科技故事总是讲得很热闹，但真正落到普通人身上的时候，往往没那么宏大。
上世纪90年代，MIT 的布林约尔松提出过个“生产力悖论”：电脑越买越多，信息化口号喊得震天响，但生产力就是不见起色。原因很简单，光有新技术没用，还得配套组织调整、流程重塑、员工学新技能，才会真正释放价值。
到了2025年，这个悖论同样发生在AI行业。最近，MIT 和哈佛研究团队就发了两篇论文，用海量数据把AI对职场的影响扒了个底朝天。
第一篇盯着AI对行业影响，结论直接让人一愣：
企业里95%的AI投入都没产生什么价值，真跑起来的很少。反而真正的生产力提升是通过个人实现的，员工自己掏钱买 ChatGPT、Claude 账号，“偷偷”用AI干活儿。这直接催生了一个新词，“影子AI经济”。
第二篇更扎心，它看的是AI对就业冲击。结果发现，被AI冲击得最狠的不是老员工，而是刚毕业的新人。换句话说，AI让毕业生找工作越来越难了。
今天，乌鸦君就带大家一起看看红杉分享的这两篇论文，顺便聊聊 AI 在现实世界里的“真面目”。
/ 01 /
95%AI投入没价值，影子AI经济却在爆发
红杉提到的“GenAI Divide”（人工智能鸿沟），是今年MIT整得一个新词。
这个词的意思很简单：ChatGPT、Copilot这些工具大家都在用，但真正从AI里赚到大钱的公司只有5%，剩下95%的公司，要么在试点，要么停在宣传层面，ROI几乎为零。
这不是随口一说，MIT调研了150位企业高管，聊了350名员工，还翻了300个公开案例，才得出这个结论。所以，多少还是有点根据的。
调研结果显示，80%以上的公司试过ChatGPT、Copilot，其中40%声称已经部署。但真要算账，效果却很鸡肋：AI能写邮件、改方案，确实提升了点个人效率，但要说推动企业转型？那基本没有。
为了更准确评估AI对各个行业的影响，MIT还专门搞了个“AI市场颠覆指数”，从市场份额波动、新AI公司的增长、新商业模式、用户行为变化、以及高管更换情况五个方面来进行评估。
把这些指标拉通看，结果出乎很多人意料：在9个对经济产生的重要行业里，真正发生明显结构性变化的行业，只有科技和媒体，其余七个行业，包括专业服务、医疗保健与制药、消费品与零售、金融服务、先进产业、能源、材料，几乎没啥动静。
科技行业的变化不用多说，本来就是AI的主场。比如开发工具市场，原来微软Copilot一家独大，现在Cursor、Zed等AI原生IDE迅速崛起，两年间市场格局就出现了明显波动，这在传统软件领域几乎难以想象。
媒体和电信的冲击也很直接。AI让内容生产门槛瞬间拉低，广告、短视频、新闻编辑，全都能批量生成。广告预算也在转移，更多的钱流向能做智能投放的AI平台，这一下子把传统广告代理的日子搞得挺紧张。
反观其他七大行业，就很“佛系”了：
专业服务有点效率提升，但交付模式没变；
医疗更多是做文档、转录的试点，临床应用还被卡在监管门口；
零售就是客服和营销优化，消费者的购物习惯根本没颠覆；
金融在后台搞点风控自动化，但产品和客户关系没动；
制造和能源则更冷清，AI最多帮忙排排产、做点预测性维护，行业格局纹丝未动；
材料就更别提了，几乎没什么声音。
一位制造业COO就说得很直接：“LinkedIn上天天在喊AI颠覆世界，但对我们来说，就是合同处理快了点，别的没什么变化。”这句话其实道出了绝大多数传统行业的心声，AI确实能帮忙，但效果停留在“流程提速”，离“行业重塑”还差得很远。
这还不是最有意思的地方。当公司AI应用还在挣扎的时候，员工已经把AI用得飞起。调研显示，超过90%的员工报告说，他们在用个人ChatGPT或Claude账号完成工作任务；
这形成了一个独特的现象——“影子AI经济”。简单来说，员工更喜欢灵活、直观的消费级工具，而不是笨重的企业AI。很多真正的生产力提升，正是靠这种影子AI实现的。
为什么会出现这种情况？
原因很简单。ChatGPT这类通用工具流行，是因为便宜、简单、好上手，能随时帮你写邮件、改方案。而企业花大钱定制的AI系统，集成复杂、不记忆、不会学习，放进真实工作流里就水土不服，最后烂尾在试点阶段。
一位律师的例子很典型：公司花5万美元买了个合同分析工具，但她依然用ChatGPT来起草合同。理由很简单：“ChatGPT能让我对话迭代，得到想要的结果；企业工具又死板又不好用。”
MIT把这一切和历史做了个对比：上世纪80、90年代PC刚普及时，大家都以为生产力要爆发了，结果反而陷进了“生产力悖论”。电脑是买了，但产出并没有马上提升。直到组织结构、管理方式、流程重塑跟上来，价值才真正释放。
