AI 技术应用对于劳动力市场的影响,不仅是一个学术问题,也是一个受到员工、雇主、教育机构、政策制定者广泛关心的实际问题。它不仅发生在美国,发生在硅谷的高科技行业,也发生在中国,发生在非科技类行业。更重要的是,它不是将要发生的事,bwin官网而是正在发生。
在 “2025 罗汉堂 - 北大国发院数字经济年会” 中,继北大国发院教授李力行分享了对中国劳动力市场的整体观察之后,同道猎聘集团创始人兼 CEO 戴科彬先生进一步从猎聘平台的数据,具体分析了 2025 年以来受 AI 影响的就业市场情况。
他发现,随着用人单位对 AI 技能的需求激增,一专多能正在成为对求职者的基本要求。同时,职能类、初级岗位需求减少明显,而热门赛道及 AI 相关技术岗位的需求则增长迅速,但后者尚远不足以弥补前者。戴科彬先生还以猎聘为例,探讨了 AI 与企业文化之间的互动关系。
今天很高兴能来这里,与大家分享一下我们在行业中看到的 AI 给人才和组织带来的变化。我今天的演讲有三个部分。
第一部分我想谈谈全球范围内 AI 对行业影响的整体趋势。从麦肯锡的最新报告中,我们可以看到这样一组数据:AI 在提升工作效率 50% 的同时,还将应用到约 2.2 亿个工作岗位。需要说明的是,这并不是说会新增 2.2 亿个岗位,而是说现有的存量岗位中会有 2.2 亿个要应用 AI。另外,我们看到,AI 对企业组织的渗透率已经从 2023 年的 55% 上升到了 2024 年的 78%,预计 2025 年将有超过 90% 的企业都会使用 AI 工具。这意味着无论国内还是国外,大量的工作岗位都会被 AI 渗透。
由此引发的问题是:究竟有多少岗位将因为 AI 使用增加,而减少对于人才的需求?这是一个大问题,我也没有答案,但有一些观察。回顾 2023 年,各大 AI 模型发布时,几乎每个模型的创始人都表示:AI 可能会替代部分工作,但也会创造新的岗位。然而,两年过去了,从一线的观察来看,我无法得出后半部分的结论。当然,这并不意味着 AI 一定不会带来新的工作岗位,因为技术每天都在更新,目前下定论还太早。
从全球各国的大模型发展来看,中国目前在模型数量上排世界第二,仅次于美国。但两国在模型的开发上存在显著差异。美国的大模型创业公司对于数据的精确度有着痴迷的追求,喜欢自己调数据。而中国的大模型公司更多采用 “蒸馏” 的技术,也就是把人家的模型技术借鉴过来变成自己的模型。因此,中国的大模型数量比美国要少,但却更注重实用性和开源应用。
另外一个有意思的情况是,根据斯坦福大学的最新报告,世界各国公众对 AI 的态度也出现很大分化。中国受访者整体持乐观态度,普遍认为 AI 利大于弊;而美国在过去两三年中,这一比例始终维持在 40% 以下,几乎没有变化。
与之相关的,我们观察到,在美国今天的劳动力市场中,初级人才的就业非常难,尤其是应届毕业生。以往备受青睐的计算机专业(CS)毕业生,如今却面临找工作的困境,因为今天美国的很多科技型企业中,初级人才的岗位基本上被有经验的人才配合生成式 AI 工具来代替了,像代码工程师这样的初级人才需求已经大幅下降了。据统计,2024 年美国科技巨头在初级岗位上的招聘量同比下降约 25%,初创公司的招聘量也下降了约 11%。另外,2025 年 5 月,美国整体的裁员数量同比增长了 45%,其中的一大因素就是 AI。相比之下,中国企业在过去两年中的裁员,其实还与 AI 没有太大的关系。但可以预期,今天在美国发生的情况,很快也会发生在中国劳动力市场,这是一个不可逆转的趋势。
第二部分我想重点讲一下我们对中国劳动力市场的观察。首先,一个显著的趋势是超级个体的不断涌现,职能的边界变得更加模糊。比如,原来负责销售的人,现在可能还需要做市场类工作;原来做文书工作的人,现在可能需要做一些分析的活;原来做产品设计的人,现在可能还需要代码编程的能力。职能之间的边界越来越模糊。
“一专多能” 在今天已经不再是独特的优势,而是必需。二十多年前我从学校毕业的时候,一专多能的人是非常抢手的。但放在今天,这就是普通水平;今天的毕业生如果没有一专多能,被录用的可能性是很低的。就好像二十多年前,会用 Excel 和 PPT,可以被视为是一种技能。而今天,如果不会使用生成式 AI 工具,那只能算是非常差的技能水平。
