•
紅杉最新分享：95%公司AI白花錢，衝擊最慘的是畢業生
科技故事總是講得很熱鬧，但真正落到普通人身上的時候，往往沒那麼宏大。
上世紀90年代，MIT 的布林約爾松提出過個“生產力悖論”：電腦越買越多，資訊化口號喊得震天響，但生產力就是不見起色。原因很簡單，光有新技術沒用，還得配套組織調整、流程重塑、員工學新技能，才會真正釋放價值。
到了2025年，這個悖論同樣發生在AI行業。最近，MIT 和哈佛研究團隊就發了兩篇論文，用海量資料把AI對職場的影響扒了個底朝天。
第一篇盯著AI對行業影響，結論直接讓人一愣：
企業裡95%的AI投入都沒產生什麼價值，真跑起來的很少。反而真正的生產力提升是通過個人實現的，員工自己掏錢買 ChatGPT、Claude 帳號，“偷偷”用AI幹活兒。這直接催生了一個新詞，“影子AI經濟”。
第二篇更扎心，它看的是AI對就業衝擊。結果發現，被AI衝擊得最狠的不是老員工，而是剛畢業的新人。換句話說，AI讓畢業生找工作越來越難了。
今天，烏鴉君就帶大家一起看看紅杉分享的這兩篇論文，順便聊聊 AI 在現實世界裡的“真面目”。
/ 01 /
95%AI投入沒價值，影子AI經濟卻在爆發
紅杉提到的“GenAI Divide”（人工智慧鴻溝），是今年MIT整得一個新詞。
這個詞的意思很簡單：ChatGPT、Copilot這些工具大家都在用，但真正從AI裡賺到大錢的公司只有5%，剩下95%的公司，要麼在試點，要麼停在宣傳層面，ROI幾乎為零。
這不是隨口一說，MIT調研了150位企業高管，聊了350名員工，還翻了300個公開案例，才得出這個結論。所以，多少還是有點根據的。
調研結果顯示，80%以上的公司試過ChatGPT、Copilot，其中40%聲稱已經部署。但真要算帳，效果卻很雞肋：AI能寫郵件、改方案，確實提升了點個人效率，但要說推動企業轉型？那基本沒有。
為了更準確評估AI對各個行業的影響，MIT還專門搞了個“AI市場顛覆指數”，從市場份額波動、新AI公司的增長、新商業模式、使用者行為變化、以及高管更換情況五個方面來進行評估。
把這些指標拉通看，結果出乎很多人意料：在9個對經濟產生的重要行業裡，真正發生明顯結構性變化的行業，只有科技和媒體，其餘七個行業，包括專業服務、醫療保健與製藥、消費品與零售、金融服務、先進產業、能源、材料，幾乎沒啥動靜。
科技行業的變化不用多說，本來就是AI的主場。比如開發工具市場，原來微軟Copilot一家獨大，現在Cursor、Zed等AI原生IDE迅速崛起，兩年間市場格局就出現了明顯波動，這在傳統軟體領域幾乎難以想像。
媒體和電信的衝擊也很直接。AI讓內容生產門檻瞬間拉低，廣告、短影片、新聞編輯，全都能批次生成。廣告預算也在轉移，更多的錢流向能做智能投放的AI平台，這一下子把傳統廣告代理的日子搞得挺緊張。
反觀其他七大行業，就很“佛系”了：
- 專業服務有點效率提升，但交付模式沒變；
- 醫療更多是做文件、轉錄的試點，臨床應用還被卡在監管門口；
- 零售就是客服和行銷最佳化，消費者的購物習慣根本沒顛覆；
- 金融在後台搞點風控自動化，但產品和客戶關係沒動；
- 製造和能源則更冷清，AI最多幫忙排排產、做點預測性維護，行業格局紋絲未動；
- 材料就更別提了，幾乎沒什麼聲音。
一位製造業COO就說得很直接：“LinkedIn上天天在喊AI顛覆世界，但對我們來說，就是合同處理快了點，別的沒什麼變化。”這句話其實道出了絕大多數傳統行業的心聲，AI確實能幫忙，但效果停留在“流程提速”，離“行業重塑”還差得很遠。
這還不是最有意思的地方。當公司AI應用還在掙扎的時候，員工已經把AI用得飛起。調研顯示，超過90%的員工報告說，他們在用個人ChatGPT或Claude帳號完成工作任務；
這形成了一個獨特的現象——“影子AI經濟”。簡單來說，員工更喜歡靈活、直觀的消費級工具，而不是笨重的企業AI。很多真正的生產力提升，正是靠這種影子AI實現的。
為什麼會出現這種情況？
原因很簡單。ChatGPT這類通用工具流行，是因為便宜、簡單、好上手，能隨時幫你寫郵件、改方案。而企業花大錢定製的AI系統，整合複雜、不記憶、不會學習，放進真實工作流裡就水土不服，最後爛尾在試點階段。
一位律師的例子很典型：公司花5萬美元買了個合同分析工具，但她依然用ChatGPT來起草合同。理由很簡單：“ChatGPT能讓我對話迭代，得到想要的結果；企業工具又死板又不好用。”
MIT把這一切和歷史做了個對比：上世紀80、90年代PC剛普及時，大家都以為生產力要爆發了，結果反而陷進了“生產力悖論”。電腦是買了，但產出並沒有馬上提升。直到組織結構、管理方式、流程重塑跟上來，價值才真正釋放。
