一位人资朋友跟我吃饭时讲了一件事。她们公司开了三个初阶数据分析师的职缺，收到两百多封履历。面试后，主管来找她说：「我让 Claude 跑了一下，发现这三个职位的核心产出，两个模型加一个 Python 脚本就能处理。」

职缺没有取消，但从三个变成一个。而且那一个的职责描述完全改写了——不再是「整理数据、产出报表」，而是「设计分析框架、验证模型产出、与业务端协作定义问题」。

两百多个应聘者里，大部分是刚毕业一两年的年轻人。他们的履历上写的技能——Excel、SQL、基础统计——恰好就是被砍掉的那两个职位在做的事。

我当时没有多想。直到读了史丹佛数字经济实验室的那篇论文。

金丝雀倒下的方式，不是你以为的那样

Brynjolfsson、Chandar 和 Chen 三位研究者做了一件很直接的事：他们追踪了生成式 AI 爆发前后，不同年龄层在「高 AI 暴露度」职业中的就业率变化。

结果颠覆了大多数人的直觉。

22 到 25 岁的年轻人，就业率掉了 13%。而 30 岁以上的资深员工，就业率反而上升了 6–13%。 这跟我们平常听到的叙事完全相反。媒体总是说「AI 会取代重复性高的基层工作」，暗示资深员工因为年纪大、学习慢，更容易被淘汰。但数据说的是另一回事。

原因其实不难理解，只是很少人愿意正视：AI 最擅长的事情，恰好就是年轻人带进职场的东西——标准化的、可编码的、来自课本和证照的知识。而资深员工的价值，很大一部分来自于那些「不在任何手册里」的隐性经验：怎么跟难搞的客户周旋、怎么在信息不完整的情况下做判断、怎么读懂会议室里没被说出口的话。

这些东西，目前的 AI 还复制不了。

一个奇异的矛盾

论文里还有一个发现，比年龄差异更值得咀嚼：职缺在减少，但薪资没有跟着下降。

按照经典的供需模型，这不合理。工作机会少了，劳动力过剩，工资应该被压低才对。但实际上，企业选择的策略不是降薪，而是停招。他们不是让现有员工变便宜，而是让新人进不来。

表面上这是「工资黏性」效应，但背后有一个更结构性的变化：当 AI 把例行性的任务吃掉之后，剩下来的工作，每一件的认知密度都变高了。留下的人需要更多判断力、更多创造力、更多「在模糊地带做决策」的能力。工作的价值密度上升，所以薪资不降。

但这对门外的年轻人来说，是双重打击——不只进不了门，连门槛本身都在升高。

分岔路：自动化还是增强化

论文最关键的一个发现，在第三组数据里。

当企业把 AI 用来「自动化」整个流程，年轻人的就业率下降最剧烈。但当企业把 AI 用来「增强」人类的工作——也就是研究者所说的「半人马模式」，让人和 AI 各自发挥长处——年轻人的就业率反而上升最快。

同一项技术，两种截然不同的结果。差别不在 AI 本身，在于谁在设计人机之间的接口。

这让我想到在制造业的经验。资浅且愿意学习的工程师成长最快。他们不再需要花三年才能累积的「手感」，AI 把那些模式识别的部分说清楚了，让他们可以更快进入「判断」的层次。

半人马模式不是慈善，是效率最佳解。

预警的真正对象

研究者用「煤矿里的金丝雀」当这篇论文的标题，取的是那个古老的比喻：矿坑里的金丝雀比人类更早感受到毒气，它的死亡是矿工撤离的信号。

但我想把这个比喻再转一层。

金丝雀之所以先死，不是因为它「比较弱」。是因为它的新陈代谢更快，暴露面更直接。年轻人在 AI 浪潮中的处境也是如此——他们不是能力不足，是他们被训练出来的能力，恰好站在 AI 的射程正中央。

这代表什么？代表真正需要改变的不是年轻人，而是把他们训练成这样的系统。

我们的教育——从大学到职业训练——花了二十年把人塑造成「标准化知识的载体」。会背诵、会考试、会按照 SOP 执行。这套逻辑在工业时代是对的，因为企业需要的就是可预测、可替换的人力单元。

但现在，最可预测、最可替换的部分，正是 AI 最擅长的。

这不是技术问题。这是我们对「什么是有价值的知识」的定义，在被根本性地翻转。

金丝雀之后

对正在职场上的年轻人来说，论文的数据其实指向一条清楚的路：停止累积「可被编码的技能」，开始练习 AI 处理不了的东西。批判思维、问题定义、跨脉络的沟通、在不确定中做决策。但最重要的是——学会跟 AI 协作，让它变成你的杠杆，而不是你的替代品。

对企业来说，这篇研究其实在说：用 AI 来砍人事成本，是最短视的策略。真正的效率来自重新设计人机协作的流程，让 AI 赋能员工，而不是消灭员工。前者带来组织升级，后者只带来一次性的成本节省和长期的人才断层。

对教育体系——这是最沉重的警钟。当你的毕业生进入职场的第一天，发现自己四年学的东西已经被一个 AI Agent 取代，这不是学生的问题。这是整个知识体系的结构性挑战。

那位人资朋友后来告诉我，那个唯一的职缺，最后录取的是一个三十二岁、转职过两次的人。不是因为他的技术最强，而是因为在面试中，他是唯一一个能说清楚「这个分析结果不对劲，但我说不出哪里不对」的人。

金丝雀已经在哀鸣。但我们做了什么改变？身为父母的你，希望怎么调整孩子的教育方式？若你是教师，你要怎么让自己花在学生的时间上更有意义？而不再是单方向的知识灌输？这是可以被AI轻易取代的技能。你若是老板，你要怎么组建新的团队，来应对风云变色的现在？你有什么想法？欢迎交流。

论文出处：Erik Brynjolfsson, Bharat Chandar, Ruyu Chen. (2025). “Canaries in the Coal Mine? Six Facts about the Recent Impact of Generative AI on Employment.” Stanford Digital Economy Lab Working Paper, August 2025.