史丹佛大學數位經濟實驗室（Stanford Digital Economy Lab）於 2026 年 8 月發布的最新研究指出，22 至 25 歲年輕勞工在「高度 AI 暴露」職業的就業水準，比同齡從事「低 AI 暴露」職業的勞工低 19%。這個數字在去年的版本僅為 13%，一年之間擴大了 6 個百分點。
研究主持人、史丹佛經濟學家 Erik Brynjolfsson 警告，這代表 AI 並未造成整體就業崩盤，但正在悄悄關閉年輕世代進入職場的入口。
編按：本文綜合整理自 Ars Technica 原文、史丹佛數位經濟實驗室論文 PDF、Stanford 官方公告，並加入 Siami 編輯部觀點與分析。
研究背景與主要發現
《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》這份研究延續去年同名論文的追蹤，使用 ADP 高頻匿名薪資資料量化 AI 對勞動市場的衝擊。研究團隊運用兩個指標評比職業的「AI 暴露度」：
- Eloundou et al. 2023 的「潛在勞動市場影響」評分
- Anthropic 經濟指數（Anthropic Economic Index），根據 Claude 模型在各種職業的實際使用狀況評分
主要發現是：22 至 25 歲年輕勞工在高度 AI 暴露職業的就業水準，比同齡低 AI 暴露職業的勞工低 19%。這個差距在去年研究中僅為 13%，一年之間擴大 6 個百分點。
整體勞動市場看似平靜，初階勞工卻在流血
乍看之下，整體經濟的就業數據並沒有劇烈變化。研究團隊將所有「AI 暴露度高」與「AI 暴露度低」的職業放在一起比較，總就業水準差異並不大。然而，一旦把觀察對象限縮到 22 至 25 歲的年輕勞工，差異立刻浮現：
- 自 2022 年以來，「AI 暴露度前 40% 高的職業」年輕勞工就業下滑約 11%
- 同期間，「AI 暴露度最低 60% 的職業」年輕勞工就業反而成長 10%
也就是說，整體就業人數沒有崩盤，但這是因為中高齡勞工的就業被「撐住」，年輕世代進入職場的入口正在悄悄關閉。
Brynjolfsson 接受《華盛頓郵報》採訪時直言：
「我們觀察到的初階效應是真實的、持續的，而且正在擴大。我比之前更擔心一個維持整體就業水準、卻悄悄關閉人們職業生涯入口的勞動市場。」
這個現象不是來自裁員或離職，而是僱用率的下降。企業不再大量招募初階員工，而是把任務交給 AI 工具執行。
自動化型 vs 增強型：兩種 AI 使用方式對就業的影響截然不同
Anthropic 經濟指數區分了兩種 AI 使用方式：
- 自動化型（automative）：AI 直接取代原本由人類執行的工作，例如會計、審計、接待員
- 增強型（augmentative）：AI 輔助人類工作、提升效率，例如高階主管、護理師、研究員
史丹佛研究發現：自動化型 AI 普及的職業，初階就業下滑最嚴重；增強型 AI 普及的職業，初階就業反而持平或成長。
研究團隊的結論是：「這些發現與以下假設一致——自動化導向的 AI 使用正在替代勞動力，而互補性使用則與就業持平或上升相關。」
- 自動化型 AI 受害最深的職業：會計師、審計員、接待員、初階資訊 clerk
- 增強型 AI 帶動就業的職業：高階主管、護理師、跨領域研究人員
編碼知識 vs 默會知識：為什麼初階勞工特別脆弱
研究進一步區分了兩種知識類型：
- 編碼知識（codified knowledge）：可透過教科書、書面程序、正式教育傳授的標準化知識
- 默會知識（tacit knowledge）：透過實作、師徒制、長期實戰累積的經驗型知識
AI 對前者影響最大，因為 LLM 本質上就是大規模編碼知識的壓縮與重組。史丹佛團隊使用 O*NET 職業資料庫的「正規教育需求」作為編碼知識程度的代理指標，結果顯示：
