别被 AI 失业标题带偏：先看这四组数字怎么读

先看这份调查的规模。Pew 研究中心在 2026 年 9 月 17 日发布的报告里，调查覆盖 4.2 万余人、36 个国家。按报告口径，37 个国家当中有 34 个，认为 AI 会让岗位变少的人多于认为会变多的人。

AI 就业预期是指公众对人工智能未来几年会增加还是减少工作岗位的判断。它不等于真实的就业数据，却会影响两个具体决定：一个人要不要换行业，一家公司要不要提前调整岗位编制。

本文把 2026 年几家主要机构的公开数字摆在一起，回答两个问题：它们为什么互相打架，普通人该看哪几个指标。

先说结论。能查证的证据显示，AI 对就业的影响真实存在，但强度和速度都低于 2025 年的普遍预期。担心本身不是问题，把担心变成一次简历修改，才是有效的动作。

37 个国家里，34 个都在担心同一件事

高收入国家的担心最集中。Pew 的报告显示，澳大利亚、韩国、美国等国家中，约七成或更多受访者认为未来 20 年 AI 会导致工作岗位减少。美国是报告里唯一被重复调查的国家，这个比例在两年里上升了 7 个百分点。

年轻人的变化更明显。美国 18 到 34 岁人群中，认为 AI 让人担忧多于兴奋的比例，从 2024 年的 40% 升到 2026 年的 55%。在 11 个高收入国家里，女性比男性更担心，法国的差距达到 10 个百分点。

中等收入国家的答案更分散。部分国家的受访者里，回答不确定的比例超过四成，其中低收入、低学历群体更倾向回答不确定。37 国的中位数是：37% 的人担忧多于兴奋，41% 的人两种感受都有。

这份调查里还有一组反直觉的数据。德国受访者中，对 AI 了解越多的人，担忧比例反而更低，前者约 26%，后者约 41%。可见度和担心之间，并不总是正相关。

同一道题，各家给出的答案差多少

把不同机构的结论排在一起，差异会非常明显。下面这张表按发布时间排列，每一行都注明了口径，因为口径不同就不能横向相加。

这张表里有一个规律：越是具体的测算，给出的冲击越小；越是抽象的预期，给出的冲击越大。世界经济论坛的净增 7800 万是总量预测，麦肯锡的 14% 是实际发生的比例，斯坦福的结论来自就业统计。

同一份麦肯锡调研还有三组数字可以对照。近九成受访企业表示，已在至少一项业务职能中常态化使用 AI。实现全企业范围 AI 部署的企业比例，从上一年的 38% 提升到 44%。56% 的企业已在三项及以上业务职能中应用 AI。

这三组数字说明，AI 已经进入日常工作，但它首先是加在原有岗位上的，未必是替换。真正需要留意的不是用不用，而是谁负责判断结果对不对。

这些数字该怎么读

第一条，分清预期和事实。调查问的是你担不担心，裁员统计记录的是多少人被裁。把担心当成事实，会高估冲击；把事实当成没事，会低估准备时间。

第二条，分清总量和结构。净增 7800 万个岗位是总量，它不保证你所在的岗位不被替换。减少集中在流程化、可标准化的环节，新增集中在应用落地和交付环节。

第三条，分清暴露和失业。约 40% 的岗位暴露于 AI，说的是这些岗位里的部分任务可以交给工具完成，不等于这些岗位会消失。

第四条，看时间尺度。世界经济论坛的预测期到 2030 年，斯坦福的结论覆盖 2022 到 2025 年。短期数据和长期预测混在一起比较，就会得出互相矛盾的印象。

这四条放在一起，会得到一个更有用的看法：担心是合理的，但担心的强度不该由标题决定，而该由你能改的那部分决定。其实，担心和行动之间，差的是一次修改。

反过来说，为什么有人认为冲击被夸大

第一类证据来自预期与实际的落差。麦肯锡 2026 年 8 月发布的调研显示，2025 年有 32% 的受访高管预计企业会因 AI 减员。一年后，实际发生减员的企业只有 14%，三分之二的企业表示人员规模没有明显变化。

第二类证据来自就业统计。斯坦福 HAI 在《2026 人工智能指数报告》中指出，2022 到 2025 年美国失业率上升与岗位的 AI 暴露度没有明显关系。暴露度最高的那组岗位，失业率上升 0.30 个百分点；暴露度最低的那组，上升 0.94 个百分点。