我们通过职位描述中的文本分析,发现企业对人才的要求也发生了显著变化。今天企业招人的时候,对于专业知识、领导力、管理经验已经不那么看重了。很多企业对于未来的人才更关注的是提问能力、审美能力、自驱力等等无法通过培训掌握(non-trainable)的技能,以及人与人之间有温度的沟通能力,这些都是 AI 无法简单替代的。
从我们的数据来看,2025 年第一季度发布的职位中,明确要求 “会使用 AI 工具” 的职位数量同比增长约 145%。在这些职位中,排名前列的岗位包括产品经理、算法工程师和平面设计师等。以产品经理为例,其工作本质是理解并搜集用户需求、过滤需求并制定产品原型,与代码工程师及各部门协调沟通。如今,这个工作必须使用 Cursor 等 AI 工具来完成,否则沟通的效率就会大幅下降。这种岗位要求的变化也体现在算法工程师和平面设计师中 ——今天不会使用 AI 工具,就像二十年前不会使用 Photoshop,对工具使用能力的要求一直没变。
从年度数据来看,近一年来要求会用 AI 的职位同比增长约 97%。在薪资方面,同一岗位中要求会 AI 的职位,薪资高于不要求会 AI 的,并且比上一年也有所增长。也就是说,企业今后不仅有更多的岗位会要求使用 AI,并且也会为使用 AI 的员工提供更好的待遇。
我们观察到的第二个趋势是,职能类、初级岗位需求减少明显,而热门赛道及 AI 相关技术岗位的需求则增长迅速。这一趋势与美国接近。需求减少最多的职位类型中,包括电话销售、导购、出纳、设计、美工等,都是初级岗位居多,并且正在以惊人的速度缩减。而在同一类型的职位中,初级岗位的减少幅度明显高于中级和高级岗位。这背后部分是企业主面临用人成本上升的压力:在控制成本的大背景下,“如何用 AI 替代人工” 正成为企业主间广泛讨论的主题。这对于广大劳动者构成了很大的挑战,但从企业主角度来看,又似乎是不得不做的选择。
此外,技术岗位的初级人才需求也在大幅减少,这与职能类岗位类似。尽管今天 AI 目前仍是 copilot 的角色,帮助人去做更多、更高效的工作,但按照这个趋势发展下去,有可能很快随着 AI agent 的使用,人就会反过来变成 AI 的 copilot。到那个时候,人的就业岗位和数量会进一步下降。
另一方面,我们观察到,今年以来需求增长的职位几乎无一例外地与技术相关,涵盖专业技术、制造技术、信息技术、生物技术等,只要是和技术 hardcore 相关的,用人需求都有所增长。而但凡和技术 hardcore 不相关的职位,需求都在下降。这表明,曾经由 “电脑 + 人” 完成的传统白领工作,如今正面临被 AI 替代的危险 ——AI 拥有更大的知识量、更快的处理速度和更高的推理能力。
具体来看,2025 年 1-4 月,AI 技术类人才的招聘占比持续上升,成为企业用人焦点。在算法工程、图像识别、机器视觉、深度学习、机器学习等细分领域,人才需求增长尤为显著。然而,这类人才也极其稀缺。其中,搜索算法和推荐算法的 “人才紧缺指数”(talent shortage index, 大于 1 表示人才供不应求)已经高达 5 到 7,企业之间正展开激烈的人才争夺。今天从事智能算法、视觉算法等相关方向研究的博士生,就业前景非常好,岗位起薪甚至有超 150 万元,还不包括股票和期权。
第三个值得关注的趋势是,组织正在变得越来越小。这一趋势反映了企业用工逻辑的根本变化。过去,企业是通过招人来扩大人与人的组织。现在,企业是招懂 AI 的人来形成 copilot 的组织。而将来 —— 甚至今年已经开始 —— 企业不再招人,而是招 AI agent 了。这是一个明显的趋势。
实际上,从 2024 年 11 月我们对企业的调研数据来看,已有 14% 的企业明确表示,它们因 AI 工具的使用而缩减了组织规模。一些具体岗位的变化也印证了这一趋势,例如质检岗位的缩减是最多的,因为 AI 在语音、文字、图像与视频质检等领域的应用已非常成熟高效。
