本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论
导语
ChatGPT问世以来，生成式AI正加速渗入白领的日常工作。但它究竟是在替代劳动者，还是帮其提升能力、转向更高薪的岗位？布鲁金斯学会（Brookings Institution）的两位经济学家追踪2.5万名丹麦劳动者后给出答案：生成式AI尚未对工资、工时与企业用工产生可测量的影响，但工作内容却被实质性重组，部分使用者已经转入了薪酬更高的职业。
值得注意的是，AI暴露职业的初级岗位确有减少，但采用聊天机器人的企业并非这一趋势的推手。研究提示，工资单上尚未显现的变化，正在悄悄改写工作任务与职业流动。
原文标题：Still waters,rapid currents:Early labor market transformation under generative AI
原文来源：布鲁金斯学会（Brookings Institution）
编译解读：数字经济发展评论
布鲁金斯学会（Brookings Institution）两位经济学家追踪了2.5万名丹麦劳动者，覆盖11类受生成式AI冲击最深的职业，并将问卷回答与截至2024年12月的月度行政记录逐一对接。
结果呈现一组看似矛盾的事实：无论劳动者是否使用聊天机器人、企业是否引入该工具，其收入与工时都未出现可测变化，统计精度足以排除2%以上的差异；与此同时，工作内容已被实质性重组，一部分劳动者借助工具转入了薪酬更高的职业。
替代还是赋能：生成式AI如何重塑白领就业
ChatGPT问世数年之后，生成式AI已经融入白领的日常工作：市场人员用它起草广告文案，IT支持人员借其排查故障，教师则须辨认学生作业是否由AI写成。它究竟改变了劳动者的收入，还是改变了企业的雇佣规模？研究者以2.5万名丹麦劳动者的调查对接月度行政记录，给出了迄今最完整的实证答案之一：工资与工时的影响接近于零，但工作组织已然开始重组。
关于生成式AI将如何重塑就业，学界判断分歧巨大。Anthropic首席执行官达里奥·阿莫迪（Dario Amodei）预警，大量白领工作可能在数年内被替代；诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）则预期生产率收益温和，并将在数十年间逐步释放。年轻人的处境因此格外尖锐：在AI暴露度高的职业起步，究竟是最好的时机，还是最坏的时机？
在一项影响广泛的研究中，Brynjolfsson、Chandar与Chen（2025）发现，AI暴露职业的初级岗位近年来明显减少，加深了“AI正在挤掉入门级工作”的担忧。与之相对，Autor（2024）提出了更乐观的设想：生成式AI或许能把原本稀缺的专业能力交到更多劳动者手中，为他们打开通向更高薪职业的路径。此前，能够直接检验这两种判断的证据十分有限。
为何选丹麦？高采纳率与可对接的行政记录
丹麦为观察这一过程提供了格外干净的窗口。当地劳动力采用生成式AI的速度几乎快于任何其他经济体，采纳率与美国不相上下。其劳动力市场也相当灵活，雇佣调整成本较低，无论是企业调整用工，还是个人更换工作，阻力都不大。
比采纳更关键的是测量能力。丹麦每位居民都有一个官方数字邮箱，丹麦统计局（Statistics Denmark）可以直接用它发送调查邀请。研究者与统计局合作，在2023年末与2024年末开展两轮代表性调查，每轮向11.5万名劳动者发出邀请，请他们报告聊天机器人的使用情况与工作组织的变化。
