AI暴露岗位少发8%至9%招聘，冲击先落在新人的入口

达拉斯联储经济学家Samuel Dodini和Tucker Smith于2026年9月1日发布分析：在完整分析期内持续出现在样本中的德州企业里，AI自动化暴露较高者到2026年初招聘信息相对少发约8%至9%。这项基于数百万条在线招聘信息的分析 还估计，生成式AI自动化暴露使德州Lightcast招聘信息总量在2024年减少约1.8%、在2025年减少约2.6%；由于线上职位往往对经验要求较低，收缩可能首先压到应届毕业生等新进入者。

这项9月1日发布的结果衡量的是招聘需求，不是已经消失的工作岗位。9月3日刊发的 Texas Today复核报道 同样提醒，招聘信息减少不能换算成等比例的就业下降或裁员；而 纽约联储5月14日公布的全美研究 也没有识别出清晰、独立的AI驱动劳动力需求降幅。

8%至9%来自存量企业的相对变化

标题中的区间不是整个德州招聘市场的同比跌幅，也不是所有高暴露职业共同减少的固定比例。研究建立了一个企业平衡面板，只保留在完整分析期内持续出现在招聘数据中的企业，再根据它们在ChatGPT发布前招聘过的职业，确定原有的AI自动化暴露程度。

在这个面板里，暴露较高的企业与暴露较低的企业逐渐拉开招聘差距。这说明收缩并非仅由旧企业退出数据库或新出现的“AI原生”公司用人较少造成；仍在经营并持续发布职位的雇主，也减少了新需求，并把招聘结构移向较少涉及可自动化任务的职业。

另一项职业与行业层面的估计方向相同。模型在同一行业内部比较不同职业，并把结果换算为可自动化任务占比相差10个百分点时的招聘差异，以尽量排除某个行业整体降温的影响。因此，“高暴露”描述的是职业任务与生成式AI实际用途的对应程度，不能理解成名称中带有AI的岗位，也不代表整份工作都能自动完成。

新人为何可能最先感到入口收窄

招聘信息反映的是企业准备新增或补充多少人，属于劳动力市场的流量；就业人数则包含已经在岗的存量员工。企业即使不裁员，也可以取消初级职位、延后补缺，或把能够自动化的任务从下一份职位说明中移除。由此产生的第一层影响，是外部求职者可申请的入口变少。

Lightcast样本中的典型在线职位本就偏向经验较少的求职者：明确要求两年以上经验的不足一半，要求五年以上经验的更少。招聘广告收缩因而可能不成比例地影响应届毕业生、首次进入劳动力市场的人，以及试图转换职业轨道的求职者。

德州行政数据的后续分析还提示，AI自动化可能已经影响当地近期大学毕业生的就业与收入，并促使部分在校生调整学习选择。不过，公开文章没有给出这部分分析的完整模型和具体估计值。现阶段可以说新人更可能率先承受招聘入口收窄，不能进一步断言所有毕业生就业变化都由AI造成。

全美研究为何没有得出同样结论

全美对照研究同样把基于Claude实际使用情况构建的职业暴露指标与Lightcast招聘数据结合，却发现高暴露职业相对走弱的趋势在ChatGPT发布前已经开始，发布后没有出现清晰的新拐点。高暴露职业内部，初级与资深职位的招聘需求也没有形成明显分化。

这与德州结果并非在完全相同的对象上作答。德州分析聚焦州内同一行业的职业差异，并进一步追踪持续存在的企业；全美分析考察的是全国招聘普遍放缓之外，能否辨认出额外的AI特有效应。地域范围、样本构造、比较组和识别方法不同，局部关联在全国汇总后可能减弱，而全国趋势也不能自动推翻州内企业面板观察到的变化。

两项研究对因果解释的力度也不同。德州结果显示，招聘差距在ChatGPT发布后扩大，企业发布的岗位组合也转向较少包含可自动化任务的职业；全美结果则提醒，高暴露职业早已受到其他因素影响，不能仅凭时间上的先后关系把招聘疲软全部归因于生成式AI。

证据框：目前能证明什么

• 能够支持：在研究覆盖的德州在线招聘数据中，AI自动化暴露越高，后续招聘需求越弱；这一关系在持续出现在样本中的企业内仍然存在。
• 能够估计：把职业暴露、AI使用率和德州产业构成结合后，研究得到的全州招聘信息影响小于高暴露企业之间的相对差距，说明冲击集中在部分企业和职业，而非均匀覆盖整个市场。
• 不能证明：招聘广告减少不等于已有岗位被等量取消，也不能证明发生了同等规模的AI裁员。一条广告可能对应多个职位，部分招聘还会通过数据库未覆盖的渠道完成。
• 不能直接外推：Lightcast对农业、建筑、楼宇维护和个人服务等较少依靠线上招聘的职业覆盖不足；德州结果也不能未经检验就套用到全美国或其他国家。

暴露指标也有边界。它把O*NET记录的职业任务与Anthropic Claude中的实际使用活动对应，比单纯判断AI“理论上能做什么”更贴近现实使用，但主要反映一个平台上的任务记录。职业暴露较高只表示其中有更多任务可能由生成式AI处理，不表示该职业已经可以完全无人化。

目前最稳妥的结论是，德州在线招聘市场已经出现与生成式AI自动化暴露相关、集中于特定职业和存量企业的收缩信号，新进入者可能先于在岗员工感到压力。要判断这是否会演变成更广泛的就业冲击，还需观察企业实际录用、工资、工时和裁员数据，并检验同样的招聘差距能否在更多地区和不同数据集中持续出现。