摘要
本文使用在线招聘数据考察了生成式人工智能对美国劳动需求产生的因果影响。利用2022年11月ChatGPT的发布作为一个外生冲击，本文采用双重差分和事件研究设计方案来估计生成式人工智能导致的岗位替代效应。识别策略通过比较ChatGPT发布后高风险与低风险人工智能替代脆弱性职业的劳动需求(同时控制相似的生成式人工智能暴露水平),以将替代效应与协同使用效应区分开来。分析使用了Lightcast从2018年第一季度到2025年第二季度第二季度收集的2.85亿条招聘信息。研究结果表明，招聘数量对于人工智能替代得分高于中位数的职业，其平均降幅为12%,而得分低于中位数的职业则有所上升。该效应从发布后的第一年6%增加到第三年的18%。对于入门级职位(既不需要高等学位也不需要丰富经验，分别损失18%和20%),以及行政支持(40%)和专业服务(30%)等职位，损失尤为严重。尽管生成式人工智能会创
造新的职业并提高生产力，从而可能增加劳动力需求，但早期证据表明，某些职业可能比其他职业不太可能被生成式人工智能所补充。
1引言
生成式人工智能(GenAI)是否已经开始取代工人?什么样的工作面临更大的替代风险?自2022年底ChatGPT发布以来，生成式人工智能的采用已经迅速传播到各国、各行业和各职业(刘和王)2024;比克，布兰丁和戴明2024;邦尼等人2024;刘，黄和王2025)。随着GenAl能力的不断扩展及其加速应用，人们再次关注由技术驱动的工作岗位流失问题，美国各行各业的商界领袖都发出了警告——从IT到汽车制造业
人工智能驱动的工作岗位流失的担忧并非空穴来风，新出现的证据表明自由职业者正面临最严重的影响。2然而，关于GenAI在总体层面的工作替代效应，目前有限且缺乏定论的证据。
本文利用涵盖2018年第一季度至2025年第二季度的近乎全体的在线招聘数据，研究了GenA对美国劳动力需求的影响。
3
我们利用2022年11月ChatGPT的公开发布作为外生冲击，并采用双重差分(DiD)和事件研究方法来识别GenAl的劳动力替代效应。我们的分析追踪了随着GenAl能力的提高和采用深化，这些效应如何随时间演变。它还检验了GenAl在不同教育水平、经验要求和行业中的异质性影响。该分析基于Lightcast提供的2.85亿个工作职位信息，这些信息被汇总成一个包含680万个州-行业-职业-季度单元的平衡面板，从而全面展示了GenAI的采用如何重塑美国劳动力需求。虽然本研究侧重于美国数据，但其关于GenA对工作替代影响的发现对面临GenAI所造成相同技术冲击的其他国家的劳动力市场具有更广泛的启示。
1
行业领袖的警告非常明确。2025年5月，Anthropic首席执行官Dano Amodei预测，一半的入门级工作可能在1到5年内消失，可能导致美国失业率上升到10-20%(链接一个月后，亚马逊CEO安迪贾西宣布，随着公司增加对GenAI和“AI代理”的采用，它在某些岗位上需要更少的人”,并预计由于AI驱动的效率提升，未来几年公司总员工数将缩(链接福特汽车的首席执行官表示人工智能将取代美国一半的白领工作(链接).2参见乔瑞、蔗(2023),会，试剂，和周2024),布林约夫森，查南达，和陈(2025),德米里奇，汉娜内，和朱(2025),和Teulof博人(2025).3美国为这项分析提供了一个尤其强有力的实证环境。首先，它引领全球通用人工智能发展，主要模型(ChatGPI.Claude,Gemin
i)源自美国公司。这种邻近性促进了更早、更快的国内劳动力市场扩敞。其次，美国劳动力市场规模虚大、充满活力且资料详尽，
为新技术效应在更广泛扩散前的测试提供了理想场所。第三，美国Lightcast数据已被证明能提供更优的覆盖范围和一致性。它已广泛用于先前关于自动化和人工智能的研究(例如，Acemoglu和Restrepo(2020),阿西莫格鲁等人(2022),和Boniglioli等人(2025 ),使其特别适合识别新兴的由GenAI驱动的劳动力需求变化。我们的实证框架结合了两个互补的维度，共同决定通用人工智能如何影响不同职业的劳动需求：通用人工智能接触度，它衡量通用人工智能的理论技术适用性，以及人工智能替代脆弱性，它捕捉了雇主用人工智能替代工人的实际可能性。通用人工智能接触度反映了人工智能对特定任务和职业的有用性和适用程度，但仅凭它本身并不能预测实际的劳动需求效应，因为它将自动化和增强混为一谈。为了解决这个问题，我们纳入了从Pizzinelli等人(2023)一其A互补性指标的倒数一沿着六个职业维度构建：沟通、责任、物理条件、关键性、常规性和技能要求。该指标考虑了社会偏好和监管限制等情境和非技术因素，这些因素塑造了实际位移风险。与以往仅依赖暴露指数来定义处理组的研究不同，我们的策略比较了在有高于中位数替代脆弱性职业与低于中位数替代脆弱性职业之间，在相似的GenAl暴露水平条件下，职位发布的变动。这个二维框架使我们能够通过保持技术适用性差异和现有自动化潜力的差异恒定，从而分离出劳动力位移渠道。我们的结果表明，通用人工智能对可替代性较强的职业的职位发布产生了巨大、统计上显著且加剧的负面影响。在美国，我们估计到2025年年中，在具有高于中位数人工智能替代得分的职业中的职位发布平均比具有低于中位数得分的职业下降了12%,在通用人工智能暴露水平相当的情况下。事件研究分析进一步证实，两组之间的职位发布趋势没有显著差异，这与条件平行趋势(CPT)假设一致(Baker等人)。2025)。发散现象仅在ChatGPT引入后才出现，突显其因果关系。替代效应随着时间的推移而不断加剧，从推出后
第一年的6%增长至第三年(截至2025年6月)的18%。这些发现在对职业进行随机分配处理、替代AI指标
和不同Al暴露指标作为控制变量的安慰剂检验中依然稳健。异质性分析揭示：入门级职位受到的负面效应尤为显著,这些职位既不需要高级学位(硕士、专业和博士学位),也不需要大量的工作经验(6年及以上),以及专业服务和管理支持行业的职位。
本文来自知之小站
报告已上传百度网盘群，限时15元即可入群及获得1年期更新
（如无法加入或其他事宜可联系zzxz_88@163.com）