- 編碼知識比重高的職業，初階就業成長較慢
- 默會知識比重高的職業，中高齡與資深勞工就業成長較快
- 正規教育需求越高的職業，初階勞工的就業下滑越溫和（緩衝效應）
這對剛踏入職場的年輕人特別不利——他們的優勢本來就是「吸收編碼知識快」，但現在這項優勢正在被 AI 抹平。
學歷仍能緩衝衝擊，但非全面免疫
研究也指出，高學歷職業的 AI 暴露差距較小。研究團隊寫道：「大學畢業生比例較高的職業，在 AI 暴露度高與低之間的就業差異較為溫和。」反之，在大學畢業生比例較低的職業中，「AI 暴露度低的職業就業成長，AI 暴露度高的職業就業下滑」。
這暗示高等教育仍能提供部分緩衝——可能是因為高學歷職業更偏向需要複雜判斷、跨領域整合、或高度專業認證的工作，這些目前 AI 仍難以完全自動化。
但這不代表大學學歷是萬靈丹。研究也指出，學歷保護效果在「增強型 AI」職業（如醫療、工程管理）中較明顯，在「自動化型 AI」職業（如文書、客服、初階分析師）中效果有限。
數據質疑：19% 的差距是「真實擠壓」還是「統計假象」？
對於這份研究的方法論，有幾個值得質疑的點：
- 時間序列較短：自 2022 年起算僅 4 年，COVID-19 後的勞動市場重組、Z 世代就業偏好改變、留學潮消退等非 AI 因素都可能影響數據
- ADP 資料庫的代表性：ADP 的客戶以美國中大型企業為主，自由工作者、零工經濟、初創公司比例偏低，可能低估或高估特定產業的衝擊
- AI 暴露度評比的假設性：使用 Anthropic Economic Index 與 Eloundou et al. 2023 的暴露評比，這些評比本身基於「AI 目前能做什麼」，而非「AI 在該職業的實際採用率」——會做不代表已經在做
研究主持人 Brynjolfsson 自己也在訪談中承認這是「持續追蹤中的初步發現」，而非定論。讀者宜將 19% 視為值得高度警戒的訊號，而非蓋棺論定的結局。
為什麼這件事重要
這份研究的意義不在於「AI 會讓所有人失業」，而在於它揭示了一個更隱蔽、更危險的趨勢：
- 整體就業數字會持續好看（因為中年、資深勞工被留住）
- 但年輕世代的職場入口會持續關閉（因為企業用 AI 取代招募）
- 社會流動性會下降（因為沒有初階職位就沒有升遷管道）
- 貧富差距與世代差距會同時擴大（因為 AI 紅利集中在資本擁有者與資深工作者）
這不只是經濟學問題，而是政治問題。當一個世代發現自己「找不到第一份工作」，民粹主義、對 AI 的敵意、對大型科技公司的監管壓力都會升高。歐盟已經在推動 AI Act，美國也有州級立法嘗試限制 AI 取代人類工作——史丹佛這份研究，等於給了這些監管呼聲一組強而有力的量化彈藥。
對台灣讀者來說，這份研究也敲響了警鐘。台灣以中小企業與服務業為主，許多初階工作（行政、客服、文件處理）正好落在「自動化型 AI」的甜蜜區。當 Brynjolfsson 在美國看到的 19% 差距，在台灣可能以不同形式、更大規模出現。
Siami 觀點
史丹佛這份研究最有價值的地方，是它打破了「AI 對就業的影響是均勻分布」這個假設。事實上，AI 對就業的衝擊是高度分層的：
- 對資深工作者：AI 是槓桿，讓你效率倍增
- 對初階工作者：AI 是替代，讓你連入門的機會都沒有
這個「剪刀差」不是 AI 的 bug，而是 AI 的 feature。LLM 的本質就是把新手能做的標準化工作自動化——新手能做的，AI 也能做；老手能做的，AI 做不來。
這對教育體系、職涯規劃、勞動政策都帶來根本性的挑戰。如果大學不再是「初階工作保證班」，那大學的價值需要重新定義。如果初階職缺消失，那企業內部的接班梯隊也會出現斷層——十年後，誰來當中階主管？
AI 不會讓所有人失業，但會讓「下一個世代」找不到工作。這或許是這個時代最重要的勞動市場警訊。
網友熱門留言 (2)