本文来自微信公众号： 登顶可选 ，作者：登顶可选
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》。
文件提出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。
国务院办公厅《意见》原文|中国政府网·2026年10月23日
一份关于人工智能的政策文件，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。
这让一个长期争论的问题变得更加现实——官方出手，那么AI对就业究竟影响有多大？
2025年9月，Salesforce首席执行官马克·贝尼奥夫在播客中透露，公司客服团队已经从9000人缩减至约5000人。
AI承担了越来越多的客户咨询，还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。
对企业来说，这是一笔漂亮的生意。客服团队缩小了，销售机会却增加了。
当然，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到其他岗位。但有一点已经确定：Salesforce不再需要原来规模的客服团队。
过去两年，AI几乎成了科技公司裁员新闻里的高频词。有人认为机器正在大规模抢走工作，也有人认为，企业只是借AI之名掩盖经营压力。
两种说法都有现实依据，却都无法完整解释这场变化。
因为企业减少人工需求，并不一定要先发出裁员通知。
01｜裁员公告之外，还有一本账
2024年，瑞典金融科技公司Klarna公布了一组数字。
AI客服助手上线一个月，处理了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。
图：Klarna官方披露数据整理（非原始网页截图）
到了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年就节省了约3900万美元成本。
Klarna AI客服官方披露文件|Klarna·2024年2月
当然，700人不是裁员人数，而是AI承担的等效工作量。3900万美元则说明这项技术已经产生了可以计入经营账本的成本收益。
Klarna后来重新强调人工客服的重要性，调整服务人员的配置。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然需要人工参与。
中国企业也在算同一笔账。
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，调查了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个提高至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，尚不能作为整个行业的平均水平。但它们揭示了一个重要变化：工作量和员工数量，正在逐渐脱钩。
国际劳工组织中国企业研究
保险公司没有减少300人的客服团队，却能处理过去2.5倍的问题。如果业务继续增长，企业可以用现有团队服务更多客户；如果业务规模保持稳定，新增招聘的必要性就会下降，这就意味着新增就业机会逐渐减少。
这类隐形变化很少被称为AI裁员，公开裁员数据则是另一种口径。
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%。
这个数字来自企业公布的裁员理由，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，企业给出的解释也有自身的传播动机。
但即使剔除那些无法确定归因的裁员，Salesforce和Klarna的经营数据仍然说明，AI已经改变了部分企业的人工需求。
因此，衡量AI的就业影响，至少需要看三项变化：已经减少的岗位、被AI承担的工作量，以及因此减少的新增招聘。
图：AI影响就业的三个观察口径
前两项已经有越来越多的企业案例。第三项更难统计，却直接关系到年轻人的职业前景。
斯坦福AI与青年就业研究|Stanford Digital Economy Lab
02｜AI先改变的，是年轻人的职业入口
2026年8月，斯坦福大学数字经济实验室更新了一项就业研究。
研究人员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，两类群体的相对就业差距达到19%。
图：斯坦福研究结论摘录示意（非研究原图）
这不是美国年轻人整体就业下降19%，也不能直接理解为AI消灭了19%的岗位。
