22 到 25 歲在 AI 暴露職業的就業出現落差

「There will be no AI jobpocalypse.」DeepLearning.AI 創辦人 Andrew Ng 在 2026 年 5 月 8 日的電子報《The Batch》第 352 期這樣開頭。不到五個月後，CBS 在 10 月 4 日公布《60 Minutes》的逐字稿：替 AI 模型招募訓練專家的公司 Mercor，其受訪者 Brendan Foody 說，美國前 20 名經濟學家都會同意十年後的工作比現在多。MIT 經濟學家、諾貝爾經濟學獎得主 Daron Acemoglu 被問到是否同意時，回答：「No. No, not on our current trajectory.」主管下次問「AI 會不會取代我們的職位」，要有數字才答得出來。

快速回答 Yale Budget Lab（資料到 2026 年 8 月）找不到 AI 造成職業組成明確變化的證據；Anthropic（2026 年 3 月發表）比較高暴露與無暴露職業，失業率差距的變化與零無異。暴露度（AI exposure）是一個職業的任務裡，有多少理論上能被大型語言模型加速至少一倍；Brynjolfsson 團隊的 ADP 薪資資料顯示，22 到 25 歲在高暴露職業的就業比跟上同儕的水準低 19%，缺口主要來自減少招募。Brynjolfsson 團隊稱這些數字是描述性指標，沒有做因果估計。

四份研究與調查都沒有找到 AI 使整體工作大量消失的證據，其中 Brynjolfsson 團隊與 Anthropic 在 22 到 25 歲身上量到招募放慢；Ng 與 Acemoglu 談的是對未來的判斷。

六個來源的結論、數據和時間點各是什麼？

四份研究與調查沒有找到整體大量失業的證據，六個來源的結論、數據與時間點如下表。

表 1　六個來源的總覽。前兩列是判斷與預期，後四列是資料；數字的定義與限制在下面各節。

2024 到 2025 年：第一批估計是怎麼算出來的？

第一批估計走兩條路：Acemoglu 先算 AI 在十年內最多能改變多少任務，Brynjolfsson 團隊則從薪資資料找最先受影響的族群。

2024 年 5 月，Daron Acemoglu 在 NBER 工作論文 32487〈The Simple Macroeconomics of AI〉裡，用任務比例推算總要素生產力（TFP，同樣的投入能產出多少的整體效率）。他取 Eloundou 等人（2023 年論文〈GPTs are GPTs〉）的估計、以工資總額加權的暴露職業比例 20%，再乘上另一份研究對電腦視覺任務的估計：暴露任務裡有 23% 能在十年內划算地自動化，得出約 4.6% 的任務會受影響。成本方面，他取兩項實驗研究的平均，勞動成本省 27%，換成整體成本約省 14.4%。結論是 TFP 十年內至多增加 0.66%，把難學的任務算進去，低於 0.53%。摘要用「nontrivial but modest」形容，意思是不容忽視，但幅度有限。

2025 年 8 月，Stanford 大學的 Erik Brynjolfsson（NBER 研究員）與 Bharat Chandar、Ruyu Chen 發表〈Canaries in the Coal Mine?〉初版，用薪資處理公司 ADP 的員工資料，記錄 22 到 25 歲在 AI 暴露職業的就業落後。2026 年 8 月的修訂版回顧了舊數字：用 2025 年 7 月的資料，迴歸估計是相對下降 13%；用 9 月的資料是 16%。

2025 年 10 月 1 日，Yale Budget Lab 的 Martha Gimbel（執行主任）、Molly Kinder（Brookings Metro 資深研究員）、Joshua Kendall（Budget Lab 研究員）與 Maddie Lee（Budget Lab 研究助理）發表第一份追蹤報告。他們用職業組成差異（occupational dissimilarity，某個月的職業分布與基準月差了幾個百分點）比較 ChatGPT 發布後的 33 個月與電腦、網際網路普及期。網際網路普及期，2002 年的職業組成與 1996 年最多差約 7 個百分點；ChatGPT 發布後 33 個月的變化幅度，比那段時期高約 1 個百分點。報告的結論是：「the broader labor market has not experienced a discernible disruption since ChatGPT's release 33 months ago」。他們也寫明，這份分析不能預測未來。

