10月23日，国务院办公厅公开发布《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，提出18项任务，其中包括减缓AI应用的就业替代影响、建立就业风险评估机制，以及调整收入分配和社会保障制度。文件开始具体讨论如何减少岗位替代、帮助劳动者转岗，以及应对规模性失业风险，将AI对就业的影响从学术争论推向政策议程。
企业端的实践数据为这一政策背景提供了注脚。2025年9月，Salesforce首席执行官马克·贝尼奥夫在播客中透露，公司客服团队已从9000人缩减至约5000人。AI承担了越来越多的客户咨询，并帮助公司重新联系过去积压的大量销售线索。贝尼奥夫将这段经历称为自己职业生涯中最令人兴奋的时期之一。对企业而言，客服团队缩小、销售机会增加，构成了一笔清晰的经营账目。4000人的差额并不等于4000人全部遭到裁员，部分员工被重新安排至其他岗位，但可以确定的是，Salesforce不再需要原有规模的客服团队。
瑞典金融科技公司Klarna提供了另一组可量化的数据。2024年，其AI客服助手上线一个月即处理230万次客户对话，相当于700名全职客服人员的工作量，平均问题处理时间从11分钟缩短至不到2分钟。2025年Klarna向美国证券交易委员会提交的上市文件披露，在截至当年6月的过去12个月里，AI处理了69％的客服聊天，公司估算仅2024年就节省约3900万美元成本。Klarna此后重新强调人工客服的重要性并调整服务人员配置，表明AI能处理大量标准化问题，但复杂投诉、特殊需求和客户体验仍需人工参与。
中国企业也在核算同一笔账。国际劳工组织2026年9月发布的一项中国企业研究访谈了21家企业、调查1591名从业者。其中一家保险公司在300名客服员工规模不变的情况下，借助AI将每日问题处理量从6000个提升至15000个；一家旅游服务企业估算，AI承担的数据处理工作量相当于5至6名全职员工。这些数字来自企业访谈，尚不能代表行业平均水平，但揭示了一个关键变化：工作量和员工数量正在逐渐脱钩。企业可以在不新增招聘的情况下服务更多客户，新增就业机会因此减少，而这类隐形变化很少被纳入公开裁员统计。
公开裁员数据则呈现另一种口径。美国裁员咨询机构Challenger, Gray & Christmas的2026年前九个月统计显示，企业宣布的裁员计划中约12万人被归类为AI相关，占同期全部裁员公告的约21％。该数字来自企业自行公布的裁员理由，并非独立审计确认的AI替代人数，经营不善、组织重组和技术升级往往同时发生。但即便剔除无法确定归因的部分，Salesforce和Klarna的经营数据仍说明，AI已经改变了部分企业的人工需求结构。
更值得关注的是就业入口的变化。2026年8月，斯坦福大学数字经济实验室利用美国薪资服务商ADP覆盖数百万劳动者的数据发现，在AI暴露程度较高的职业中，22至25岁年轻劳动者的就业表现持续弱于对照群体，截至2026年6月相对就业差距达到19％。研究同时指出，差距主要体现在招聘减少，而非年轻员工被解雇的比例明显增加。初级岗位过去不仅承担基础工作，也承担人才培养功能——程序员从修改简单代码起步，市场人员通过搜集资料熟悉业务，咨询岗位新人则在整理数据中积累判断能力。这些基础任务恰好是生成式AI能够大量介入的环节，企业减少重复劳动的同时，也开始重新评估初级岗位的招聘数量。
中国招聘市场也出现相关信号。一项分析2019年至2024年约6700万条中国招聘广告的研究发现，AI替代型暴露较高的岗位，常规认知技能需求占比下降；AI增强型暴露较高的岗位，非重复性分析技能需求有所增加。另一项覆盖超过1300万条招聘广告的研究发现，生成式AI普及后，AI相关招聘参与度较高的上市企业，中等工资和教育要求岗位的招聘占比相对下降。这些研究观察的是招聘结构而非就业人数，但呈现了企业技能需求的调整方向。模型评估、AI产品运营、自动化流程设计等新职业正在出现，但新旧岗位的技能要求与数量并不相同，岗位消失和创造也不会同步发生。
企业获得的效率收益如何分配，将直接影响就业结果。Klarna节省的约3900万美元、Salesforce缩减的客服团队、中国保险公司以同等人力处理更多业务，都转化为可衡量的生产率提升。节省下来的成本可以通过降价让消费者受益，可以用于研发和业务扩张，也可以增加员工报酬或成为企业利润。一家利用AI扩大市场的企业可以同时增加收入、利润和就业；另一家主要利用AI压缩人工成本的企业，则可能在员工减少的情况下提高产出。国务院此次发布的意见将收入分配和社会保障制度纳入调整范围，意味着AI就业影响的政策应对，正从单一的岗位保护转向对效率收益分配机制的关注。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
