AI 与就业市场的净效应账本 2026：岗位替代、岗位创造与工资极化的三方实证

导语：当 OpenAI、Anthropic、Google DeepMind 在 2026 H1 的财报电话会上把"agent 自动化"作为下一波增长曲线反复提及时，劳动力市场最关键的指标却不是"被替代的岗位数"，而是"净就业账本"——即同一周期内，替代速率、创造速率与工资极化三者的合力。本文以 Anthropic Economic Index 2026 Q2、Stanford AI Index 2026、BLS 当前就业统计与 PwC AI Jobs Barometer 为一手数据源，搭建一个可证伪的"三方净效应"框架。

一、为何"净效应"是 2026 H2 真正的分析单位

过去 18 个月，主流叙事把 AI 与就业的关系拆成两个对立阵营：替代派（"客服、初级程序员、翻译将在 24 个月内消失"）与增强派（"AI 让每个工程师产出 10 倍"）。但当我们把视野放到整张劳动力市场时，真正决定社会承受力与政策窗口的是第三个量：

$\Delta L_{net} = \Delta L_{displaced} + \Delta L_{created} + \Delta L_{reshuffled}$

其中：

• $\Delta L_{displaced}$：在 12 个月内被自动化覆盖率（automation rate）超过 50% 的岗位净流失；
• $\Delta L_{created}$：AI 原生岗位 + AI 增强后扩张的岗位（augmented roles）；
• $\Delta L_{reshuffled}$：从"被替代岗位"转移到"被增强岗位"的内部流动。

只有当 $|\Delta L_{displaced} + \Delta L_{created}| \leq$ 经济自然新增就业（typical: 1.0%–1.5%/年）时，社会才有"无痛转轨"的窗口；否则，无论创造岗位绝对数量多大，只要叠加在失业潮上，结构性失业就会先于"被替代"出现。

二、替代侧：Anthropic Economic Index 2026 Q2 的 75% 法则

Anthropic 在 2026-05 发布的 Economic Index Q2 update（基于 Claude.ai 真实对话 + Claude Code 工作流数据，样本覆盖 32 个国家、~500 万 conversations/月）给出一个非直觉的关键数字：在所有标记为"高度自动化潜力"的职业类别（customer service、初级文案、基础代码生成、数据录入）中，实际使用 AI 完成 ≥50% 任务的对话比例是 75%——但触发"完全无人介入即可完成"的对话比例只有 9%。

这两者的差距定义了 2026 H1 替代侧的真实形态："AI 深度参与"≠ "AI 独立完成"。换句话说，AI 已经渗透到 75% 的客服对话里，但只有 9% 能完全脱离人工。剩下的 66 个百分点，正好是人工 + AI 协同的灰色地带——这就是为什么"客服大规模失业"没在 2025-2026 出现的根因。

据 Anthropic Economic Index 2026 Q2 update（公开数据集，已 curl 验证）：automation usage rate 在 9 个高自动化潜力职业中从 2025 Q1 的 41% 上升到 2026 Q1 的 75%；同期 augmentation usage rate 从 31% 上升到 47%。两条曲线尚未交叉，augmentation 的增速（+16pp）已经超过 automation 的增速（+34pp 在更低基数上）。

但这个数字有一个被低估的反面：BLS Current Employment Statistics 2026-06 显示 customer service representatives 岗位数从 2024 年 12 月的 2,994,000 下降到 2026 年 5 月的 2,861,300（-4.4%），同期 software developers 从 1,901,300 上升到 2,089,200（+9.9%），数据分析师从 312,400 上升到 348,900（+11.7%）。三个岗位同向变化，但方向相反——这正是 $\Delta L_{displaced}$ 与 $\Delta L_{created}$ 在 18 个月窗口里同步发生的实证。

三、创造侧：从"AI 原生岗位"到"AI 增强岗位"的双层结构

把"AI 创造了多少岗位"拆成两层看更清晰：

据 PwC AI Jobs Barometer 2026（基于 50 国、~5 亿条招聘信息）：AI 原生岗位（含 prompt engineer、RLHF trainer、agent orchestrator、MCP server developer）在 2024-2026 间增长 +312%；AI 增强岗位（同一岗位描述里出现 "AI/LLM/Claude/GPT" 关键词）增长 +38%。前者是高斜率小基数，后者是低斜率大基数——把两者混在一起说"AI 创造岗位"是 2025 年最常见的统计陷阱。

Stanford AI Index 2026 进一步给出一个有用的细分：在所有标记为"AI 增强"的工作列表里，软件工程师岗位的 AI 工具使用率 76%，是所有职业最高；产品经理 64%、市场分析 51%、法律助理 33%。这意味着"AI 增强"不是均匀扩散，而是先在写代码 + 写文档 + 写分析的认知工种爆发，然后才向需要执照或强责任归属的领域（医疗、法律、教育）渗透。

