本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
技术性失业的预言家们遇到了麻烦：澳大利亚的数据不支持他们的判断。自2022年底ChatGPT推出以来，经济学家、工会和咨询机构纷纷预测生成式AI将大规模摧毁认知类岗位。澳大利亚选择观察实际发生的情况。结果更像缓慢的地壳运动，而非一场地震。
这并不意味着AI无害。重组正在按行业逐步展开，公共政策仍有时间介入——前提是配备合适的工具。
核心要点
根据澳大利亚就业与劳动关系部的数据，自2022年11月以来，最受AI影响的职业就业增长了5.6%，受影响较小的职业增长了9.5%。差距真实存在，但未出现大规模岗位消失。常被描绘为首批受害者的年轻毕业生，实际表现好于灾难性预测。澳大利亚的主要贡献是一套方法：按职业持续追踪，区分实际发生的变化与理论模型的预测。
增长差距提出了正确的问题
就业与劳动关系部2025年发布的报告，是少数几个近乎实时按职业追踪AI就业影响的国家级统计项目之一。方法基于职业受AI影响程度的分类——按当前模型可自动化或增强的任务比例评估，并与劳动力市场季度数据交叉分析。
核心结论就是这一差距：自2022年11月以来，受影响最大的职业就业增长5.6%，受影响较小的职业增长9.5%。有两点需要说清楚。第一，两类职业的就业都在增长，受影响职业的绝对就业人数并未减少，只是增速较慢。第二，这一差距测量时间不足三年，期间澳大利亚整体劳动力市场偏紧，失业率保持低位。从这一发现推断灾难即将来临，是过度解读；但忽视这一差距，则是否认事实。
数据明确告诉我们：AI已对劳动力市场产生差异化压力。数据尚未回答的是：这种压力究竟是更大冲击的早期信号，还是渐进式重组的持久特征。这一区别对公共政策的选择至关重要。
年轻毕业生表现好于预期
AI对就业影响的预测中，年轻毕业生是最受关注的群体。逻辑看似清晰：语言模型擅长中级分析任务——撰写摘要、分析合同、编写简单代码——而这些正是高技能行业入门级岗位的核心内容。年轻律师、初级分析师、初级开发人员本应首当其冲。
澳大利亚的数据修正了这一预判。报告显示，受影响行业的年轻毕业生并未出现明显的就业下滑。初级岗位就业持续增长，有时增速放缓，但没有出现断裂。几种机制可以解释这一现象。企业维持了入门级招聘，因为在实际操作中，AI提升的是监督初级员工的资深人员的效率，转移了任务但保留了岗位。AI工具的使用培训通常由新入职者传授，他们带来了组织急需的数字文化。在受影响行业，服务可及性提高有时还会带动需求增长——使用AI工具的律师事务所可以承接更多案件，从而维持了用人需求。
这并不能保证未来几年的走势。发展轨迹取决于AI模型在复杂任务上的进步速度，以及组织重构流程的能力。但至少在现阶段，年轻高技能人才被快速替代的情景，在澳大利亚数据中并未出现。
行业之间，动态各异
全国总量掩盖了行业间的巨大差异。澳大利亚方法的真正价值正在于按职业拆解，让我们看清压力集中在哪里。
金融服务、法律服务、写作与分析职能、部分会计岗位：这些职业理论上受AI影响较大，就业增速也低于全国平均水平。医疗行业呈现相反态势——诊断AI工具的应用在增加，但就业增长受到澳大利亚老龄化人口结构性需求的支撑。建筑业和熟练体力职业受当前生成式AI模型影响有限，增速强劲。
这种行业差异性，正是总体模型难以捕捉的。宣称”40%的岗位受威胁”的报告——引用国际货币基金组织或经合组织的估算——谈的是对可自动化任务的理论接触；而实际观察到的就业轨迹，是另一种衡量标准。澳大利亚按职业追踪实际就业人数，为大多数AI与工作的讨论注入了一层经验现实。
关于统计工具的局限性，Diane Coyle的分析揭示了用工业时代的工具衡量认知经济转型会丢失什么。
缓慢转型及其对公共政策的影响
重组是缓慢的、行业性的且可衡量的，这对公共政策的影响不容忽视。自2022年以来，AI与就业的讨论催生了两种政策倾向：要么观望（”等着看”），要么紧急动员（”现在就必须全面改革”）。如果实际轨迹如澳大利亚数据所呈现的，两种回应都偏离了目标。
缓慢的重组需要持续的监测工具、可实时调整的再培训计划，以及将公共培训投资引向压力开始集中的行业的能力——在就业下滑变得不可逆之前。
法国正在探索类似路径。一份最新报告估计，每八名劳动者中就有一人直接面临代理型AI崛起的挑战，但按职业进行精细追踪的工具仍不如澳大利亚完善。劳动与资本之间的税收失衡，使构建一套关于转型的稳健监测仪表盘更加紧迫。
澳大利亚凭借其监测体系，在这方面走在了前列。但这套方法只有与能够根据观察结果采取行动的机构配合，才真正有用。统计监测是必要条件，不是充分条件。
没人愿意面对的二十年远景
缓慢重组的真正挑战在于制度层面。政治周期短，职业转型政策也短。基于五年规划的再培训机制，无法适应持续二十年的转型。
如果澳大利亚的轨迹持续，受影响与不受影响职业之间每年几个百分点的增长差距，在十到十五年内没有明显断裂，那么对整整几代人的累积效应可能相当显著——却从未产生能够吸引政治注意力的冲击。这就是缓慢变化的悖论：没有哪一年看起来像危机，而这些非危机年份的叠加，可能构成一场重大转型，直到难以弥补时才被察觉。
这一假设——数据允许提出，但尚未验证——促使我们重新思考就业政策的时间尺度。继续教育体系、再培训权利的可携带机制、企业与大学调整课程的合作：如果重组持续二十年而非五年，这些工具将成为基础设施，而非应急预案。
澳大利亚尚未从其监测工作中得出操作性结论。就业与劳动关系部的报告记录事实，不开处方。但通过生成关于就业受AI影响的长期数据序列，它为基于证据的政策创造了条件，而非依赖理论预测。目前，这更多是方法论上的领先，而非政策层面的领先。
测量以行动
澳大利亚这项工作的真正贡献，在于5.6%对9.5%这个数字使某些事情成为可能。知道哪些行业偏离了趋势，就可以在差距扩大为鸿沟之前，将培训资源精准投入其中。有了季度数据序列，就可以区分深层趋势与周期性波动。按职业而非大行业细化，就能从泛泛而谈进入可操作层面。
未来几年内开发出类似工具的国家，将能更准确地校准政策回应。继续依赖总体理论预测的国家，要么对未实现的情景反应过度，要么对悄然积累的行业重组反应不足。
对其他发达民主国家而言，问题很实际：国家统计机构中，谁负责开展同等监测？频率如何？澳大利亚已奠定基础。它现在邀请同行们提出同样的问题。
来源
- 澳大利亚就业与劳动关系部，《AI与澳大利亚就业》，https://www.dewr.gov.au/workplace-relations/announcements/ai-and-employment-australia-report
- 国际货币基金组织，《AI与工作的未来》，2024年专题报告
- 经合组织，《经合组织2023年就业展望：人工智能与劳动力市场》
- 进步者日志，每八名法国劳动者中就有一人面临代理型AI的挑战
- 进步者日志，读书笔记：用1940年的工具衡量进步——Diane Coyle的诊断
- 进步者日志，劳动承担了一半的税收，而替代它的资本几乎不纳税