调查聚焦11类AI暴露度较高的职业：软件开发、IT支持、客户服务、办公室文员、会计、财务咨询、人力资源、法律、市场、新闻与教学，依据Eloundou等（2024）的任务暴露评估选定。2024年那一轮收到约2.5万份有效完整回答，覆盖7000个工作场所，记录了劳动者的使用情况、雇主举措（使用政策、企业工具、培训）与工作组织的变化，是本研究的主要依据。
丹麦数据的因果识别力强，但外部效度受限于其独有的制度底座（官方邮箱＋行政记录对接），不能直接外推至制度不同的经济体。
样本在年龄、性别、经验、收入与财富等特征上代表整体劳动力，调查回答也能与行政登记中的变量相互印证。由于受访者全部来自登记系统，每份回答都能对接月度行政记录中的收入、工时与职业数据——既包括回答者本人，也包括其所在工作场所约300万其他丹麦劳动者。研究只问一个朴素的问题：聊天机器人采用者，是否在劳动力市场上走出了与可比非采用者不同的轨迹？
为此，研究者把使用聊天机器人的劳动者与同职业中条件相近的未使用者比较，把设有聊天机器人计划的工作场所与没有此类计划的可比工作场所比较，并逐月追踪ChatGPT于2022年11月发布前后的结果。登记数据可以追溯到ChatGPT诞生之前数年，研究者由此能事先确认，采用者与非采用者此前的轨迹相似，使此后出现的差异更有理由归因于技术。
从限制到鼓励：雇主如何接纳AI聊天机器人
雇主们已经迅速接纳了AI聊天机器人。2024年调查中，11类职业里43%的劳动者所在单位明确鼓励使用，只有6%被禁止；在鼓励使用的工作场所，61%的劳动者能用上企业版聊天机器人，39%接受过使用培训。
这种采用在很大程度上是自下而上发生的：即便单位没有任何主动举措，也有约41%的劳动者在工作中用过聊天机器人；而在“鼓励、企业工具与培训”三者齐备的工作场所，使用率升至93%，其中28%每天使用，19%报告每天节省超过一小时。
从ChatGPT问世初期到如今，雇主的立场转变并非一蹴而就：早期许多雇主出于对数据保密与输出准确性的担忧限制使用，如今全面禁令已十分罕见，只残留在处理敏感数据的岗位（如财务顾问）或要求高事实准确性的岗位（如法律）上。
组织配套越完整，采用与收益越强——这呼应了长期研究的结论：新技术只有在企业投入互补性组织实践（包括人员管理）时才最能兑现收益，也正是生产率J曲线文献强调的互补性投资逻辑。
技术催生的六类新任务：重心在整合而非替代
AI聊天机器人不只是加速既有工作，也在创造新任务。研究者把劳动者用自己语言描述的新任务归为六类：AI构思、AI内容起草、AI数据洞察、AI质量审核、AI伦理与合规、AI集成。
近四成新任务围绕用AI生成内容展开，包括构思、起草与数据洞察；约三分之一用于监督AI，把输出质量审核与伦理合规结合到一起，例如核查法律文书的准确性、识别AI生成的作业；占比最大的单类是AI集成，约四分之一，包括微调AI助手、编写使用政策、把聊天机器人嵌进日常工作流程。
即便在完全没有AI政策的工作场所，也有约8%的使用者承担了全新任务；在雇主积极支持采用的工作场所，这个比例翻了一倍。大多数使用者（85%）把节省下来的时间投入其他工作任务，而不是重复同类任务或增加闲暇。
这与“工作转型”研究相契合：技术往往在消灭岗位之前，先重塑了岗位的内涵。
例子来自劳动者自己的描述：市场人员“用AI提示并迭代产出营销文案、社媒帖与产品描述”；软件开发人员“通过反馈与项目专属样例微调AI编程助手”；法律人员“制定组织的AI使用政策与指南”；相当比例的教师则表示，自己的工作增加了“识别AI生成作业”这一项。
