概览：一分钟看懂核心结论
核心观点
本研究提供初步证据表明，自2023年以来，生成式AI的普及构成了“偏向资历的技术变革”。这意味着，AI的应用对初级（Junior）员工造成了不成比例的负面影响，而资深（Senior）员工的就业则继续增长。
关键数据
在应用AI的公司中，从2023年第一季度开始，初级岗位数量相对于未应用AI的公司急剧下降了 7.7%。这种下降主要源于招聘速度减缓，而非裁员。
🤔 研究背景与核心问题
许多白领工作，职业生涯始于重复性高但需要认知能力的初级任务（如调试代码、审查法律文件）。随着经验积累，员工会晋升到更侧重复杂决策和管理的高级职位。
核心疑问
如果生成式AI能高效替代这些初级任务，那么传统职业发展的“第一级阶梯”是否正在被侵蚀？这可能对毕业生的职业起步、收入不平等和向上流动性产生深远影响。
📊 数据与研究方法
庞大数据集
本研究基于Revelio Labs提供的LinkedIn简历和招聘数据，覆盖了 28.5万 家美国公司、近 6200万 名员工在 2015-2025年 间的就业动态。
💡 AI编程与软件工程视角：如何识别“AI应用公司”？
研究者提出了一种新颖的方法：通过分析招聘信息来识别那些正在积极将AI技术整合到业务中的公司。
- 第一步：关键词筛选。 检索包含
ChatGPT,LLM,RAG,LangChain,OpenAI API等AI相关技术词汇的招聘信息。 - 第二步：大语言模型（LLM）分类。 使用LLM对筛选出的职位进行精确分类，识别出真正的“AI整合者”（AI Integrator）角色——即专门负责实施或运营AI系统的职位。
- 定义： 一家公司只要发布过至少一个“AI整合者”职位，就被归类为“AI应用公司”。样本中约有 3.7% 的公司符合此标准。
分析模型
采用双重差分（DiD）和三重差分（DDD）模型，比较“AI应用公司”和“非应用公司”在2023年前后的就业趋势变化，同时控制公司和时间层面的固有差异。
💡 核心发现：数据揭示的趋势
发现一：初级与高级岗位的“命运分化”
从2023年第一季度开始，在AI应用公司，初级员工数量急剧下降，而高级员工数量则延续了此前的增长趋势，两者走势形成鲜明对比。
发现二：冲击来自“入口”而非“出口”
初级岗位减少的主要原因是新员工招聘大幅放缓，而非现有员工离职率上升。这表明公司在拥有AI工具后，从战略上减少了对初级人力的需求。
发现三：内部晋升机会增加
有趣的是，在AI应用公司中，现有初级员工获得晋升的机会反而增加了。这可能意味着，虽然公司减少了外部招聘，但更倾向于提拔内部那些已经具备经验、能与AI协同工作的初级员工。
🌍 影响的差异性：行业与教育背景
行业差异
初级岗位招聘下降的趋势普遍存在，但在批发和零售业最为严重，AI应用公司该行业的初级岗位招聘比非应用公司减少了约 40%。这可能因为这些行业的沟通、客服等初级任务更容易被AI替代。
教育背景差异呈现“U型”模式
研究发现，受冲击最严重的是来自中等偏上层级（Tier 2, Tier 3）大学的毕业生。
- 顶尖院校（Tier 1）毕业生： 受影响较小，可能因为其高生产力和独特技能难以替代。
- 中层院校（Tier 2 & 3）毕业生： 受冲击最大，因为他们的薪资成本适中，但所从事的工作内容最容易被AI替代。
- 普通及以下院校（Tier 4 & 5）毕业生： 受影响也较小，可能因为他们的薪资成本较低，使得公司在权衡后仍倾向于雇佣而非完全用AI替代。
📜 结论与启示
核心结论
生成式AI正在重塑劳动力市场，其影响具有明显的“偏向资历”特征。它正在压缩传统职业阶梯的底层空间，减少了大学毕业生的入门机会。
对未来的启示：
- 个人： 初入职场的年轻人需要培养更高级的、不易被AI替代的技能，如复杂问题解决、创造性思维和战略规划能力。
- 企业： 公司的人才战略可能需要调整，从大规模招聘初级员工转向更依赖经验丰富的高级员工，并加速内部人才的培养和晋升。
- 社会： 这种趋势可能加剧收入不平等，并对高等教育的回报率提出新的挑战。
研究局限性：AI应用并非随机行为，研究时间窗口较短（2023-2025），长期影响仍有待观察。