7 月 24 日我们写过斯坦福那份 ADP 工资单研究，标题是 ChatGPT 问世三年，入门级岗位少了 13%。当时用的是上一个数据切面。
8 月 12 日，同一组作者放出了修订版。数字变了，更重要的是，他们第一次给出了解释。
15% 到 19%，两年之间
Erik Brynjolfsson、Bharat Chandar 和 Ruyu Chen 用的还是 ADP 的行政工资数据，看的还是同一件事：ChatGPT 发布之后，就业怎么按年龄和 AI 暴露度分化。
修订版列了六条结论。第一条要先摆出来：他们没有看到全经济范围的普遍替代。这句话是原文的第一句，不是免责声明。
第二条是分化。22 到 25 岁、处在高 AI 暴露职业里的人，就业比「跟上同龄低暴露组增速」这个反事实基准低了约 19%。有经验的工人身上找不到对应的缺口。
第三条给出了这条线的走势：2025 年 7 月那个数据切面上，缺口是 15%；到 2026 年 6 月，走到了 19%。这条线不是见顶回落，是继续往下拉。
绝对水平写在脚注里，比比值更直观。2022 年 11 月到 2026 年 6 月之间，22 到 25 岁、处在暴露度最高那两个五分位的人，就业人数掉了约 11%；同一个年龄段、处在暴露度最低那三个五分位的人，就业人数涨了约 10%。同龄、同一段时间、相反方向。
第四条讲通道：调整主要发生在「少招人」这一侧，不是「多裁人」那一侧。
第五条讲分布：跌幅集中在 AI 被拿来替代人类任务的职业；在 AI 被拿来辅助人的职业里，就业持平或者上升，年资越深越明显。
第六条讲价格：目前反应出现在就业上，还没有出现在基本工资上。
新增的那一段：成文知识和手上功夫
这次修订真正值钱的地方，是作者补上了机制。
他们把知识分成两类。一类叫成文知识，指那些被写下来、标准化过、能靠教科书和作业程序教会的东西。另一类叫默会知识，指靠实践、带教和反复碰真实场景才能攒下来的东西。
数据落在这条线的两侧：靠成文知识吃饭的职业里，年轻人的就业在跌；靠默会知识吃饭的职业里，资深工人的就业在涨。
作者给的解释很克制：生成式 AI 特别擅长复现和调用已经被编码进文字和数字信息里的知识，而经验型知识仍然难以复制。
把这句话落到具体的人身上，含义相当直接。一个 23 岁的人手里，绝大部分能力都是成文知识——课上学的、教材上写的、入职培训里讲的。这正是他被雇佣的理由，也正是模型学得最好的那部分。他还没有攒下任何默会知识，因为默会知识只能靠时间攒，而攒它的那些岗位正在减少。
修订版还提了一个值得单独记住的发现：女性在职业上的平均 AI 暴露度更高。作者说会继续跟踪这一项。
作者自己给了三条反驳
这份修订版比我们 7 月写的那一版更谨慎，这一点必须说清楚。
先看他们排除掉的解释。把科技公司和计算机类职业剔掉，分化还在；控制利率上升的暴露度和远程办公，分化还在；把进出样本的公司算进来，分化还在；换一套 AI 暴露度的度量方法，分化还在。美国人口普查局 Tucker 2026 那份工作论文用政府行政数据，按年龄和行业跑出来的原始形态也大体一致。
再看他们自己列的三条警告。第一，把教育程度考虑进去之后，高暴露和低暴露年轻人之间的差距会缩小。第二，生成式 AI 普及之前就已经能看到一些同方向的趋势。第三，ADP 样本里估出来的缺口，比全国性抽样调查基准要大，而且差异集中在教育、医疗和公共管理三个行业。
还有一条更技术性的：他们改进数据管线之后，原始形态类似，但那些考虑了企业整体招聘变化的估计，对设定选择更敏感了。作者的原话是，这让「多少是 AI 造成的」和「ADP 样本能不能推广到整个经济」两个问题都变得更值得追问。
这不是一份自己往前冲的论文。作者明确说，不把这篇或者任何单篇研究当成 AI 劳动市场效应的定论。
放进这一年的其他证据里看
这份修订版最有用的位置，是它跟另外两组数字放在一起的时候。
7 月 5 日我们写过 入门级岗位少了 35%，美联储却说不怪 AI：招聘端的入门岗位确实在塌，但美联储的研究没能把它归到 AI 头上。7 月 21 日的 律所和咨询的入门岗，两年半里少了 35%给的是行业切面，法律和咨询这两个最典型的成文知识行业，入门层塌得最深。
这三组数字现在能拼成一句话：入门岗位在减少，减少集中在成文知识密集的职业，而把这件事归因到 AI，仍然没有人做出来。
7 月 15 日那篇 200 位经济学家、16 个诺奖，凑出四句「可能」写的也是同一件事的另一面：这个领域的共识声明里，动词全是「可能」。斯坦福这次的修订版，是同一种谨慎，只是它至少把机制往前推了一格。
对一个 23 岁的人意味着什么
先说这份研究没说的：它没说 AI 抢走了你的工作。作者反复强调这是描述性形态，不是因果估计。
再说它说了的。
第一，塌的是招聘那一侧，不是解雇那一侧。已经在岗的人受影响小得多。所以现在换工作，比在原岗位待着要贵，这个价差是新的。
第二，暴露度不看行业，看你干的那件事是成文的还是默会的。同一个「分析师」的头衔，做标准化报表的和做客户关系判断的，在这条线的两侧。挑工作的时候，问的应该是「这份活里有多少是能写进作业手册的」，而不是「这个行业会不会被 AI 冲击」。
第三，AI 被用来替代还是辅助，决定了整个职业的方向。在辅助型职业里，年资深的人就业还在涨。这不是一句安慰话，是六条结论里的第五条。
第四，赶紧攒默会知识。带教、跟真实客户打交道、处理没有标准答案的意外——这些以前叫「新人磨练」，现在是这条线上唯一稳的一侧。麻烦在于，提供这类磨练的岗位，正是塌得最快的那批。这个矛盾这份论文没有解，也不假装解了。
最后一件事值得记进日历。斯坦福数字经济实验室这次同时上线了 AI 经济指标项目，其中的金丝雀看板会每月更新论文里的关键结果。也就是说，从现在开始，这个缺口是月度数据，不再是一年一次的论文。下一个数字什么时候到、往哪个方向走，会比这一次的 19% 更能说明问题。
