大摩报告揭秘：AI淘汰的不是年轻人，而是只有经验的熟练工
AI对职场的影响，终于从未来的预测，变成了眼前正在发生的现实。
摩根士丹利近期发布了一份颇具深度的报告——AI就业影响报告。此次大摩拓展了研究边界，涵盖了银行、软件、硬件、半导体及专业服务五大核心领域，调查了美、英、德、日、澳五国共计808家已使用AI至少一年的企业。
结论十分清晰：AI正在实实在在地重塑全球劳动力市场。过去一年，这五大行业平均出现了5%的净岗位流失，同时实现了9.6%的平均生产力提升。
但这并非简单的 "AI抢饭碗" 故事，数据背后隐藏着一场远比我们预想中更错综复杂、更深刻的劳动力大洗牌。
首先聚焦最核心的就业数据。
去年，AI导致12%的岗位被直接裁减，另有15%的岗位空缺后不再补招，两者相加共有27%的岗位受到负面影响。然而，企业也创造了22%的新岗位，最终计算得出5%的净损失。
这一数字与大摩年初对消费、地产、交通、医疗、汽车五大行业调研得出的4%净损失结果惊人地相似，表明AI对就业的冲击已演变为跨行业的普遍现象。
然而不同行业的体感差异极大：
半导体行业：净裁员8%，在所有行业中最高
软件行业：净裁员7%
科技硬件：净裁员5%，恰为平均水平
专业服务：净裁员4%
银行业：净裁员仅3%，在所有行业中最低
为何银行业反而最为稳健？关键在于其极高的监管要求，许多核心岗位无法完全被AI取代，且银行在AI应用上更倾向于 "辅助人类" 而非 "取代人类"。反之，半导体和软件行业技术迭代极快，AI对代码编写和芯片设计等工作的替代效应最为显著。
各国之间的差异同样悬殊：
日本：净裁员高达10%，在所有国家中最为严重
英国：净裁员6%
美国：净裁员5%，恰为平均水平
澳大利亚：净裁员4%
德国：不仅未裁员，反而实现了1%的净岗位增长
德国这种反直觉的表现值得留意。调查显示，尽管德国企业裁撤了9%的岗位，12%的岗位不再补招，但同时也招聘了22%的新员工，实现了净增长。这表明德国企业更倾向于用AI来 "升级" 劳动力，而非简单地 "削减" 人员。
大摩报告中还有一个颠覆常识的发现。
长期以来，我们普遍认为刚毕业的大学生和初级员工最容易被AI取代。然而报告指出，事实恰恰相反。
拥有2-5年工作经验的员工受冲击最为严重：18%的岗位被裁，19%的岗位不再补招，合计37%的岗位受到负面影响。
紧随其后的是6-10年经验的员工：16%被裁，16%不再补招，合计32%。
反倒是拥有20年以上经验的资深员工受影响最小：仅约5%的岗位被裁或不再补招。刚毕业的大学生虽受冲击，但程度远低于中层员工。
更有趣的是，2-10年经验的员工也是企业最愿意招聘、培训和转岗的对象。2-5年经验的员工新招聘比例达21%，再培训20%，转岗20%，均为最高。
这说明了什么？AI淘汰的不是 "年轻人"，而是 "熟练工"。那些需要重复执行、遵循固定流程、可标准化的工作，无论从业多久，只要核心在于 "熟练"，就极易被AI取代。
但同时，这些有一定基础的员工也是最容易转化为 "AI协作者" 的群体。他们熟悉行业规则和流程，一旦掌握AI工具，就能创造远超以往的价值。
因此，未来职场最危险的并非缺乏经验，而是仅有经验。
过去经济下行或企业降本时，外包员工总是最先被裁，被视为企业的 "就业安全垫"。
但在AI时代，这一规律正在被打破。总体而言，外包员工和正式员工受AI影响几乎无差别：41%的企业认为外包员工受影响最大，38%的企业认为正式员工受影响最大。
不过分行业看，差异显著：
银行和软件行业：外包和离岸员工受影响最大，特别是离岸客服和开发岗位
半导体和专业服务行业：正式员工受影响更大
科技硬件行业：合同工和临时工受影响最大
其逻辑是，AI最擅长替代标准化、流程化且无需深度业务理解的工作，而这正是外包岗位集中的领域。以前外包是为了省钱，现在用AI更省钱，自然不再需要那么多外包员工。
而半导体和专业服务行业的核心竞争力在于技术和专业知识，掌握在正式员工手中。当AI渗透这些领域时，首先受冲击的反而是在其中从事基础技术和服务工作的正式员工。
与裁员数据相比，AI带来的生产力提升更值得关注。调查显示，过去12个月，五大行业平均生产力提升了9.6%。
其中：
软件行业：10.4%，最高
银行业：10.0%
专业服务：9.6%，平均水平
科技硬件：8.6%
半导体：8.2%，最低
生产力提升最明显的岗位与大摩预期基本一致：
IT / 软件开发：70%的企业报告了明显的生产力提升
客户服务 / 支持：48%
财务 / 金融运营：42%
运营 / 供应链管理：35%
研发 / 产品：31%
更重要的是，企业衡量AI效果的指标正在变化。过去最看重 "成本降低"，现在质量和准确性成为第一指标，生产力和时间节省第二，财务影响/投资回报率第三。
这表明AI已从单纯的 "降本工具" 演变为 "提质增效的核心手段"。企业不再仅为了省钱使用AI，而是为了做得更好、更快。