未来的组织将会越来越小。其实我们今天就已经看到,无论在美国还是中国,有一批 50 人以内规模的 AI 创业型企业,它们创造了非常高的营收和估值水平。- 这样的例子说明,一旦 AI 和 agent 被用好了,新型的组织会更精简,但效率更高、营收更高、估值更高。而原有的传统企业也在拼命地使用 AI,以达到降本增效、缩减人力的目的。至于 AI 带来的新产业能否创造更多的岗位,仍是一个值得持续观察的问题,尽管目前我们尚未看到这种趋势。
最后,我和大家分享一下 AI 在人力资源领域的一些应用。这张图(下图)包括了企业从发布职位需求、匹配简历,到沟通、面试,再到上岗、人才发展的过程。基本上,今天我们自己所有层级的招聘,以及给客户提供的招聘服务,都是由 AI 驱动,由 agent 来协助完成每一步。这些基本上都已经做到了,并且效率极高,客户也以更低的价格获得了更好的服务。
同时,对于个人求职者,我们也提供了 AI 服务。从简历写作、匹配岗位,到沟通、投递,都由 agent 来完成(当然,不能由 agent 代为面试)。
也就是说,今天我们已经变成 agent to agent(A2A)。这也是为什么我认为谷歌推出的 A2A 协议对于 agent 在各行各业的爆发将会是非常重要的,这将会让 agent 在各个领域里的协作变得可能。在我们的平台中,以前是招聘的人和求职的人沟通,现在已经变成招聘的 agent(to B)与求职的 agent(to C)之间沟通,还包括面向猎头的 agent(to H)。世界变化之快,以至于如果我们不理解其中的本质,就很难去推动它。
以上是我今天的分享。我们尚未有明确的结论,但趋势已非常明显。我们在 2023 年就判断,中国企业的组织规模将变得更小,但与此同时,会涌现更多新型的个体组织。今天来看,这一趋势已经逐步显现。但未来是否会因此出现大规模的岗位减少,尚不确定。同样,AI 是否能够催生出新的产业与岗位,也仍是未知数。目前可以看到的是,AI 确实带来了对高端技术人才 —— 特别是 hardcore 类技术人才 —— 的需求,但这类岗位数量有限,远不足以弥补基础性、通用性岗位的大量减少。这也正是当前求职难、就业难的重要原因之一。
我们观察到,在美国和日本,一个比较一致的趋势是“城市服务业”相关岗位的劳动力依然非常紧缺。餐厅服务员,或者是其他城市服务型人员,是很难招到人的。也就是说,面向城市终端消费者的服务型岗位需求依然很大。但与此同时,在美国,脑力劳动者的岗位,尤其是依赖电脑的白领职业,实际需求正在下降。不是说这些岗位没有了,而是生成式 AI 的能力已经足够强大,效率极高,可以替代大量日常性脑力劳动。
但中国的情况不太一样,要复杂得多。在中国,AI 对劳动力市场的影响还没有完全显现出来。一方面,我们看到白领群体的收缩趋势,但这背后并不完全是 AI 所致,部分也是经济环境偏紧,企业主普遍希望控制成本。AI 的普及虽然尚未全面铺开,但不少企业已经开始尝试使用 AI 提升效率。比如,以前需要三个设计师的团队,现在只保留一个人,但仍然要求完成全部产出,这其实就是用 AI 提升效率的现实案例。
再说到服务业,中国本应有庞大的城市服务市场,但在当前消费需求偏弱的背景下,服务业对劳动力的吸纳能力并不如美国或日本显著。这反映出中国在 AI 带来的新环境下,劳动力市场的复杂性远高于美日。
相较于开始受到冲击的白领群体,蓝领群体更早就已面临自动化的挑战。在制造业中,工厂订单减少、供应链外迁与自动化技术的普及共同压缩了对蓝领工人的需求。不过由于新一代年轻人相对更不愿进入工厂,上述冲击暂时得到缓解,目前矛盾尚不突出。
我觉得 AI 替代人类工作中最核心的问题在于信任。比如律师、医生、教育这些领域,其实 AI 在信息归纳、知识总结、逻辑推理上的能力已经很强了。但现实中,如果真有一场官司,你未必放心只问 ChatGPT,也不敢完全交给 AI 来代理。这就是信任的问题。同样的,像养老、家政服务这些岗位,如果你放一台机器人在家照顾父母,哪怕功能再完善,家人可能也会很焦虑、不放心。甚至你半夜起床看见一个人影坐在沙发上,你都可能被吓到 —— 这就是 AI 难以取代温度感的一个体现。