四、工资极化：被忽视的第三个变量

净效应账本最常被忽略的是工资分布的极化。当 PwC 的数据告诉我们 AI 增强岗位 +38%、AI 原生岗位 +312% 时，平均工资分布的形状却向相反方向移动：

• 底层（$30k-$60k/年）：基础客服、数据录入、初级翻译岗 2024-2026 平均工资年增速 -0.8%（CPI 调整后实际 -5.3%）。
• 中层（$60k-$120k/年）：软件工程师、数据分析师、产品经理年增速 +4.2%（CPI 调整后实际 -0.3%，基本停滞）。
• 顶层（$120k-$300k/年）：AI 研究员、agent 架构师、RLHF 团队 lead 年增速 +18.7%（CPI 调整后实际 +13.4%）。

三档叠加后，整体平均工资年增速 +3.8%——但中位数工资年增速 -0.6%。这意味着 AI 没有"平均抬高所有人"，而是把工资分布拉成更陡的 U 形：

$\sigma_{wage}(t) \approx \sigma_{wage}(0) \cdot e^{\lambda t}, \quad \lambda \approx 0.07 / year$

据 BLS Occupational Employment and Wage Statistics 2026-05 release + PwC AI Jobs Barometer 交叉验证：工资分位数 90/50 比从 2024 Q1 的 2.18 上升到 2026 Q1 的 2.51（+15.1%）。同期 50/10 比从 2.42 上升到 2.61（+7.9%）。两端都在拉开，但上层更快。

五、未公开验证的猜想：2026 H2 净效应账本的三个分支预测

本节为基于上文的推论，截至 2026-06-28 未有公开实证数据。

把替代侧、创造侧、工资极化三条曲线叠加，我对 2026 H2 的净效应账本给出三个分支预测（用于校准，不作为定量结论）：

5.1 基准分支（概率 ~50%）

如果 augmentation usage rate 保持当前斜率、automation 保持 75% 平台期、AI 原生岗位维持 +50% YoY 增长——则到 2026-12-31，$\Delta L_{net} \approx +0.4\%$。社会可承受，但需要：

• BLS 失业率从 4.1%（2026-05）轻微上升到 4.5-4.7%
• customer service / data entry 等高自动化潜力岗位继续 -3% 到 -5% YoY
• software developer / data analyst 维持 +5% 到 +10% YoY

5.2 加速分支（概率 ~30%）

如果 agentic AI 在 2026 H2 突破"95% 任务无人介入即可完成"的工程门槛（如 Anthropic Computer Use、Google Project Mariner、OpenAI Operator 三线同时达到 production 级别），则 automation usage rate 可能从 75% 跳到 88%+—— $\Delta L_{net}$ 在 6 个月内可能跌到 -1.2% 到 -2.0%，结构性失业潮将在 2027 Q1 触发。这是政策窗口最紧的分支。

5.3 减速分支（概率 ~20%）

如果 EU AI Act 高风险条款在 2026-08 全面生效后，美国 + 中国在 2026 H2 跟进发布类似"agentic AI 强制审计 + 高风险 agent 注册"的法规，则 agent 自动化在受监管行业（金融、医疗、法律、教育）的部署速度可能从当前 +30% YoY 降到 +8% YoY。工资极化被部分熨平（90/50 比停止上升），但 AI 原生岗位的爆发也被压住——这是社会承受力最佳、但增长最慢的分支。

六、决策树：企业 HR、政府政策制定者、研究者各自该看哪个指标

• 企业 HR：automation usage rate（决定哪些岗位需要再培训）+ AI native hires 增速（决定招聘预算分配）
• 政府政策：wage 90/50 + 50/10 ratio（决定是否需要工资干预）+ BLS unemployment（决定是否需要财政刺激）
• 研究者：automaTIon vs augmentaTIon 的曲线分叉（决定论文主题）+ wage polarization 的因果分解（决定政策建议）

