为一场更小、更缓慢的转变做规划,而不是为一条新闻标题
本章前两篇文章共同指向了一幅比 AI 的鼓吹者或末日论者通常给出的说法都更具体、也更不那么戏剧化的图景:在 ChatGPT 发布两年多之后,AI 对劳动力市场的广泛冲击,依然很难在汇总数据中被察觉,但在受 AI 影响的白领工作的入门层级,确实出现了一种真实且可测量的效应——它通过招聘减少而非裁员来发挥作用。这是一个比「AI 正在抢走所有人的工作」更狭窄的问题,它需要的是更具针对性的家庭规划,而不是对一个家庭管理收入方式的全盘重塑。
这是一般性的知识介绍,而不是针对个人的职业、财务、税务或法律建议。技能培养、行业培训、储蓄与收入多元化之间的正确配比,取决于年龄、所在领域、需要抚养的人口、债务、所在地与风险承受能力。在作出具有实质性后果的决定之前,请咨询合格的职业顾问、财务规划师,或劳动力发展专业人士。
最值得关注的一项发现
斯坦福大学数字经济实验室在追踪截至 2026 年年中的薪资数据后发现,在 AI 暴露程度最高的职业中,22 至 25 岁劳动者的就业水平比按照暴露程度较低同龄群体的增速本应达到的水平低约 19%——经验丰富的劳动者不存在类似的差距,而且这一效应集中体现在招聘减少上,而非解雇增加。把这一点转化为家庭层面的语言:这首先并不是「我会不会被解雇」这类风险,而是「下一个岗位空缺是否真的存在,一个没有经验的申请人是否会被纳入考虑」这类风险。这改变了应对准备该有的样子。一位已经在某个岗位上站稳脚跟的劳动者,所面临的敞口与一个正试图首次进入某个领域的人截然不同,而且通常要小得多。
分散技能,胜过试图预测哪个领域「安全」
没有哪个家庭能够识别出一种永久性抗 AI 的职业,而围绕单一猜测构建计划,本身就是一种集中风险。更持久的做法,是让一个人能够展示的价值类型本身实现多元化:
- 默会、依赖判断力的技能。 需要诊断陌生问题、在不确定性中运用专业判断,或当面建立信任的工作,之所以能抵御自动化,原因与熟练技工的行业相同——它难以被编码,这正是经济学家所说的波兰尼悖论。要在当前的任何岗位中,寻找机会去构建并记录这类判断力。
- 熟练使用工具,但不依赖工具。 学会在自己所在领域中有效地使用 AI 工具,但要保留识别出错误或捏造产出的能力。一个能产出更多材料、却无法核实这些材料的劳动者,是一种负担,而不是一项资产。
- 可携带的证明。 一份作品集、有据可查的成果,以及超出单一雇主范围之外的职业关系网络,会以一份职位头衔所不具备的方式,伴随一个人流动。
把行业技能与学徒培训路径当作一种真正的对冲
对于正在权衡一位年轻成年人下一步该怎么走的家庭,或是正考虑转型的职业中期劳动者而言,与其看二手的新闻标题,不如直接查看美国劳工统计局当前(2025—2035 年)的预测数据:
| 行业 | 预计增长率 | 年度空缺 | 薪酬中位数(2025 年 5 月) |
|---|---|---|---|
| 电工 | 9% | 约 72,700 | 63,190 美元 |
| 水管工、管道安装工、蒸汽管道工 | 7% | 约 42,000 | 63,800 美元 |
| 暖通空调/制冷技术员 | 11% | 约 40,600 | 61,010 美元 |
| 电梯/自动扶梯安装工 | 6% | 约 1,900 | 109,910 美元 |
| 居家健康/个人护理助理 | 18% | 约 760,500 | 35,800 美元 |