報告同時指出，職業組成的變化在 2021 年就已開始，早於生成式 AI；資訊業、金融業、專業與商業服務的變動比整體大，但趨勢也在 ChatGPT 之前出現。這是它認為不能把變化歸給 AI 的主要理由。

2026 年上半年：哪些資料說整體沒有大規模失業？

NBER 34836 首版調查近 6,000 位主管，超過 90% 說 AI 對雇用沒有影響。這份〈Firm Data on AI〉工作論文在 2026 年 2 月首度發表，作者包括 Stanford 的 Nicholas Bloom 與英格蘭銀行、亞特蘭大聯邦準備銀行等機構的研究者。NBER 在 5 月 1 日的摘要文章整理首版：受訪者是美國、英國、德國、澳洲的執行長、財務長與資深財務主管，在 2025 年 11 月到 2026 年 1 月接受調查；89% 說對勞動生產力沒有影響，主管個人平均每週用 AI 約 1.5 小時。他們對未來三年的預期是生產力 +1.4%、雇用 −0.7%，其中約三分之二的雇用減少來自減少招募。

2026 年 3 月 5 日，Anthropic 經濟學團隊的 Maxim Massenkoff 與 Peter McCrory 發表〈Labor market impacts of AI〉。他們提出「觀察到的暴露度」（observed exposure）：先用 Eloundou 等人的評分，判斷使用大型語言模型（LLM）能否讓一項任務至少快一倍：單靠 LLM 算 1 分，需要額外軟體算 0.5 分。再看 Anthropic Economic Index 的 Claude 使用資料中是否出現這項任務：完全自動化的用法算滿分，輔助型的用法算一半。最後依各任務花的時間平均成職業分數。

結果是理論和實際差一大截：電腦與數學類職業，LLM 理論上能處理 94% 的任務，Claude 實際只覆蓋 33%；覆蓋最高的是電腦程式設計師，75%。他們把覆蓋率對照美國勞工統計局（BLS）2024 到 2034 年的職業成長預測：覆蓋率每高 10 個百分點，預測成長低 0.6 個百分點，關係不強。約 30% 的勞工所在職業覆蓋為零（任務在資料裡出現太少，沒達門檻），例如廚師和調酒師。原文說：「AI is far from reaching its theoretical capability: actual coverage remains a fraction of what's feasible」。失業率方面，他們比較最暴露的四分之一職業與沒有暴露的職業，自 ChatGPT 發布以來，兩組失業率的差距變化很小，統計上與零無異。這個設計能偵測到約 1 個百分點的差距變動。

年輕人是例外跡象。22 到 25 歲的人每月進入暴露職業的機率，比 2022 年的水準低約 14%；進入不暴露職業的機率則穩定在每月約 2%。作者說這個結果「barely statistically significant」，也就是勉強達到統計顯著，並列出其他解釋：年輕人可能留在原職、改做別的工作，或回學校。

工程上的意思：Anthropic 把「理論上能做」和「實際有人在用」分成兩欄量。團隊要判斷 Agent 會動到哪些職位，可以照同一個格式列自己的任務清單：左欄標模型能做的，右欄標已經交給 Agent 的。這是本站的建議，Anthropic 論文量的是整個經濟體，沒有提供團隊層級的做法。

5 月 8 日，Ng 在《The Batch》第 352 期寫道：「Software engineering is the sector most affected by AI tools, as coding agents race ahead. Yet hiring of software engineers remains strong!」他也寫到美國失業率仍是 4.3%，並以此說淨創造的工作遠多於消失的。

Ng 認為末日論這麼流行有三個誘因：前沿 AI 實驗室有誘因講讓技術聽起來更強大的故事；SaaS 公司過去每人每年收約 100 到 1,000 美元，AI 公司改把定價錨在員工薪水；企業有誘因把裁員說成 AI 造成，好過承認疫情期間資金寬鬆時過度招募。這三點是他的推論，信中的依據是附上的媒體頭條、軟體工程師招募與 4.3% 的失業率。他預測的是「an AI jobapalooza」，也就是更多 AI 工程的好工作，內容和傳統軟體工程不同。

