找工作难· 3个困境叠加 不单是AI的锅

【留美学子】第3891期

13年国际视角精选

仰望星空·脚踏实地

【陈屹视线】教育·人文·名家文摘

让认知 永远快人一步

年轻人的困境 不只是“更难找工作”

01 一个信号，而非一个结论

2026年8月，斯坦福大学数字经济实验室发布了一份追踪美国劳动力市场的最新报告。

数据来自覆盖数百万劳动者的ADP工资单记录，观察窗口延伸至2026年6月。

这份报告最容易被误读、也最重要的一点是：
研究者并没有发现AI正在造成大范围、全经济领域的裁员潮。

如果把所有22至70岁的劳动者放在一起看，无论职业的AI渗透程度高低，总体就业曲线大体保持同步上升——并没有出现“AI暴露越高，饭碗越危险”的整齐图景。

真正出现分化的，是被单独拆分出来的22至25岁年轻群体。

在这个年龄段里，从事高AI渗透职业的年轻人，就业表现持续落后于同龄的低渗透职业从业者。

这个差距在2025年年中约为15%，到2026年年中扩大到接近19%。

而年长劳动者中，并没有出现类似的分化。

需要强调的是，这19%衡量的是一种相对差距，而不是“19%的年轻人被AI裁掉”。 研究者也反复提醒：这只是描述性统计关系，不是严谨的因果证明——控制教育水平后差距会缩小，部分趋势在生成式AI大规模普及之前就已存在，样本本身也有局限。

换句话说，这更像一个值得持续观察的早期信号，而不是一个可以拿来吓唬人的确定结论。

02 三股力量叠加，而不是AI一个人的锅

同一时间段的其他数据，也在说明年轻人的求职压力是真实的，但成因并不单一。

近期大学毕业生的失业率明显高于整体水平，相当比例的毕业生正从事本不需要大学学历的工作。

20至24岁人群的失业率，也远高于25岁以上群体。

与此同时，美国整体职位空缺和招聘率都处于温和水平，远不是那种全行业抢人的扩张期。

把这些线索放在一起看，一个刚毕业的人，实际上同时面对三重压力：

• 宏观经济周期让企业招聘更谨慎；

• 疫情期间科技和白领行业的超常扩张正在退潮，回归常态；

• AI则让企业重新盘算，一部分知识工作到底需要多少人力。

这三种力量，分别指向不同成因。

但对个人而言，最终体验到的都是同一个结果——机会变少了。

如果简单粗暴地把原因全部归结为“AI抢了工作”，反而会让我们找错药方。

03 真正的变化，可能是“谁还有机会被培养”

报告里一个更值得深想的发现是：
年轻人的就业调整，主要通过“招聘减少”实现，而不是“大规模解雇”。

这背后，是一套很朴素的企业逻辑。

一个工作多年的员工，价值不只是完成任务的数量，更来自他理解系统为什么这样运转、知道客户真正在意什么、清楚流程哪一步最容易出错。

这些是长期积累下来的组织记忆，AI很难在短时间内替代，替换成本也高。

但对新人来说，情况完全不同。

企业过去愿意招应届生，很大程度上是因为有大量基础性、执行性的工作需要人来完成：
查资料、写初稿、跑测试、整理会议记录、回答标准化问题。

而这恰恰是大模型目前最擅长接手的部分。

于是，企业不需要真的“裁掉”一个年轻人，更常见的做法悄无声息：

• 原计划招五个人，现在招三个；

• 一个初级岗位的人离职了，干脆不再补；

• 某个团队今年直接取消了校招名额。

没有一次明确的裁员，也不会成为新闻，但一整届毕业生却会同时感受到入口在变窄。

从企业的短期商业逻辑看，这样做完全理性。

但从社会角度看，这背后藏着一个更长期的问题：

如果企业越来越不愿意招新人、带新人， 若干年后，资深员工又从哪里来？

04 被悄悄拿走的，是“可以不完美”的成长期

过去的职场里，有一条很少被明说、却被普遍遵守的规则：

新人可以暂时不完美。

企业清楚刚毕业的人经验不足、判断力有限，
所以会先让他们做风险较低、结构清晰的任务，
再在被指出错误、反复修改的过程中慢慢成长。

这套安排效率不算高——
资深员工要花时间改稿、审代码、带项目，新人做出来的东西，很多时候今天看甚至可以直接交给AI处理。

但这些看似低价值的基础任务，同时也承担着一个经常被忽视的功能：

它们是职业训练本身。

• 一个初级程序员，通过修复bug理解系统的运行逻辑；

• 一个年轻编辑，通过反复查证和改稿学会判断信息是否可靠；

• 一个分析师，通过亲手搭建模型逐渐懂得数字何时会“说谎”。

真正重要的，往往不是那份初稿本身，
而是人在完成、被否定、再修正的循环中形成的判断力。

一旦效率工具普及，企业最先砍掉的，常常正是这些“低价值”任务。

如果决策时只看到“这项工作AI能做”，却没有意识到“这项工作也是一个人正在学习”，技术就可能连带着把职业路径最初的那一段训练一起拿走了。

这种处境，对今天的年轻人格外不友好：
社会一边要求他们一毕业就要具备独立解决问题、熟练使用AI的能力，
一边却在悄悄压缩曾经帮助一代代人从生手变成熟手的那段缓冲期。