今天的生成式AI，其实就在同样的阶段：工具已经有了，但工作方式没变。看着热闹，但转化成真金白银的公司，还真不多。
/ 02 /
刚毕业的年轻人，危险了
说完AI对工作方式的影响，再来谈谈就业。
红杉提到的第二篇论文叫“Canaries in the Coal Mine?”，翻译过来，就是“矿井里的金丝雀？”。
这是一个典型的英语隐喻。过去煤矿工人会带金丝雀下井，因为金丝雀对煤气很敏感，一旦它昏倒，就说明空气里有毒气，矿工得赶紧撤。后来就成了比喻，指某种“预警信号”或者“最早的受害者”。
这是由哈佛大学两位经济学博士生Seyed M. Hosseini和Guy Lichtinger搞了一篇论文出来，主要分析2023年以来AI对美国就业市场的AI冲击。
他们的结论是，AI真的在挤掉工作，而且受冲击最大的，是刚入职场的新人。
接下来，我们就来看看AI冲击到底是如何发生的？
他们拿到了一个非常牛逼的数据集，这个数据是来自一家叫Revelio Labs的公司基于LinkedIn的招聘信息收集，包括285,000家招聘的公司，覆盖6200万打工人的简历，超过1.5亿次的招聘记录。
要知道，美国总共也就3.4亿人，所以，除掉老人和小孩，真正工作的人很大比例其实都包括在这个数据集里了。
从这些数据里，他们发现了一个很有意思的现象：
2015到2022年，初级岗位和高级岗位的就业曲线基本是手拉手往上走的，挺和谐。可到了2022年中，风向突变：高级岗位继续昂首挺进，初级岗位却停滞甚至掉头往下，两条线直接剪刀差开。偏偏这个时间点，正好撞上ChatGPT的发布，完美重合。
当然，就业情况不光和技术挂钩，可能也受经济波动的影响。为了证明AI对就业的影响，研究作者用了个聪明的办法，叫DiD（双重差分）。
通俗点说，就是做个天然的AB测试：一组公司真的用AI，另一组公司没用。可问题来了，怎么知道谁在用？
于是研究者另辟蹊径：去看公司招不招“AI Integrator”岗位，比如职位描述里有“LLM、Prompt Engineer、GenAI”这种关键词。这样锁定下来的公司有10.6万家，占比3.7%，而且从2023年开始猛增。
这样搞完，实验组和对照组就齐活了。
好戏上演：结果显示，从2023年第一季度开始，用AI的公司，初级岗位的招聘数量明显下滑，相比对照组差距越拉越大，六个季度后，差了7.7%。
高级岗位呢？完全没这个趋势，甚至AI公司招高级人才还更积极。证据链就闭环了，拥抱AI的公司，确实对年轻人关上了大门。AI真的是在“卡死”初级岗位。
那问题来了：AI到底是怎么抢饭碗的？是直接开除人吗？数据再一拆，背后逻辑很冷酷。AI公司里，初级岗位人数下降，并不是因为裁员变多，而是因为，他们根本不再招人了。
数据显示，平均每个季度少招3.7个新人。对于本来招聘量很大的公司来说，这意味着初级岗位直接缩掉22%。这是种“温水煮青蛙式”的替代，既不用付裁员赔偿，也没公关危机，就这么悄无声息地把新人的入场券抽掉了。
而且这不是个别行业的事，几乎所有行业都中招，只是程度不同。你可能觉得受打击最大的应该是互联网、软件、设计？没错，这些确实受冲击。
但最惨的其实是批发零售业。因为这个行业的初级岗位，大多是文员、客服、导购，正好是AI最擅长替代的。结果就是，拥抱AI的零售公司，比不用AI的同行，每季度少招40%的新人，招聘直接砍半。
更扎心的是，名校学历也不是这场就业危机的护身符。
在研究里，作者们把毕业院校分成Tier 1到Tier 5五个档次，结果出来一条“U型曲线”。顶尖名校（Tier 1）影响不大，普通地方学校（Tier 5）也还好，真正被打击最狠的，是Tier 2和Tier 3，也就是那些“不算顶尖，但也很不错”的学校。
为啥？因为顶尖名校生虽然贵，但能搞定复杂问题，不容易被AI替代；最普通的学校毕业生虽然能力一般，但便宜，性价比高。最尴尬的是中间档：薪资要求不低，但工作内容又刚好落在AI能替代的区间，高不成、低不就，最容易被优化掉。
在红杉看来，这个发现很关键，原因有两个：
第一，它是目前少见的、能拿出大规模数据来证明“AI真的在挤掉工作”的证据。
第二，它揭示了AI对不同人群的影响不一样：受冲击最大的，是刚入职场的新人。因为AI最擅长的是复制那些写在书本里的“显性知识”，而这些恰恰是初级岗位的核心技能。相比之下，有经验的老员工手里的“隐性知识”和判断力，目前看起来还不容易被替代。
这种变化对我们理解未来的工作有很大启发。AI时代不是单纯的“机器把人顶掉”，而更像是一场复杂的“任务再分配”：一些事情交给AI去做，同时也会出现新的任务和岗位。人类的价值，也会慢慢从“掌握标准答案”转向“积累经验、形成独特判断”。