新任务还外溢到了从未使用过聊天机器人的人。约4%的非使用者报告，这些工具给自己带来了新的工作内容，在工作场所设有聊天机器人计划时这一比例最高；从未使用工具的教师中，10%表示新增了与AI相关的工作，主要是留意并回应学生的AI使用。这种向非使用者的外溢说明工作场所转型的范围更大，也与“新技术通过创造新工作重振劳动力需求”的任务型理论一致。
工资与工时的零效应：调整发生在组织内部
急速的采用与重组，是否已经反映在工资上？图3给出的答案是否定的。从水平值看，采用者收入确实高于可比非采用者（在雇主鼓励使用的场所高约9%，未经鼓励的场所高约4%），但这些差距在ChatGPT问世之前就已存在。
以ChatGPT发布为节点做双重差分后，收入差异保持平坦，置信区间排除了工人与工作场所层面任何超过2%的差异性变化。图3中两幅面板的反差，呼应了20世纪90年代关于计算机与工资的那场争论：新技术的使用者往往享有可观溢价，可这种溢价更多说明“是谁拿起了工具”，而非“工具为他们做了什么”。
把人群逐项拆开，零效应依然成立：每天使用聊天机器人的、每天节省超过一小时的、承担了新AI任务的、得到雇主积极支持的，结果没有差别；2023年调查时已经使用、理应留出更长时间显现效应的早期采用者，也是如此；逐一检视11类职业，包括薪酬设定分散、理论上最易随个人生产率变动的软件开发与市场，结论不变。
企业层面同样平静：鼓励使用聊天机器人的工作场所，无论是否提供企业工具与培训，员工人数、工资总额、岗位创造与消亡、招聘与离职构成，都没有出现差异性变化，采用企业的在岗劳动者既没有被挤出岗位，也没有被挤出职业。工作场所层面的估计精度与劳动者层面相当，足以排除超过2%的效应。
劳动者自己的回答同样指向这张平静的表面：被直接询问时，98%的采用者和几乎全部非采用者都说，聊天机器人没有影响自己的收入。这种高度一致，也说明外溢到未使用工具者身上的效应相当有限。
零工资效应是否出人意料？按标准经济学推理，劳动者把生产率提升带入工作岗位，理应获得相应补偿；但即使是自报收益很高的高强度使用者也没有收入增长，这一点本身就值得注意。工资刚性能解释短期内的微小影响，但零结果在薪酬灵活的职业中同样存在。
事实上，受冲击职业的薪酬远未冻结：在条件相近的劳动者之间，这一时期的收入变动幅度很大，只是变动与AI无关。一种解释是，使用聊天机器人成了一种工作福利，劳动者以更轻松或更有趣的工作替代了加薪；另一种解释是，劳动者高估了工具的实际帮助。收益因此被吸收进组织内部，而非体现为外部工资。
零效应与使用者自报的收益如何并存？把自报的省时平均到全体使用者与全部工时上，只占总工时的几个百分点；而那些确实显现出来的收益，似乎被吸收进了工作重组，而不是以报酬的形式付出去——自报省时最多的人，也最可能接下新任务。
顺着这个思路，零结果并不是说“什么都没发生”，而是标示出调整发生在哪里：在工作场所内部、通过工作重组进行，而不是发生在工资与招聘组成的外部劳动力市场上。
更早的通用技术走过相似路径，生产率J曲线文献显示，组织层面的投入往往远早于任何可测经济结果的出现（Solow 1987；David 1990；Brynjolfsson,Rock与Syverson 2021）。
职业流动：唯一浮出水面的就业信号
唯一随聊天机器人采用而变动的结果，是职业流动。研究者以每位劳动者截至2024年12月的最新职业为锚，追踪他们投入该职业的工时。最近才转入的人，转换之后会出现工时上升，从未离开的人则不会。
图4显示，与相似的未采用者相比，采用者在其最新职业上多投入约4%的全时当量工时，说明他们更可能在聊天机器人出现之后更换了职业。与前面提到的收入溢价不同，这一关联在ChatGPT发布前没有事前趋势，提示它反映的是技术本身，而非采用者本来就更有流动性。