研究更重要的发现是：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。
一些年轻人没有被AI裁掉，因为他们根本没能进入那个岗位。
过去，初级岗位不仅承担基础工作，也承担人才培养功能。
程序员从修改简单代码、编写测试开始；市场人员通过搜集资料、制作初稿熟悉业务；咨询和研究岗位的新人，则在整理数据、处理文档的过程中积累判断能力。
如今，这些基础任务恰好是生成式AI能够大量介入的工作。
经验丰富的员工可以让AI生成代码初稿、整理资料，再自行检查、修改和决策。企业减少了重复劳动，也开始重新评估初级岗位的招聘数量。
短期看，这是效率提升；长期看，行业面临一个矛盾：
企业仍然需要经验丰富的人，却在减少让新人获得经验的工作。
如果一家企业减少初级招聘，可以通过更高的效率获得竞争优势。但当越来越多企业采取同样的做法，行业就必须回答下一代资深员工从哪里来？
中国招聘市场也出现了相关信号。
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则有所增加。
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，不能直接等同于就业人数变化，但它们呈现了企业技能需求的调整方向。
企业越来越重视独立判断、复杂问题解决和AI应用能力，而传统初级岗位承担的基础任务正在被重新分配。
新的AI职业当然也在出现。模型评估、AI产品运营、自动化流程设计等工作，正在创造新的就业需求。
但新旧岗位的技能要求以及数量并不相同，岗位消失和创造也不会同步发生。
对一个刚毕业的年轻人来说，最困难的未必是学会使用AI，而是如何在缺少实际业务经验的情况下，获得企业越来越看重的判断能力。
这已经超出了单纯的裁员问题。
AI正在改变的不只是岗位数量，还有职业成长的路径。
03｜企业赚到了效率，劳动者分到了多少？
Klarna节省了约3900万美元，Salesforce缩小了客服团队，中国的保险公司用同样的人力处理更多业务。
企业获得了可以衡量的生产率收益。但节省下来的成本，并不会自动转化为员工收入。
它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，或者成为企业利润。
不同的分配方式，会产生完全不同的就业结果。
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。
两家公司都实现了降本增效，劳动者的处境却不一样。
经济学中有一个指标叫劳动收入份额，衡量劳动报酬占创造的增加值的比例。
图：劳动收入份额变化的假设示例
假设一家企业原本创造1亿元增加值，支付5000万元劳动报酬，劳动收入份额为50%。引入AI后，企业创造的增加值增长至1.5亿元，劳动报酬总额增加到6000万元。劳动者获得的报酬总额上涨20%，收入份额却下降至40%。
这个假设说明：劳动者拿到的钱可以增加，但他们在经济增长中获得的比例仍然下降。
如果企业同时减少基础岗位、提高高技能员工薪酬，平均工资甚至可能上涨，而失去岗位的人已经不在平均工资统计之中。
关于AI与劳动收入份额，中国上市公司的实证研究目前存在不同结果。有的发现AI应用促进了劳动收入份额提高，有的观察到份额下降及收益向高技能员工集中的现象。
研究样本、AI采用程度的衡量方法和统计时期不同，尚不足以得出AI必然降低劳动收入份额的结论。但这恰恰说明，技术进步与劳动者收入增长之间，并不存在自动生效的分配规则。
AI提高生产率之后，谁获得新增价值，取决于市场竞争、企业经营方式、员工技能结构和收入分配制度。
但是，当更多企业能够用更少的人完成更多工作，这个问题就不再局限于企业内部。因为现代社会的工资收入，还连接着税收、社保和公共服务。
04｜当机器接手工作，谁来承担社会成本？
2017年，比尔·盖茨接受Quartz采访时，提出了一个颇有争议的建议：考虑向机器人征税。
2026年8月，他在个人网站再次讨论这一问题，甚至提出研究对AI tokens征税。（具体内容可看公众号对比尔盖茨长文的总结和解析）
盖茨担心的是，当机器替代部分劳动者，原本依靠工资形成的税收和社会保障缴费可能受到影响，而失业保障、职业培训和其他公共服务的需求反而增加。
比尔盖茨对AI警示原文
这不是AI完全不交税的问题。
开发AI的企业、销售AI服务的公司，仍然需要按照适用法律缴纳相应税款。企业支付的工资和社保费用通常也可以按规定税前扣除，不能简单地说雇人是税后成本、买设备才是税前成本。
真正的差异在于，劳动和资本适用不同的税收与缴费规则。
企业雇用员工，需要承担工资及相关社会缴费；投资设备、软件和自动化系统，则按照相应的折旧、摊销及税收政策处理。