所以我认为,很多需要互动性、情绪价值、信任基础的岗位,短期内 AI 还难以真正替代。尤其是那些需要 “人味儿”、需要建立信任的工作场景 —— 比如面对面的服务、情感沟通、人际关系处理 —— 人在其中依然扮演着不可替代的角色。
同时,我们也看到,现在的 AI 已经成为一个极强的信息辅助工具。比如在你还无法判断某个问题的时候,通过 AI 可以先做功课,这也比一无所知强很多。我看到一个很有意思的例子:一个叫 Perplexity 的创业公司,已经拿走了谷歌相当一部分的搜索流量。这个公司主打的不是信息罗列,而是精准答案。它的价值主张是:“我不给你 10 个链接,我直接给你最好的答案。”
这种生成式 AI 的精准性和可靠性正在逐步建立人们的信任。这种 “从参考到信赖” 的转变,是 AI 发展过程中非常关键的一步。虽然今天 AI 还做不到完全令人信赖,但已经有越来越多的人,开始理解 AI、接触 AI,也逐渐建立起一定的信心,大家开始相信这项技术是可以往前走的。我认为这就是一个非常重要的信号。
为什么有的企业在 AI 浪潮中反应非常迅速,有的则比较慢?其实如果回头看我们熟悉的几家企业——阿里、腾讯、百度、美团、字节——会发现它们的文化和战略方向差异非常大。
比如阿里是从 B to B 起家的,后来拓展到淘宝,再到阿里云。阿里是一个非常强调组织能力和体系能力的公司。你看阿里云这一块,一开始发展得相对慢,但自从有了大模型之后,算力需求上来了,阿里云的增长明显加快了。同时他们在通义千问这条线上明显发力。字节则是另一套打法。它被称为“APP 工厂”,有极强的 to C 能力和快速试错、快速推出产品的组织能力,所以它直接做了豆包,去年砸了 400 多个亿。这完全是一个 to C 的产品思维,目标是用户量第一。
背后反映的就是每家企业的内生 DNA——是更擅长 to B 还是 to C,是面向组织产品还是用户产品——会深刻影响它在 AI 时代的产品形态和发展路径。我们今天看到的差异,其实都源于这些根层结构的不同。
很多公司,可能老板也在喊口号,甚至贴满标语,但有没有真正形成使用习惯,是另一回事。如果一个组织的 AI 应用只是停留在口号层面,而不是深入到工作流程的毛细血管,那效果是完全不一样的。所以我的观点是,AI 的应用能力不是靠喊出来的,而是要从组织文化中生长出来的。当 AI 真正融入到工作流程中,它反过来也会塑造组织的文化。
我分享一个我们公司内部的案例。我们公司大约四分之三的员工从事销售与服务,只有四分之一是做产品和技术的。过去 AI 一出现,很多人觉得那是技术人员的事。但我始终认为,AI 工具应该是每个人都能掌握的。尤其在中国,我们也许在底层模型研发方面还不够强,但在 AI 应用层面的能力非常突出。
因此,我们公司推动了一项内部机制:每个部门每周都要提交一个用 AI 改进工作流程的实践案例,配合多维表格,自动标记出没有提交的人。这样一来,就形成了一种持续的文化驱动,每个人都开始思考“我这周有没有用 AI 做点什么”。这不仅是一种监督机制,更是文化上的逼自己成长。
有意思的是,我们发现,公司内部用 AI 工具用得最好的,居然不是技术人员,而是前端和销售人员。比如使用 Cursor 最熟练的就是一些销售人员,他们开始能自己写代码、做出 AI 产品原型。这让我们非常惊喜,也极大地鼓舞了整个组织氛围。此外,我们还每年办一次 AI 主题的“黑客马拉松”,只设定方向,不限制参与人员。很多 3~5 人的小团队自发组建,其中不少就是由销售人员牵头。他们用 AI 生成工具完成产品构建、流程改造,极富创造力,大家也特别兴奋,因为这代表了一种“从 0 到 1”的突破感。
从技术工程师主导到人人都能参与,这其实是 AI 给组织带来的一个深刻变化。在这个新阶段,起点变得平等,每个人都可以掌握和使用 AI,创造 AI 驱动的价值。这种人人可用、人人可创造的氛围,就是我们正在构建的 AI 文化。这不仅提升了效率,更重要的是激发了普通人的自我成就感与参与感,也让普通人在 AI 时代变得不再普通。