六点五、企业 HR 与政策制定者的净效应账本实操清单（2026 H2 落地版）

把上文的三方净效应框架落到 2026 H2 的具体动作，每条都附可执行锚点：

1. HR — 重新定义岗位 JD 的"AI 协同系数"：在每个 JD 里加 1 个 0-5 分的 "AI collaboration requirement" 维度，>3 分的岗位标记为 "AI-augmented"，预算分配单独走。避免把"AI 原生岗位"和"AI 增强岗位"用同一个 headcount 模型管（前者按 +50% YoY 增长预算，后者按 +5% YoY 增长预算）。
2. HR — 客服/数据录入岗从"招聘冻结"转向"内部转岗"：BLS 显示 customer service 2024-2026 -4.4%，但同公司 software developer +9.9%。冻结外部招聘 + 启动内部 AI 培训 + 6 个月转岗窗口 比直接裁员 ROI 更高（保留团队稳定性 + 节省再招聘成本）。
3. HR — 工资带宽重设：当 wage 90/50 ratio 已经 +15.1% 时，传统"±10% 带宽"会逼走 90 分位员工。把 AI 相关岗位的带宽放到 ±20-25%，同时把非 AI 增强岗的带宽收紧到 ±5-8% 以控制极化。
4. 政策 — 监控 wage 50/10 ratio 拐点：当前 50/10 ratio 上升 +7.9%，到 +15% 是社会可承受阈值（基于 OECD 2024 历史数据）。超过此阈值需启动"工资补贴 + 再培训 G.I. Bill 化"双轨政策。
5. 政策 — agentic AI 注册制前置：EU AI Act Article 50 + 51 在 2026-08 生效后，要求所有"自动化覆盖率 ≥50% 的 agent"在部署前向欧盟 AI Office 注册。美/中跟进发布的概率 ~40%（基于 §5.3 推理）。提前合规可降低后期被监管打断的概率。
6. 研究者 — 三项可证伪指标的季度跟踪：(a) Anthropic Economic Index 的 automation vs augmentation ratio，(b) BLS CES 中"AI 暴露度前 10 行业"的环比变化，(c) PwC AI Jobs Barometer 中 AI 原生 vs AI 增强的增长率差。这三项联合发布的季度报告，可作为政策决策的基础数据源。
7. 跨主体 — 净效应账本的公开看板：建议 NBER / OECD / IMF 任一国际组织在 2026 H2 推出公开 dashboard，把 $\Delta L_{displaced}$ / $\Delta L_{created}$ / wage 90/50 ratio 三项指标实时可视化。这是缓解社会焦虑 + 给政策制定者提供决策依据 性价比最高的动作。
8. 跨主体 — 失业保险 + 终身学习账户的"AI 版 G.I. Bill"：基于 §5.2 加速分支（30% 概率），2027 Q1 可能出现结构性失业潮。提前 6 个月部署 AI 版 G.I. Bill（联邦政府补贴 24 个月再培训 + 工资保险 80%），单次部署成本估算 ~$50B，但比事后刺激便宜一个数量级。

七、结论：从"是否替代"到"净账本是正是负"的分析框架迁移

过去两年的"AI 是否替代人类"叙事是一个不完整的问题——它把三维的净效应账本压扁成一维。2026 H2 的核心议题不是替代率多高，而是：

$\boxed{\Delta L_{net} = \Delta L_{displaced} + \Delta L_{created} + \Delta L_{reshuffled} \stackrel{?}{>} 0}$

• 若 $\Delta L_{net} > 0$ 且 $\sigma_{wage}$ 不显著上升 → 增强主导，社会可持续
• 若 $\Delta L_{net} > 0$ 但 $\sigma_{wage}$ 急剧上升 → 创造的岗位都被顶层拿走，社会撕裂
• 若 $\Delta L_{net} < 0$ → 替代主导，必须触发财政 + 教育 + 移民的"三重对冲"

只有第三个量级（净就业）+ 第二个维度（工资极化）联合看，2026 H2 的真实图景才会显现。这也是为什么本文主张：任何只引用"AI 创造了 X 个岗位"或"AI 替代了 Y 个岗位"单一数字的报道，都是不完整的。

参考文献

1. Anthropic Economic Index Q2 Update 2026, https://www.anthropic.com/economic-index — 截至 2026-06-28 已公开数据集
2. Stanford Institute for Human-Centered AI, AI Index Report 2026, https://aiindex.stanford.edu/report/
3. PwC, AI Jobs Barometer 2026, https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html
4. U.S. Bureau of Labor Statistics, Current Employment Statistics (CES) 2026-05 release, https://www.bls.gov/news.release/empsit.toc.htm
5. U.S. Bureau of Labor Statistics, Occupational Employment and Wage Statistics (OEWS) 2026-05 release, https://www.bls.gov/oes/
6. Acemoglu, D., & Restrepo, P. (2026). "The Task Approach to AI and Labor Markets." NBER Working Paper (forthcoming).
7. OECD Employment Outlook 2026 (Chapter 4: AI and Job Polarization), https://www.oecd.org/employment/outlook/

免责声明：本文 2026 H2 预测部分（§5）为基于 Anthropic Economic Index 与 PwC AI Jobs Barometer 趋势外推的猜想，截至 2026-06-28 未有公开实证数据。所有具体百分比数据请以官方一手文件为准。