例如，中国财政部、税务总局2023年第37号公告规定，2024年至2027年，企业新购进、单位价值不超过500万元的设备和器具，可以按规定一次性计入当期成本费用，在计算企业所得税时扣除。
这是一项普遍的设备投资政策，并非专门鼓励AI替代员工。但它说明，税制会参与企业对人工和资本投资的成本计算。
盖茨提出的机器人税，试图让自动化收益承担更多公共责任。国际货币基金组织却不赞成简单征收专门的AI税或机器人税。
IMF在2024年的财政政策研究中指出，直接对AI征税不仅难以界定征税对象，还可能抑制有益的技术投资。
工厂里的机械臂容易识别，企业用AI审核合同、生成代码、处理财务报表，又该如何计税？如果AI帮助员工提高效率，没有减少就业，是否也要征税？
IMF更倾向于调整现有税制中可能鼓励劳动替代的政策，完善资本收入和企业利润税收，并加强职业培训与社会保障。
盖茨与IMF的路径不同，却共同面对一个问题：
当企业越来越容易在不增加员工的情况下扩大产出，公共财政如何分享生产率收益，并为受到冲击的劳动者提供保障？
税收制度不会因为一家企业部署AI就立即失效。生产率提高也可能带来更高利润、更多消费和新的税收来源。
但如果劳动收入增长长期落后于产出增长，依赖劳动收入的税收与保障安排，就需要作出调整。
这也是为什么，AI就业问题最终会延伸到社会制度。
05｜谁来接手“雇佣”原本承担的功能？
工业革命时期，机器大幅提高了生产效率，劳动者却没有立即分享全部增长成果。
经济史研究中有一个概念叫“恩格斯停顿”，用来描述英国工业革命早期，生产率增长与劳动者实际工资增长长期脱节的现象。
不同研究对其持续时间和工资变化幅度存在争议，但它提出的问题至今仍然成立——生产力进步，并不保证普通劳动者同步受益。
2026年10月27日，国家发展改革委网站刊发了国家信息中心研究人员关于防范“恩格斯停顿”的专家文章，讨论如何避免技术进步与民生改善脱节。
国家发改委“恩格斯停顿”文章
历史不会简单重演，今天的劳动市场、社会保障和技术扩散速度，也与十九世纪完全不同。
但AI正在让一个长期被视为理所当然的关系受到挑战。
过去，企业扩大业务通常需要增加相应的人力投入。雇佣关系不仅提供工资，也让新人积累经验，并将劳动者连接到社保和公共财政体系。
今天，企业已经能够在部分业务中，通过AI提高产出而不同比例增加员工。
这意味着，雇佣关系原本承担的几项社会功能，开始面临不同程度的压力。
基础工作被AI接手，职业培养需要新的路径；企业人工需求减少，劳动收入的分配方式需要重新审视；工资增长与生产率增长脱钩，公共保障也需要寻找更稳定的支持机制。
这些变化不会在同一天发生，也不会同时出现在所有行业。但它们已经超出了单个企业如何裁员的范围。
10月23日公布的国务院办公厅《意见》，恰好回应了这些问题。
文件明确提出减缓AI应用的就业替代影响，鼓励企业探索失业缓冲期制度，并要求加强转岗培训、就业风险评估、收入分配和社会保障制度建设。
尤其值得注意的是，文件提出开展AI就业影响专项调查，持续跟踪岗位创造与替代、技能需求变化，并将AI应用就业风险纳入规模性失业风险防范机制。
这意味着，AI对就业的影响不仅需要被讨论，还需要被持续测量和管理。政策已经开始回应，接下来考验的是落实速度。
企业可以在一个季度里完成AI系统部署，在下一轮预算中减少招聘计划；但一个劳动者从失去工作到掌握新技能、重新获得稳定收入，往往需要更长时间。
这才是AI就业转型中最现实的时间差。
尾声
回到最初的问题：AI裁员潮，到底有多少是真的？
目前没有一份统计能够完整回答。
裁员公告记录了部分岗位消失，企业运营数据记录了AI接手多少工作，招聘研究则开始捕捉那些从未出现的就业机会。
三者共同说明，AI对劳动需求的改变已经发生，但影响远不止公开裁员人数。
我们也不必因此认定，人类工作终将被机器全面取代。技术可以创造新需求、新职业和更高收入，历史上的生产率进步也确实扩大过社会财富。
真正悬而未决的，是收益和成本如何分配，以及制度能否跟上企业改变用工方式的速度。
企业已经能够按季度计算AI节省的人工成本，劳动者却必须按月支付生活账单。
如果企业能够用更少的人创造更多价值，社会就需要回答：那些不再被企业雇用的人，如何继续获得收入、积累能力，并拥有基本保障？
AI能省下多少人工，企业已经开始算清。省下人工之后，人该怎么办，这笔账才刚刚开始。
资料原文·延伸阅读
国务院办公厅《意见》原文中国政府网·2026年10月23日
Klarna AI客服官方披露Klarna·2024年2月
斯坦福AI与青年就业研究Stanford Digital Economy Lab
防范“恩格斯停顿”国家发展改革委·2026年10月27日