耶鲁大学预算实验室（The Budget Lab at Yale）2025年10月1日发布研究报告《评估人工智能对劳动力市场的影响：现状》（Evaluating the Impact of AI on the Labor Market: Current State of Affairs）。报告认为，自2022年11月ChatGPT发布后的33个月里，美国整体劳动力市场没有出现可辨识的、由人工智能引发的剧烈冲击。
报告作者是预算实验室执行主任马莎·金贝尔（Martha Gimbel）、布鲁金斯学会都市政策研究中心高级研究员莫莉·金德（Molly Kinder）、研究员约书亚·肯德尔（Joshua Kendall）和研究助理麦迪·李（Maddie Lee）。该实验室同时提供数据下载，并表示会定期更新分析。
一次面向整体市场的检验
此前关于AI就业影响的研究，多聚焦于特定职业或特定人群，例如入行不久的年轻人。这份报告放宽了视野，直接考察全美劳动力市场，并提出两个问题。
第一，这33个月里职业结构的变化速度，是否不同于计算机和互联网早期。第二，是否有证据显示就业受到了全经济范围的影响。
作者的回答是否定的，并称这一结果削弱了“AI正在整体侵蚀认知型劳动需求”的担忧。他们也承认，这一结论与最令人不安的媒体标题并不一致。
报告给出了历史参照：计算机问世近十年后才在办公室普及，要改变工作流程则耗时更久。即便AI最终的冲击不亚于甚至超过这些技术，33个月也不足以让广泛影响显现。
核心方法是职业结构差异指数，数据来自美国当前人口调查（CPS）的月度数据。研究者逐月计算各职业在劳动力中的占比，与起始月份比较，对差异的绝对值求和，并用12个月移动平均削弱噪声。
指数的含义很直观。数值为7个百分点，意味着约7%的工人需要更换职业，才能还原基期的职业构成。
比较对象有三组：1984年起的个人电脑普及期，1996年起的互联网普及期，以及2016年至2019年的对照期。对照期处于2008年衰退后的复苏阶段，职业结构变化很小。
结果显示，AI时期的职业结构变化略快于以往，但幅度不明显。互联网时期，到2002年职业结构与1996年相比最多相差约7个百分点，而AI时期的变化路径只比它高出约1个百分点。
更重要的是时间线：早在生成式AI问世之前的2021年，职业结构的调整就已在进行。2022年11月之后的变化并没有更突出，即便AI的使用持续增加。
作者据此写道，既然职业构成变化没有明显加速，也就没有什么可以归因或错误归因于AI。报告还强调，职业结构变化只说明就业构成变了，并不说明原因。
报告还引用了杰德·科尔科（Jed Kolko）发表在《哈佛商业评论》上的图表。从更长的历史看，美国职业结构变化最快的是20世纪40至50年代，近年的波动相对平缓。
暴露度、使用量与失业：看不出关联
分行业的结果更值得细看。信息业、金融活动、专业与商业服务业的职业结构变化大于整体，其中信息业最大，这三个行业也属于生成式AI暴露度最高的行业。
乍看之下，这像是AI的直接后果。但数据显示，这些行业的变化同样始于ChatGPT发布之前。放到2004年以来的更长区间看，信息业的大幅变动更像是行业自身的特征，而非某一次技术变革的产物。
报告接着考察了两类外部数据。第一类是OpenAI的职业暴露度数据，衡量借助GPT4类技术能否把某职业的任务耗时至少缩短50%。作者采用其中的“Beta”指标，并按五分位把职业分为低、中、高三组。
结果是，三组劳动者的占比在ChatGPT发布后基本稳定，分别约为29%、46%和18%。研究者改用绝对暴露度分组做了稳健性检验，同样没有发现随时间变化的趋势。
针对失业人群的分析也没有发现信号。无论失业持续时间长短，失业者原职业中平均约有25%至35%的任务可由生成式AI完成，没有明显上升，也没有因失业时长而出现差异。
第二类是Anthropic公布的Claude使用数据。作者把使用方式分为“自动化”和“增强”，前者包括指令式和反馈循环，后者包括验证、任务迭代和学习。
由于Anthropic的数据并未覆盖所有任务，研究者用了两种处理办法。只统计被观察到的任务时，自动化主导和增强主导的职业中的就业占比分别稳定在约70%和11%；把未观察到的任务视为零使用时，这两个比例降至3%和0%。
两种口径的水平相差悬殊，但都没有显示出随时间变化的趋势。这也提示，结论在多大程度上取决于数据的处理方式。
年轻人的信号与数据缺口
报告专门讨论了应届大学毕业生。作者比较了20至24岁毕业生与25至34岁毕业生的职业结构差异，逻辑是：如果生成式AI显著改变了应届生的就业，这一差异应当扩大。
结果显示，近期差异的上升速度略快于此前的时段。这与布林约尔松（Brynjolfsson）等人关于AI可能影响入行不久者就业的研究相符，但也可能只是劳动力市场整体放缓的反映。
自2021年1月以来，这一差异很少超出30%至33%的区间，说明扩大趋势可能早于ChatGPT。近期或许有轻微的上行动能，作者对此仍保持谨慎。
谨慎的理由是样本量。报告脚注显示，在任一年份，应届毕业生和较年长毕业生分别只有约1100个和5600个观察值，约占总样本的3%和12%，而CPS本身也存在噪声。
报告用较大篇幅承认数据的不足。OpenAI的暴露度是理论估计，并非实际使用情况。程序员和软件开发者采用生成式AI极快，文员类岗位的暴露度相近，采用却明显滞后，因此只看暴露度，可能低估潜在的冲击。
Anthropic的数据同样有偏。Claude的使用高度集中于计算机与数学类职业，艺术与媒体类职业也明显偏高。作者认为，谷歌的Gemini或微软的Copilot的数据可能呈现不同且更分散的模式，所以单一模型的数据不足以代表全经济。
两套指标之间的相关性也有限。在两者都有数据的职业中（约占样本职业的80%），高使用量的职业集中在科学、量化和一般商务类，低使用量的职业则分布更广。
因此，作者认为最需要的是主要AI公司披露个人与企业层面的全面使用数据，包括API调用。他们肯定了Anthropic在公开数据方面的做法，并呼吁其他AI实验室以保护隐私的方式跟进。
报告的结论克制：对AI就业影响的焦虑在很大程度上仍属推测，现有数据呈现的是稳定而非大面积冲击。生成式AI有可能跻身变革性通用技术之列，但要判断它对就业的破坏程度，现在为时尚早。
需要注意，这份分析使用的CPS数据截至当年7月，反映的是一个时间点上的状态，并非对未来的预测。作者提出预先设定应当出现影响的领域，并按月持续跟踪，以区分传闻与事实。