今天的生成式AI，其實就在同樣的階段：工具已經有了，但工作方式沒變。看著熱鬧，但轉化成真金白銀的公司，還真不多。
/ 02 /
剛畢業的年輕人，危險了
說完AI對工作方式的影響，再來談談就業。
紅杉提到的第二篇論文叫“Canaries in the Coal Mine?”，翻譯過來，就是“礦井裡的金絲雀？”。
這是一個典型的英語隱喻。過去煤礦工人會帶金絲雀下井，因為金絲雀對煤氣很敏感，一旦它昏倒，就說明空氣裡有毒氣，礦工得趕緊撤。後來就成了比喻，指某種“預警訊號”或者“最早的受害者”。
這是由哈佛大學兩位經濟學博士生Seyed M. Hosseini和Guy Lichtinger搞了一篇論文出來，主要分析2023年以來AI對美國就業市場的AI衝擊。
他們的結論是，AI真的在擠掉工作，而且受衝擊最大的，是剛入職場的新人。
接下來，我們就來看看AI衝擊到底是如何發生的？
他們拿到了一個非常牛逼的資料集，這個資料是來自一家叫Revelio Labs的公司基於LinkedIn的招聘資訊收集，包括285,000家招聘的公司，覆蓋6200萬打工人的簡歷，超過1.5億次的招聘記錄。
要知道，美國總共也就3.4億人，所以，除掉老人和小孩，真正工作的人很大比例其實都包括在這個資料集裡了。
從這些資料裡，他們發現了一個很有意思的現象：
2015到2022年，初級崗位和高級崗位的就業曲線基本是手拉手往上走的，挺和諧。可到了2022年中，風向突變：高級崗位繼續昂首挺進，初級崗位卻停滯甚至掉頭往下，兩條線直接剪刀差開。偏偏這個時間點，正好撞上ChatGPT的發佈，完美重合。
當然，就業情況不光和技術掛鉤，可能也受經濟波動的影響。為了證明AI對就業的影響，研究作者用了個聰明的辦法，叫DiD（雙重差分）。
通俗點說，就是做個天然的AB測試：一組公司真的用AI，另一組公司沒用。可問題來了，怎麼知道誰在用？
於是研究者另闢蹊徑：去看公司招不招“AI Integrator”崗位，比如職位描述裡有“LLM、Prompt Engineer、GenAI”這種關鍵詞。這樣鎖定下來的公司有10.6萬家，佔比3.7%，而且從2023年開始猛增。
這樣搞完，實驗組和對照組就齊活了。
好戲上演：結果顯示，從2023年第一季度開始，用AI的公司，初級崗位的招聘數量明顯下滑，相比對照組差距越拉越大，六個季度後，差了7.7%。
高級崗位呢？完全沒這個趨勢，甚至AI公司招高級人才還更積極。證據鏈就閉環了，擁抱AI的公司，確實對年輕人關上了大門。AI真的是在“卡死”初級崗位。
那問題來了：AI到底是怎麼搶飯碗的？是直接開除人嗎？資料再一拆，背後邏輯很冷酷。AI公司裡，初級崗位人數下降，並不是因為裁員變多，而是因為，他們根本不再招人了。
資料顯示，平均每個季度少招3.7個新人。對於本來招聘量很大的公司來說，這意味著初級崗位直接縮掉22%。這是種“溫水煮青蛙式”的替代，既不用付裁員賠償，也沒公關危機，就這麼悄無聲息地把新人的入場券抽掉了。
而且這不是個別行業的事，幾乎所有行業都中招，只是程度不同。你可能覺得受打擊最大的應該是網際網路、軟體、設計？沒錯，這些確實受衝擊。
但最慘的其實是批發零售業。因為這個行業的初級崗位，大多是文員、客服、導購，正好是AI最擅長替代的。結果就是，擁抱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，名校學歷也不是這場就業危機的護身符。
在研究裡，作者們把畢業院校分成Tier 1到Tier 5五個檔次，結果出來一條“U型曲線”。頂尖名校（Tier 1）影響不大，普通地方學校（Tier 5）也還好，真正被打擊最狠的，是Tier 2和Tier 3，也就是那些“不算頂尖，但也很不錯”的學校。
為何？因為頂尖名校生雖然貴，但能搞定複雜問題，不容易被AI替代；最普通的學校畢業生雖然能力一般，但便宜，性價比高。最尷尬的是中間檔：薪資要求不低，但工作內容又剛好落在AI能替代的區間，高不成、低不就，最容易被最佳化掉。
在紅杉看來，這個發現很關鍵，原因有兩個：
第一，它是目前少見的、能拿出大規模資料來證明“AI真的在擠掉工作”的證據。
第二，它揭示了AI對不同人群的影響不一樣：受衝擊最大的，是剛入職場的新人。因為AI最擅長的是複製那些寫在書本裡的“顯性知識”，而這些恰恰是初級崗位的核心技能。相比之下，有經驗的老員工手裡的“隱性知識”和判斷力，目前看起來還不容易被替代。
這種變化對我們理解未來的工作有很大啟發。AI時代不是單純的“機器把人頂掉”，而更像是一場複雜的“任務再分配”：一些事情交給AI去做，同時也會出現新的任務和崗位。人類的價值，也會慢慢從“掌握標準答案”轉向“積累經驗、形成獨特判斷”。 (烏鴉智能說)