跳至主要內容
Buzzdope Buzzdope
社群

當老闆把生成式AI裝進辦公室,你的調薪條為什麼被按下了暫停鍵

Buzzdope 編輯室
當老闆把生成式AI裝進辦公室,你的調薪條為什麼被按下了暫停鍵

這幾年的科技論壇上,關於人工智慧取代人類工作的焦慮從未停歇。人們總在討論哪個行業會被徹底抹除,哪種技能會就此貶值。不過,一份最新的經濟研究報告提供了另一個更貼近日常的視角。根據《商業內幕》報導,阿波羅全球管理公司在七月底發布的白皮書指出,AI對就業市場的初步衝擊並非大規模的裁員潮,而是悄悄凍結了人們的薪水增幅。那些天天擔心失業的勞工發現,飯碗雖然還在,但老闆似乎不再願意為他們的勞動力支付更高的價格。

從雲端落回人資部的數字

這份報告的結論之所以在社羣平臺引起廣泛共鳴,是因為它精準切中了當下打工人的微妙體感。研究團隊追蹤了三百二十一種職業的工資和就業數據,試圖釐清生成式AI普及後的真實勞動市場樣貌。

數據顯示,那些工作內容最容易被AI接管(即AI暴露度最高)的崗位,自二零二三年起的實際工資增速平均下降了百分之六點七。這個時間點非常巧妙,正好與聊天機器人ChatGPT開始在全球走紅的軌跡重合。阿波羅分析師薩尼婭埃德利希與首席經濟學家託爾斯滕斯洛克在報告中明確表示,目前尚未發現AI對整體就業人數產生肉眼可見的衝擊。

統計圖卡呈現高度暴露於AI的職業自2023年以來實際工資增速平均下降百分之六點七

這意味著機器尚未真正走到你的辦公桌前收拾紙箱。企業依然需要人力來維持運轉,但在資方眼裡,這份工作的價值評估標準已經改變了。當一份合約、一段程式碼或一篇文章可以透過免費工具在幾秒鐘內生成草稿時,僱主在年度考核時給予加薪的理由也跟著消失了。這與我們先前觀察過的現代人關掉朋友圈退席社羣舞臺的集體心理有些許相似。人們在數位世界裡感到疲憊,不僅僅是因為工作量增加,更是因為個人的勞動價值正在經歷一場無聲的重估。

收入越是基層,感受到的寒意越深

如果將總體數據進一步拆解,會發現這場薪資凍結風暴並非雨露均沾,而是精準打擊了特定族羣。這份研究揭示了AI技術普及初期的階級落差現象。

  • 服務業勞動者首當其衝,自二零二三年以來,收入增速平均下降了百分之二十四點三。
  • 收入位於後百分之二十五的基層勞工,其工資降幅達到百分之十點七。
  • 相反地,收入最高的頂端勞動者羣體,其薪資水平沒有受到任何顯著影響。

阿波羅的經濟學家在分析中引入了新創公司Anthropic發布的經濟指數,根據各職業任務中實際使用AI工具完成的比例,來評估不同行業的「AI暴露度」。結果證實,基層與重複性高的工作往往具有最高的AI暴露度。這也解釋了為什麼總是有人在網路上感嘆,現在的加薪幅度連通膨都跑不贏。這種對未來個人發展的迷茫與經濟壓力,讓不少年輕網友在論壇上表示與其死磕單一專業,不如尋找無法被AI取代的新形態社交貨幣與解壓儀式,以此來短暫逃離職場的數字焦慮。

清單列出電腦程式設計師與統計助理等五種高AI暴露度職業的實際工資降幅百分比

那些不降反升的奇怪反差

不過,數據的走向並非完全符合直覺。當科技圈大肆宣揚AI將取代白領階級的同時,真實的勞動市場數據卻顯示出複雜的樣貌。這些反差也成為近期科技論壇上的熱門話題。

廣播節目播音員和電臺DJ的AI暴露度在評估模型中相對較低,但他們的實際工資卻在兩年內暴跌了百分之五十二。研究人員認為,這種極端的降幅背後原因更可能來自傳統廣播產業整體的萎縮,而非單純的AI技術替代。與此同時,一些AI暴露度中等的職業反而迎來了大幅度的薪資增長。例如有超過三分之一工作任務可能受AI影響的個人理財顧問,同期工資上漲了百分之八點四。行政法官與聽證官約有百分之三十的任務暴露於AI,但他們的薪資卻上漲了百分之十七點五。

引述阿波羅全球管理公司白皮書說明AI尚未減少整體就業但已壓低高暴露度崗位的薪資增速

這種現象說明,AI技術目前更像是一種放大器。它加速了某些正處於夕陽階段的行業的衰退,卻也讓那些能夠利用科技提高決策質量與服務效率的專業人士,獲得了更高的市場定價權。單純的體力或初階腦力勞動者議價能力正在流失,而掌握核心判斷力或身處稀缺行業的人,反而能從這場技術變革中獲得紅利。

被重新定義的職場生存焦慮

阿波羅的這份報告最後預估,美國目前約有五百八十萬名勞工從事著AI暴露度較高的工作。隨著各大企業將生成式AI視為標準配備,這個數字將在未來幾年呈指數級增長。

科技巨頭們確實正在修正他們先前關於「就業末日」的論調。當大眾發現世界末日並沒有到來,原本緊繃的神經一旦放鬆,那種溫水煮青蛙般的薪資停滯感便會浮上檯面。過去,勞工的談判籌碼來自於「除了我沒人能做這件事」。現在,當辦公室裡多了一個隨時待命且不知疲倦的數位助理,僱主在人力資源配置上的態度自然趨於強硬。

這種薪資增長停滯的現象,正在重新塑造年輕世代對職涯發展的認知。如果努力精進單一技能換來的不再是等比例的財務回報,那麼人們對工作的投入方式與熱情將會如何轉移?也許在未來,評估一份工作好壞的標準,不再只是單純看薪水的絕對值,而是這份工作能在多大程度上抵抗演算法的稀釋。當你的專業能力被壓縮成一串可被替代的指令,下一次走進老闆辦公室談加薪之前,你是否已經找到了屬於自己的不可替代性?