研究基本信息
研究标题：Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data
研究作者：Guy Lichtinger, Seyed Mahdi Hosseini Maasoum
发表平台：SSRN (Social Science Research Network)
研究时间范围：2015-2025年
核心论点
生成式AI正在引发一种"偏向资历的技术变革"（seniority-biased technological change），对初级员工的就业产生了不成比例的负面影响，而资深员工则未受影响甚至持续增长。
关键研究发现
1. AI采纳公司的初级岗位就业显著下降
自2023年第一季度起，即生成式AI技术广泛传播之后，采纳AI技术的公司中，初级员工（Junior-level）的就业人数相对于未采纳AI的公司出现了急剧下降。与此同时，这些公司中资深员工（Senior-level）的就业人数则继续保持增长，甚至增速超过未采纳AI的公司。
2. 主要影响机制是减少招聘，而非裁员
初级员工数量的减少主要源于公司大幅削减了对新初级员工的招聘，而不是因为增加了裁员或离职。采纳AI的公司在2023年第一季度后，平均每季度招聘的初级员工减少了约3.7人，降幅约为22%。
3. 对现有初级员工晋升的潜在积极影响
在采纳AI的公司里，现有初级员工获得内部晋升的机会反而增加了。这可能意味着AI的应用帮助现有员工更快地摆脱重复性任务，从而获得更多晋升到资深岗位的机会。
4. 行业和学历背景的差异化影响
行业层面：削减初级岗位招聘的现象在多个行业普遍存在，其中批发和零售业受到的冲击最大，采纳AI的公司在该行业的初级员工招聘量下降了约40%。
学历背景层面：AI对初级员工就业的影响呈现出"U型"模式。毕业于中等偏上水平院校（第二、三梯队）的初级员工就业下降幅度最大。相比之下，来自顶尖名校和较低层次院校的毕业生受到的负面影响较小。
深层影响分析
"职业阶梯侵蚀"的长期后果
如果初级岗位大量减少，整个人才培养体系将面临挑战。传统上，初级岗位不仅是就业机会，更是技能积累和职业发展的起点。
U型影响模式的社会学意义
中等院校毕业生受冲击最大，可能会加剧教育分化：要么是顶尖人才，要么接受低技能工作，中间层被挤压，对社会流动性产生重大影响。
现有员工晋升增加的悖论
虽然现有初级员工晋升机会增加，但这创造了"幸存者偏差"——只有在职员工受益，新求职者面临更高准入门槛。
政策启示与思考
- 教育政策：高等教育是否需要调整课程设置，减少容易被AI替代的技能培训？
- 劳动政策：是否需要新的政策工具来支持受影响的初级求职者？
- 企业责任：企业是否应该承担更多培训新人的社会责任？
- 社会流动：如何确保技术进步不会加剧社会不平等？
结论与启示
这项研究提供了早期且广泛的证据，表明生成式AI正在重塑企业内部的职业阶梯，尤其是侵蚀了职业生涯的"底层阶梯"。
这种趋势可能会对大学毕业生的职业发展、终身收入增长、社会向上流动性以及收入不平等等方面产生深远的负面影响，需要政策制定者、教育机构和企业的共同关注与应对。