第三类证据来自时间跨度。耶鲁大学预算实验室的测算显示，ChatGPT 发布后的 33 个月里，没有观察到可辨识的、由 AI 引起的劳动力市场扰动。OECD 在 2026 年 7 月的研究也认为，语言模型对年轻人就业困难的解释作用目前仍然有限。

也有相反的证据，不能忽略。世界银行基于 2.85 亿条招聘帖的研究显示，高替代脆弱性职业的招聘量在三年里下降约 12%，而且降幅在扩大。Indeed 在印度的数据里，2026 年 5 月软件开发的招聘帖同比减少 12.3%。

也要看清这些结论的边界。斯坦福的统计覆盖美国，耶鲁的测算同样是美国口径，世界银行的样本是招聘帖子。把不同国家的结论当成同一件事，容易误判自己所在市场的处境。

更稳妥的说法是：总量层面暂时看不到崩塌，结构层面正在重新分配。这两句话并不矛盾，它们描述的是不同层级的现实。真正决定体感的，是结构。

中国这一侧的数据长什么样

中国目前能看到的数据集中在新增岗位上。脉脉高聘在 2026 年 9 月 16 日发布的报告显示，2026 年 1 到 7 月平台新经济行业新发 AI 岗位量同比增长 789.47%。同期新发 AI 岗位平均月薪为 63,160 元。

同一份报告里还有三组数字：34.09% 的职场人自述所在公司已针对 AI 能力采取管理动作；现场部署工程师岗位量同比增长 1522.73%；AI 产品经理岗位量同比增长 120.54%。

校招侧的结构也在变。脉脉 2026 年 9 月的报告显示，2026 年 1 到 5 月全国新发校招岗位量同比小幅增长 3.56%。其中 AI 岗位同比增长 47.3%，增速远高于整体水平。

政策侧的信号更直接。据新华网和科技日报 2026 年 9 月 7 日报道，过去五年人力资源和社会保障部发布的 72 个新职业中，超过 20 个与人工智能直接相关。国务院印发的《实施就业优先战略规划》部署了劳动者转型转岗就业支持计划。

报告里还有一个结构变化值得注意。在新发 AI 岗位量前十的城市中，合肥、成都、苏州的增速最快，同比分别增长 1570.37%、1158.70% 和 1068.18%。万人以上企业贡献了 33.49% 的新发 AI 岗位，百人以下小企业的相关岗位量同比增长 1040.57%。

把这几组数据放在一起，中国的曲线目前更接近新增岗位先动，而不是存量岗位先减。这个结论有边界：它基于招聘平台数据，样本不代表全部就业，也不覆盖不公开招聘的岗位。

对个人来说，能抓住的是什么

调查数据能告诉你气氛，告诉你别人在担心什么，但它不能替你决定下一步。它构成背景，不构成决策依据。

仙踪问道在帮求职者改简历时发现，多数人卡住的不是没有经历，而是没有把三件事写清楚：谁负责什么、工具负责什么、结果是多少。这三句话写出来，一份简历的可用性会明显提高。

仙踪问道的建议是每半年核对一次自己的可核对结果。岗位要求在变，简历也该跟着更新，不必等到投递那一刻才动手。

有一点需要说清楚：把 AI 写进简历不等于会用 AI。招聘方关心的是你能不能让工具完成一件具体的事，而不是你听说过多少个工具。

可以立刻做的一件事，是复盘自己的项目清单。把过去一年做过的事写下来，逐条标注哪一件能说出可核对的结果。写不出来的那几件，往往就是面试里最容易被问住的部分。你手上哪个项目，能说出一个具体的数字结果？

写在最后

Pew 的调查问的是担心，麦肯锡的调研看的是实际，两边的答案并不冲突。总量上暂时没有崩塌，结构上正在重新分配，这两句放在一起，才是 2026 年的完整画面。说到底，岗位在变，能核对的结果不会过时。

说到具体动作，如果你想让简历更快对上岗位要求，可以试试仙踪问道·AI 简历优化，它会按技能、年限、项目和成果逐项标出缺口。觉得这篇有用，欢迎关注这个账号，后面我会继续把就业数据里说不清的门道拆成能对照的表和清单；你所在的岗位，今年感受到的变化是真的还是听来的？欢迎在评论区聊聊。

简历上的每一处，都值得对照。仙踪问道·AI 简历优化把技能、年限、项目和成果拆成可直接对照的清单，逐项标出你与目标岗位之间的缺口，接进你已有的投递流程里。