2026 年夏秋：年輕人的缺口有多大，Acemoglu 為什麼警告？

Brynjolfsson 團隊的修訂版把年輕人的缺口量到 19%；Acemoglu 則在電視上說，速度是這次的問題。

Yale Budget Lab 的追蹤在 2026 年 7 月 16 日以〈Tracking the Impact of AI on the Labor Market〉的名稱發布，9 月 15 日更新，納入 2026 年 8 月的美國人口調查（CPS）微觀資料。報告也寫明會定期更新。更新摘要說：「does not provide clear evidence of labor market disruption associated with AI」。三條重點是：職業組成還沒有清楚地跟 AI 的導入對上；AI 使用量的指標跟就業或失業的變化沒有關聯；對暴露度做的合成差異中的差異分析（用加權的對照組模擬「沒有 AI 會怎樣」），目前也沒有明確的 AI 痕跡。

Brynjolfsson 團隊的修訂版用 ADP 到 2026 年 6 月的資料。摘要寫整體：「We find no evidence of widespread, economy-wide job displacement.」但 22 到 25 歲在 AI 暴露職業的就業，比跟上同儕的水準低 19%，經驗較多的工作者沒有類似的缺口。這個 19% 是反事實差距：若暴露最高那組也跟上低暴露組的成長幅度，就業會比實際高出的比例。從 2022 年 11 月到 2026 年 6 月，這個年齡層在暴露最高的 40% 職業，就業下降約 11%，在其餘 60% 職業成長約 10%。缺口主要來自減少招募；下滑集中在 AI 主要取代人類任務的職業，AI 主要輔助工作者的職業，就業持平或上升。改用較簡單的「跟上同儕」缺口來算，2025 年 7 月的資料是 15%，之後擴大到 19%。

缺口在排除科技公司與電腦類職業、控制利率敏感度與遠距工作後仍然存在。作者自己列了三項限制：控制職業的教育程度後，缺口會縮小；暴露與不暴露的職業，部分趨勢在 ChatGPT 之前就已分岔；缺口在 ADP 樣本裡比全國調查更明顯。他們把結果稱為「early, descriptive indicators」，並說這不是因果估計的結果。

10 月 4 日，Acemoglu 在《60 Minutes》說：「What we are living through with AI is unprecedented. The first phase of the Industrial Revolution lasted for 80 years.」他接著說，這次一兩年內發生，而且同時發生在很多產業。主持人問他是否同意有些人類的工作機器做不了，他說「Today, absolutely. 100%.」，並補充 15 年後能做什麼，他不知道。對於「AI 訓練工作會是一大塊新工作」的說法，他回答人數相對於被取代的人很少。節目旁白轉述他的警告：照目前的路走下去，失業率十年內可能變成三倍；他提出的方向是設計能增強人的能力、讓人在工作中保有角色的 AI，以及獎勵雇用真人的稅制。

NBER 34836 在 10 月修訂，樣本換成 2026 年夏季調查的近 9,000 位執行長、財務長與資深主管，涵蓋美國、英國、德國、澳洲、加拿大、墨西哥與南非。78% 的公司使用 AI，80% 的主管定期使用，平均每週 2.1 小時，比冬季的 1.5 小時增加。主管回報 AI 在過去三年對公司雇用「essentially no net effect」，預期未來三年影響也小。但超過 40% 的公司預期有正面或負面的雇用效果，只在總額上相互抵銷。生產力方面，過去三年年增率提高 0.2%，預期未來三年每年提高 0.6%。

NBER 在頁面註明，工作論文未經同儕審查，也未經 NBER 董事會審查。

六個來源哪裡一致，哪裡對不上？

對不上的有兩處：量的單位與立場。

第一，量的單位。NBER 問整家公司的淨雇用，Brynjolfsson 團隊把薪資紀錄依年齡與職業切開，才看到淨額蓋住的結構變化（本站歸納）。

第二，立場。Anthropic 是 Claude 的開發商，覆蓋率的數字來自自家平台流量；Ng 的 DeepLearning.AI 賣 AI 課程，信末也建議更多人學 AI 工程。Acemoglu 2024 年算十年後的總量（TFP 至多增加 0.66%），2026 年談速度與分配，兩個說法回答的問題不同。