这些行业同时具备两项如今大多数白领入门路径都无法兼顾的特点:一种在培训期间就能带薪的学徒结构(例如以电工为例,大约需要四到五年时间,以及每年约 2,000 小时的带薪培训),以及一种由人口结构与实体在场需求驱动、而非聊天机器人可以替代的用人规模所驱动的需求。这并不是在主张人人都该去当电工。这是在主张,行业技能与学徒培训路径,理应与四年制学位一样得到认真的考量,对于正要进入一个斯坦福研究者已经记录到招聘缺口的领域的年轻成年人而言,尤其如此。本章中的抗自动化行业一文,对其中的细微差别与例外情况有更深入的探讨——体力劳动并不天然安全,而选择这五类行业,是因为它们把判断力、实体在场需求与结构性需求结合在了一起,而不是因为「体力劳动」本身就是一种普遍的豁免。
多重收入来源,要按实际情况老实地衡量规模
本章上一篇文章发现,个人创业确实出现了真实的增长,并得到了美国人口普查局数据的独立印证,与此同时,在受 AI 影响的领域中,也确实存在一个真实的初级岗位招聘缺口。把两者放在一起看:第二收入来源值得尝试,但不值得让整个家庭的稳定性都押注其上:
- 从一个有边界、低成本的实验开始——一项服务、一类客户、一个有上限的时间与资金预算,以及一个明确的决策日期——而不是彻底转型。
- 在开始之前,先确认雇主是否存在任何利益冲突、兼职或非招揽方面的规定。
- 留意这第二个收入来源,是否真正独立于威胁主要收入的那些相同力量,还是只是以另一种名目,暴露在相同的 AI 驱动或经济风险之下。
- 在进行任何实验的同时,维持家庭核心的财务缓冲;有关这方面规划中储蓄与债务这一侧的内容,参见财务韧性;本文所依据的更深入的职业审视流程,参见职业与收入多元化。
如果你现在是 22 到 25 岁、身处受 AI 影响的领域
这是有明确证据支持的特定风险群体。具体的应对步骤如下:
- 对自己所在的领域进行真实的评估,而不是凭感觉。 花几个月时间追踪目标雇主的招聘信息、所需技能与实际的入门岗位用人规模,而不是对某一条爆款说法做出反应。
- 把对 AI 的熟练运用,转化为可展示的判断力。 建立一个小型作品集,展示你在哪些地方发现、纠正或改进了一份 AI 生成的初稿——此刻,判断力的证据比产出量的证据更有价值。
- 拓宽入口。 如果你目标领域的直接入门岗位十分稀缺,不妨考虑那些运用相同底层知识、可以作为过渡桥梁的相邻岗位——例如实施、质量审核、面向客户的支持,或运营岗位。
- 把行业技能或学徒培训,当作一个正当的平行选项,而不是退而求其次的备选。 上文的薪酬与需求数据是真实且当下有效的;它们不是一份安慰奖。
- 主动构建一份人脉网络,来替代第一份工作过去自动提供的东西。 信息面谈、专业协会与导师,可以在一定程度上替代如今这个更单薄的入门市场所能提供的、越来越少的在岗学习机会。
一份季度性的家庭核查清单
- 你所在领域实际的招聘情况,而不是关于它的新闻标题,是否发生了变化?
- 你家庭的收入,是否集中在一个雇主、一个行业,或一个客户身上?
- 家庭中是否有人拥有一项在当前工作之外依然可携带的技能或资历证书?
- 应急基金与债务状况(参见财务韧性)是否依然足以应对一次比上一季度更长的求职期?
- 如果家庭中有一位年轻成年人正在求职,行业技能/学徒培训这一选项,是否已经与学位路径进行了认真的成本比较,而不是被默认排除在外?
韧性,而非预测
当前的数据既不支持恐慌,也同样不支持自满。劳动力市场已经在两年多的时间里消化了 AI 工具,并未出现某些预测所预言的那种大范围冲击,与此同时,它也在悄悄地让受影响领域中最年轻的劳动者更难以站稳脚跟。一个能够分散技能、保持不止一条可行收入路径畅通,并把行业培训当作一个真实选项而非退而求其次的备选的家庭,就已经为这场真实存在、但相对有限的转变做好了准备——同样也为大多数更戏剧化的情形做好了准备。