职业流动是全文唯一穿过水面的变量，且由个人驱动，它是比工资更早、更灵敏的就业冲击信号。
那么转岗者去了哪里？他们大多流向IT支持与文员类岗位，因为这些工作选择工具的自由度更高，也不要求正式资质。相比之下，研究没有发现向持证职业（如教学、会计）的超额转入，因为无论新人掌握什么工具，进入这些岗位都需要数年前置教育。转岗者也没有吃亏：转入与聊天机器人更直接相关、薪酬更高的职业后，他们的收入增速比其他丹麦工人领先12个百分点。
采用与转岗的关联主要由劳动者个人而非雇主驱动：这种关联随个人使用强度增强，在每日使用者与自报省时较多的人中增至三倍，但在不同雇主的计划之间差别不大。换言之，挡住职业流动的，是执业资格这类制度性门槛，而非技术本身。
这些流动模式与实验证据一致：AI聊天机器人给专业经验较少的劳动者带来的生产率提升最大（Noy与Zhang 2023；Brynjolfsson、Li与Raymond 2025），也支持了Autor（2024）的设想：生成式AI把原本稀缺的专业能力交到更多劳动者手中，帮助他们转入更高薪的职业。
职业转换本身也值得独立关注：转入更好的岗位，是职业生涯收入增长的核心来源（Kleven、Kreiner、Larsen与Søgaard 2025），因此这类流动可能成为AI长期就业效应的早期信号。目前转岗者还太少，不足以抬高采用者的平均收入，但只要职业流动这条通道随采用深化而放大，它就是生成式AI的收益最终落到工资单上的一条可信路径。
本研究对“在AI暴露职业起步是否明智”给出了另一个视角。丹麦同样出现了美国记录到的那种初级岗位下滑现象：软件开发、法律、市场等多个AI暴露职业的早期就业自2022年起下降。但借助数据，可以把总量趋势拆分为采用企业与未采用企业两部分：鼓励使用聊天机器人的工作场所，早期职业占比的演变并无不同，估计精度足以排除超过三分之一个百分点的差异。
换言之，AI暴露职业的初级岗位确实在减少，但采用生成式AI的企业并不是推动者。总量下滑的真正原因仍是开放问题，近期研究把它指向AI采用之外的力量，包括AI暴露职业的既有趋势与远程办公的兴起（Iscenko与Curto Millet 2026；Frank等2026；Lambert与Schindler 2026）。
两组流动证据值得合起来看：使用聊天机器人帮助劳动者步入新职业，而采用工具的企业至今没有把在岗劳动者挤出岗位。
结论：静水暗流下的J曲线谷底
至此，生成式AI的劳动力市场记录近似一池静水下的暗流：工作场所在采用AI，工作在重组，采用者在转往新职业，但收入与工时保持平坦。这幅图景令人想起索洛（Solow）1987年对计算机革命的那句著名评语：“你到处都能看到计算机时代，唯独在生产率统计里看不到。”
两幅画面甚至可能相互强化：当收入与工时保持稳定，劳动者与工作场所就可以通过重新分配任务、做出行政数据不记录的那些调整来吸收技术变革。果真如此，平坦的收入与工时就不是“什么都没变”的信号，而是变化发生在标准经济统计看不见的边际上的信号。
本研究的数据打开了一扇窗，通向生产率J曲线的谷底：工作先被重组，之后才会在工时或收入记录中显现。要看清谷底，就需要本文搭建的这类基础设施：调查企业内部正在发生的变化，再把它与最终浮现在劳动力市场中的行政记录对接起来。
回到文章开头的问题：在AI暴露职业起步，是最糟还是最好的时机？职业流动的结果给出了一幅审慎乐观的图景：聊天机器人的采用者已经转入与聊天机器人更相关、薪酬更高的职业。尽管这还是早期证据，但它指向的方向，比公共媒体时常渲染的“白领大血洗”要积极得多。生成式AI仍处在早期阶段，未来研究的一个重要方向，是追踪水面何时、以何种方式追上暗流。