先用自己團隊的任務清單，再決定要不要少招人

我的做法是把整體數字當背景，把決策放在自己的任務清單上。整體失業率目前看不到 AI 的痕跡，所以不需要因為頭條縮編；缺口出現在新人招募，所以先檢查，初階任務交給 Agent 之後，新人是否也失去練習、學會審查 AI 成果的機會。這個做法的前提是任務能切成可驗收的小單位，而且有人負責審；做不到的團隊，少招人省下的成本，我推測會在審查與維護上補回來。判斷在兩種情況會失效：Brynjolfsson 的缺口擴大到經驗工作者身上，或 Yale 的追蹤出現職業組成的明顯變化。每次這兩份研究更新，我都會重看年輕人的就業缺口與職業組成變化，再重新評估團隊的任務清單與招募決策。

常見問題

22 到 25 歲的就業缺口，可以說是 AI 造成的嗎？

現有資料還不能這樣說。Brynjolfsson 團隊稱這是描述性指標，沒有做因果估計；控制教育程度後缺口會縮小，部分趨勢也早於生成式 AI。Anthropic 則列出年輕人可能留在原職、改做別的工作或回學校等其他解釋。

什麼是「暴露度」？它等於工作會被取代嗎？

暴露度（AI exposure）衡量一個職業有多少任務能被 AI 加速，不等於工作會被取代。Eloundou 等人的版本看理論上能否讓任務至少快一倍；Anthropic 的「觀察到的暴露度」（observed exposure）再看任務是否出現在 Claude 使用紀錄中，區分自動化與輔助用法，並依任務所花時間加權。

企業主管說沒影響，為什麼薪資資料卻看到年輕人缺口？

兩者量的單位不同。NBER 的調查看公司雇用人數的淨變化；Brynjolfsson 團隊把薪資處理公司 ADP 的員工紀錄依年齡與職業分組，整體數字可能掩蓋新人缺口。NBER 另有超過 40% 的公司預期未來雇用會增減，合計後相互抵銷，這是對未來的預期。Brynjolfsson 團隊也提醒，缺口在 ADP 樣本比全國調查更明顯。

這些數字多久會更新？

Yale Budget Lab 表示會定期更新，目前最新是 2026 年 9 月 15 日；NBER 34836 從 2026 年 2 月首版修訂到 10 月；Brynjolfsson 團隊的論文從 2025 年 8 月初版，修訂到 2026 年 8 月。

延伸閱讀

• 2026 年轉職 AI 該學什麼？照職缺學最快，也最容易被追上
• 藍領 AI 機會在哪？缺工的水電、維修、物流，錢先流進了哪裡？（2026 市場觀察）
• AI 會寫 SQL 了，還需要學 Data Science 嗎？（2026 完整解析）

參考資料

• Andrew Ng, There will be no AI jobpocalypse（DeepLearning.AI《The Batch》第 352 期，2026-05-08） https://www.deeplearning.ai/the-batch/issue-352/
• CBS News, 60 Minutes Transcript: Artificial intelligence and the future of work（逐字稿發布日 2026-10-04） https://www.cbsnews.com/news/will-ai-take-my-job-60-minutes-transcript/
• Daron Acemoglu, The Simple Macroeconomics of AI（NBER Working Paper 32487，2024-05） https://www.nber.org/papers/w32487
• Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence（Stanford Digital Economy Lab，初版 2025-08，修訂 2026-08） https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/
• Ivan Yotzov, Nicholas Bloom 等人, Firm Data on AI（NBER Working Paper 34836，2026-02 首版，2026-10 修訂） https://www.nber.org/papers/w34836
• NBER, Global Evidence on Business Use of AI（NBER Digest，2026-05-01） https://www.nber.org/digest/202605/global-evidence-business-use-ai
• Martha Gimbel, Molly Kinder, Joshua Kendall, Maddie Lee, Evaluating the Impact of AI on the Labor Market: Current State of Affairs（Yale Budget Lab，2025-10-01） https://budgetlab.yale.edu/research/evaluating-impact-ai-labor-market-current-state-affairs
• Yale Budget Lab, Tracking the Impact of AI on the Labor Market（2026-07-16 發布，2026-09-15 更新） https://budgetlab.yale.edu/sites/default/files/page_to_pdf/1419/publication_1419.pdf
• Maxim Massenkoff, Peter McCrory, Anthropic, Labor market impacts of AI: A new measure and early evidence（2026-03-05） https://www.anthropic.com/research/labor-market-impacts