很多年轻人不是能力不够，
而是更少获得“先在低风险环境里慢慢变强”的机会。

05 学历不再是确定性的答案

研究还发现，如果控制教育程度这个变量，高AI暴露职业与低AI暴露职业年轻人之间的就业差距会明显缩小。

这说明教育水平确实解释了一部分分化，但不代表“学历越高就越安全”。

现实恰恰相反：
生成式AI最先渗透的许多岗位，本就是大学毕业生密集的白领职业。

过去，高等教育的核心价值之一，是帮一个人获得企业难以轻易替代的专业知识；

而今天，大模型正在快速拉低一部分标准化知识的稀缺性。

这让很多年轻人陷入一种新的心理落差：
他们走的正是上一代人认为最稳妥的路——
读好学校、拿高学历、进入知识密集型行业——

却发现自己最先掌握的那部分知识，恰好是机器最容易学会和调用的。

这种挫败感，不该被简单归结为“年轻人心理素质差”。

它反映的，其实是一种正在松动的社会契约：

教育曾经承诺“知识能换来更确定的职业入口”， 而这份承诺，正在变得不那么可靠。

研究者也特别区分了“可编码知识”和“隐性知识”：

• 可编码知识，能被写进教材、文档、SOP，是AI最擅长吸收的部分；

• 隐性知识，更多来自长期实践、导师指导和真实场景的反复摸索，是AI目前较难替代的部分。

这也是为什么资深员工在很多高AI渗透的职业中反而表现更稳——

真正保护他们的不是年龄，而是经验。

问题在于，这里出现了一个近乎悖论的循环：
AI让“经验”这件事变得更值钱，却同时让年轻人更难获得经验。

过去，一个人靠五年基础工作慢慢攒出判断力；未来，企业可能越来越倾向于只想要那些已经具备判断力的“成品”，而不再愿意花时间培养“半成品”。

06 一代人的风险偏好，可能因此改变

当第一份工作变得更不确定，年轻人自然会调整选择：

• 有人延长读研的时间来避险；

• 有人更偏爱看起来稳定的行业；

• 有人主动降低对薪资和城市的预期；

• 有人干脆放弃了原本想进入的领域。

这些选择本身无可厚非。

但如果大量年轻人因为入口收窄而集体变得更保守，长期影响很可能超出就业数字本身。

职业早期，本该是一个人最适合尝试、试错、跳槽甚至创业的阶段。

如果这个阶段被持续的求职压力和经济不安全感占满，人会更倾向于选择眼前看得见的安全感，而不是着眼长期的成长。

这也是为什么“AI冲击就业”这件事，不能只用“消失了多少岗位”来衡量——

一代人的职业起点，会影响他们未来敢不敢换行业、敢不敢创业、敢不敢承担买房和成家的责任，进而影响整个社会的创新活力。

这张照片拍摄于2013年5月19日，美国罗格斯大学第247届毕业典礼现场，画面定格的不只是一个瞬间，更是一整代年轻人的集体焦虑与无奈。彼时，美国经济仍深陷2008年全球金融危机后的漫长阴影，复苏缓慢而乏力，青年失业率持续高位运行，无数应届毕业生背负着沉重学生贷款，却只能在低薪岗位或专业不对口的工作中挣扎求生。

典礼当日，阴雨不停，毕业生们身着透明雨衣，气氛本已略带萧瑟，而一位男生却在人群中高高举起写有“HIRE ME!!”、“2013”以及网络流行语“YOLO!”（你只活一次）的牌子，以一种糅合自嘲、幽默与无助的方式，向世界发出最直白的求职呐喊。

这不仅仅是为了在万人的典礼上吸引一丝关注，更是道出了整代人对前途的迷茫与对机遇的深切渴望。这张极具戏剧张力的照片旋即被多家国际媒体报道，并在社交网络上掀起广泛传播，最终成为2010年代初美国大学毕业生“毕业即失业”困境的标志性新闻符号，也成为了那个时代最令人难忘的青春注脚之一。

结语：重要的不是保住旧岗位，而是保住成长的通道

金丝雀的意义，从来不是宣告灾难已经发生，而是提醒人们空气正在变化。

目前的证据还不足以证明AI已经制造了一场“青年就业危机”，但足以让人认真追问一个问题：

当企业越来越容易“购买”机器的执行能力之后， 还愿不愿意继续为人的成长买单？

如果一个社会只愿意奖励已经成熟的人，
却不再给不成熟的人留出练习的空间，
最终损失的，不会只是年轻人一时的收入，
而可能是未来的医生、工程师、研究者、编辑、管理者和创业者。

真正值得留住的，从来不是所有旧的岗位，
而是让年轻人拥有第一次机会、犯一些可以修正的错误、
并在真实工作中慢慢成长为一个可靠大人的那条通道。

而这条通道该由谁来搭建，答案显然不能只是“年轻人自己提高竞争力”。

当一整套职业培养机制正在发生结构性变化时， 把全部责任推给个人，既不公平，也不现实。

往期发表

点击图片 ↓↓↓ 百篇一网打尽

请点击↓↓图片·连载系列持续更新中

100个国家·1000座城市

【带你深度游世界】

喜欢就点“赞吧↓↓↓↓↓↓↓↓↓