史丹佛數位經濟實驗室最新數據顯示，22 至 25 歲新鮮人的就業落差從 15% 擴大到 19%，主因是企業少招新人而非資遣潮；全經濟就業並未崩盤，輔助型 AI 職業就業仍在成長。
（前情提要：Sam Altman 誇口：AI 正在淨創造更多就業，可你去年不是這麼說的..）
（背景補充：客服、秘書、業務職缺連兩年縮水：美國勞工局最新統計，AI 正在替代這 17 種職業）
落差擴大到 19 個百分點，這是史丹佛數位經濟實驗室最新更新的統計數字。22 至 25 歲的新鮮人，如果卡在「AI 高度暴露」的職業類別裡，就業機會比留在低暴露職業的同齡人少了 19%。一年前，這個落差還只有 15%，如今數據持續拉大。
這份名為《煤礦坑裡的金絲雀？人工智慧近期就業效應六大事實》的論文，由 Erik Brynjolfsson、Bharat Chandar、Ruyu Chen 三人於 2026 年 8 月更新公布，取用美國 ADP 薪資資料庫，涵蓋 2022 年 11 月到 2026 年 6 月，追蹤 22 至 70 歲勞工的實際聘僱紀錄。結論很直白，整體就業沒有明顯惡化，但入行的門檻正在悄悄墊高。
不是裁員，是不招人
研究團隊拆解這個落差之後發現，主要原因不是資遣潮，而是招募減速。
攤開時間軸看，自 2022 年以來，高暴露職業類別裡的年輕人就業下滑了約 11%，同期低暴露職業類別的同齡人，就業反而成長了 10%，兩條曲線愈拉愈開。仔細看資料，AI 高度暴露職業類別裡，年輕人的離職率跟主動跳槽比例，跟低暴露職業類別幾乎沒有差別；真正拉開差距的，是僱主願不願意開出新職缺。
換句話說，現有員工大致沒有被換掉，只是空出來的位置，愈來愈少留給剛畢業的人。
論文裡所謂的「AI 暴露度」，指的是一份工作有多少任務能被現有 AI 模型執行或加速。簡單來說就是，這份工作被 AI 插一手的機會有多高。資料也顯示，這個落差幾乎全部反映在聘用人數上，薪資水準本身並沒有系統性下滑，代表已經在職的資深工作者，處境相對穩定。
為什麼先倒下的是新人
Anthropic 在其 Economic Index 裡，把 AI 的使用方式分成兩種，「自動化型」跟「輔助型」。自動化型是 AI 整個取代人力任務；輔助型是 AI 幫在職者做得更快更好，人仍不可或缺。
簡單來說就是，一種是 AI 取代人，另一種是 AI 幫人加速。會計師、審計員、接待與諮詢職務被列為自動化型偏高；執行長、註冊護理師則以輔助型居多。史丹佛的資料吻合這個分類，自動化型比例愈高，年輕人就業愈難看；輔助型比例愈高，就業反而持平甚至成長。
研究人員還提出另一個角度，職業所需的知識可分成「編碼化知識」跟「內隱知識」。編碼化知識能寫進教科書、透過標準教育傳授；內隱知識則靠實作、師徒帶領跟長期試錯累積。也就是說，前者 AI 讀一遍就學得會，後者 AI 還學不太到。
研究團隊用職業要求的正式學歷高低，當作編碼化知識依賴程度的替代指標，結果發現，編碼化知識佔比愈高，新人就業成長愈慢；內隱知識佔比愈高，反而是中壯年跟資深工作者成長得更快。
誰被擋在門外
但這份論文並不是在預告全經濟規模的失業海嘯。研究團隊比較 AI 暴露度最高跟最低的職業類別，整體就業成長率幾乎沒有差異，傷害集中在特定年齡層與職業類別的交界處，並非全面性。
學歷也提供緩衝。大學畢業生佔比高的職業類別，高低暴露之間的落差明顯縮小；畢業生比例低的職業類別分化最劇烈，暴露低的職缺持續成長，暴露高的職缺不斷萎縮，教育背景仍能替年輕人爭取一點空間。
值得留意的是，這份研究採用的 ADP 資料庫，只反映正式僱用紀錄，零工與非典型就業型態不在統計範圍內，實際落差可能被低估或高估。
史丹佛數位經濟實驗室在公告頁面裡，把這份研究定位成早期警訊。主持研究的 Brynjolfsson 接受《華盛頓郵報》訪問時表示，「我們測到的入門效應是真實的、持續的，而且正在擴大」，他也說自己比過去更擔心，一個整體就業數字維持不變、卻悄悄把新人擋在門外的勞動市場。
📍相關報導📍
柏克萊教授警告：名校畢業生也沒得挑工作！AI 再 5 年斬掉一半基層職位
OpenAI 900 職業研究打臉 AI 失業恐慌：18% 高風險族群飯碗反而最穩？怎麼回事
