环境制约，设备维修、养老照护和复杂施工都需要人员进入真实场景，光靠生成一份文字答案无法完成服务。
这场变化对年轻人的影响尤其突出。斯坦福大学数字经济实验室更新的研究发现，美国22至25岁劳动者在高度暴露于AI的职业中，就业水平相较低暴露职业的同龄人所对应的趋势低约19%，差距主要体现为年轻人的招聘减少。企业有经验的员工可以利用AI提高产出，刚毕业的求职者却可能连积累经验的入口都找不到。
过去许多行业靠基层工作培养骨干。新人从整理资料、回答常见问题、编写基础代码做起，逐渐熟悉客户、业务和风险。现在这些工作恰好容易自动化。公司保留资深员工，减少初级岗位，看起来提高了效率，几年后却可能遇到有经验的人才供给不足。岗位的减少还会改变一个行业培养人的方式。
AI对就业的冲击不会按照技术进步的速度均匀发生。企业盈利较好时，更愿意用新工具扩大业务。订单减少、利润承压时，同一套工具就可能成为压缩人员和暂停招聘的依据。经济放缓会让原本分散发生的岗位替代集中释放。
高盛研究历史技术替代时发现，25种受冲击职业中有19种离职率上升，而招聘率下降的只有13种。岗位规模萎缩主要伴随着人员离开，单靠减少新人招聘解释不了全部变化。并且，整体失业率每上升一个百分点，这些职业随后五年的就业降幅会额外扩大约四个百分点。技术淘汰与经济景气程度存在明显联系。
企业作出这种决定有很现实的经营原因。生意好时，即使AI能完成部分任务，公司仍然需要人手开拓客户、保证交付，往往先让员工使用工具，提高每个人的处理能力。管理层也担心一次裁撤太多人，会让系统出错后无人补救。等到客户缩减预算、订单增长放慢，原来能够容纳的冗余岗位就成了成本压力。
这时，公司可能选择不再填补离职岗位，也可能集中撤销某些工作小组，把日常处理交给自动化系统，留下少数人负责例外事项。工作内容没有全部消失，完成工作所需的员工人数却下降了。裁员之所以容易集中发生，是因为企业倾向于借一次业务调整，顺手改变长期的用工结构。
更复杂的是，就业市场会受到双重挤压。企业经营不佳导致岗位减少，AI又降低了恢复招聘所需的人数。等业务回升，原先一个部门需要恢复十名员工，重新设计流程后可能只招回六七名。产出回来了，原岗位未必跟着回来。过去历次自动化冲击后，常规岗位在经济下行期间明显萎缩、复苏后仍难恢复，就是这样的过程。
不过，技术能力与实际部署之间仍隔着企业数据、流程整合、合规责任和错误成本。尤其在金融、医疗及公共服务领域，错一次的损失可能远高于节省的人工费用。这些现实条件决定了企业调整速度有快有慢。讨论失业潮，应看哪些公司已经把AI接入核心业务，并据此改变招聘和编制，而不能只根据模型发布了什么功能来判断。
社会将承受的就业压力，还取决于失去旧岗位的人能否进入新岗位。AI确实会创造新的工作需求，但新增岗位需要的技能、所在地区和招聘门槛，与被压缩的岗位往往差别很大。经济总量受益，个人仍可能经历长期收入损失。
AI产业需要建设数据中心、扩充供电网络、维护设备，也需要软件工程、数据管理、安全审查和行业应用人员。企业用AI降低成本后，还可能以更低价格提供服务，吸引新客户并扩充业务。AI发挥辅助作用的部分职业出现了就业增长。劳动市场不会只沿着岗位消失的方向变化。
但让一名失去工作的文员转去维护服务器，远比让公司购买一套AI软件困难。工作地点可能不同，技术要求不一样，家庭条件也未必允许搬迁。一个有多年工作经验的人，如果原来的业务知识在新岗位无法直接使用，就可能接受更低级别的工作。雇主获得了生产率，劳动者却需要自己支付重新学习、求职和收入中断的费用。
而且，企业如果把所有基础事务都交给机器，又不提供新人参与复杂项目的机会，未来能够检查AI输出、处理重大异常的资深员工将越来越难培养。比较可行的办法，是让新人从操作系统转向核验结果、理解业务、参与客户沟通，在较短时间内接触过去需要工作多年才能承担的任务。培训方式需要跟着岗位重组一起改变。
对于劳动者来说，未来工作能力的价值会越来越集中在三个具体环节，识别客户究竟需要什么，判断AI给出的答案能不能使用，在出现差错时承担处理责任。这些能力离不开行业经验，也不能靠一纸AI证书速成。掌握工具可以提高效率，但能否留下来，还取决于自己能不能完成工具无法独立负责的部分。
高盛的五年降幅给出的警示十分现实。技术一旦改变企业完成业务所需的人数，岗位可能比个人转型快得多。下一轮就业压力会先集中在标准化的办公室工作，并随着企业调整编制向外扩散。能否把生产率提升转化为更多收入和新的职业通道，将决定AI带来的是一次可以承受的就业转型，还是持续拉大的劳动市场分化。#头条精选-薪火计划#
文 | 于晓东 韩国韩南大学商学院经济学系经济学博士
热门跟贴