2-10年經驗的人，正被AI收割——摩根士丹利800+企業深度調查

7月19日，摩根士丹利發布了最新一期研究報告《AI采用與工作的未來：行業深度研究》，基于對美國、英國、德國、日本、澳大利亞五國的大規模調查，揭示了AI對就業的真實沖擊。

核心結論

? 過去12個月，AI導致12%的崗位被取消、15%的崗位不再補招，同時也推動22%的新增招聘；綜合計算，凈崗位減少約5%。

? AI帶來的平均生產率提升達到9.6%，其中IT/軟件開發、客戶服務、財務與運營是收益最明顯的環節。

? AI沖擊并非集中在毫無經驗的新員工，而是更集中于2-10年經驗的“職業中段”；離岸與外包崗位也更脆弱。

? 銀行、科技硬件與半導體更可能成為凈受益者；軟件和專業服務內部則會出現明顯分化，數據、工作流嵌入和定價能力決定勝負。

? 真正的變化不是“一夜裁員”，而是少補招、更多再培訓、更快內部調崗，以及收入增長與員工人數逐漸脫鉤。

一、這份報告真正說了什么

關于人工智能與就業，公眾討論常常被壓縮成一個簡單問題：AI會不會搶走工作？摩根士丹利這份覆蓋五個國家、五大行業的調查給出的答案更復雜，也更接近現實——AI已經在減少崗位，但它同時也在創造崗位、改造崗位，并把企業的用人邏輯從“增加人數”轉向“提高每個人的產出”。

這項AlphaWise調查于2026年4月完成，共訪問808名熟悉所在公司AI戰略與實施情況的專業人士，樣本來自美國、英國、德國、日本和澳大利亞，覆蓋銀行、軟件與服務、科技硬件與設備、半導體及專業服務。受訪企業至少已經實施或開發AI方案12個月，并計劃未來一年繼續推進，因此它呈現的不是概念預期，而是企業在真實運營中的早期結果。

最醒目的數字是：過去12個月，AI推動12%的崗位被取消，15%的崗位在員工離職后不再補招；與此同時，企業又新增了22%的崗位。將兩者相抵，全球樣本的凈就業變化約為-5%。這意味著AI帶來的主要沖擊并不只是公開宣布的裁員，而是更安靜的“自然減員”：一個崗位空出來后不再招聘，原有任務被軟件、自動化流程或更少的人接管。

圖1：AI并非只減少崗位，它同時制造招聘、培訓和調崗需求。資料來源：AlphaWise、Morgan Stanley Research。

二、就業減少與生產率上升，正在同時發生

調查顯示，AI在五國樣本中帶來的平均生產率提升為9.6%。英國和美國分別達到10.3%和10.2%，日本為9.8%，澳大利亞為9.3%，德國為8.4%。值得注意的是，生產率提升并沒有自動轉化為同等規模的裁員。德國甚至出現約1%的凈崗位增加，而日本凈崗位減少10%，顯示不同國家的勞動力制度、企業結構、數字化基礎和管理策略會顯著改變AI的就業結果。

這也揭示了一個關鍵事實：企業首先把AI當作“產能工具”，然后才逐步把它轉化為“人員工具”。在早期階段，AI往往只是幫助員工寫代碼、查資料、生成文檔、處理客服、分析財務數據；等到工具嵌入完整工作流，企業才會重新設計組織結構、減少補招，甚至讓收入增長與員工人數脫鉤。

因此，9.6%的生產率提升不應被理解為所有員工都變快了9.6%，而應理解為企業在特定任務、部門和流程上已經獲得高個位數到低雙位數的效率改善。它可能表現為同樣人數處理更多客戶、軟件開發周期縮短、客服響應加快、財務與運營團隊減少重復勞動。

圖2：五國均報告明顯生產率提升，但就業結果差異很大。德國是第二輪調查中唯一凈增加崗位的國家。

三、最危險的不是職場新人，而是2-10年經驗的“職業中段”

一個反常識的發現是，受沖擊最嚴重的并不是剛畢業、毫無經驗的年輕人，而是擁有2-10年經驗的員工。2-5年經驗者的崗位取消比例為18%，不再補招比例為19%；6-10年經驗者分別為16%和16%。這兩組人同時也是新增招聘、再培訓和調崗最活躍的群體。

原因并不難理解。大量中初級白領工作已經高度流程化：整理材料、制作基礎分析、編寫標準代碼、處理常規客戶請求、完成審查與合規文件。這些任務過去需要一定經驗，但并不依賴極強的關系網絡、戰略判斷或最終責任承擔，恰好是生成式AI和自動化代理最容易切入的區域。

于是出現了所謂的“中段陷阱”：企業既需要這一群體的業務知識，又希望用AI壓縮他們的重復勞動。結果不是簡單清退，而是崗位兩極分化——一部分人被淘汰或不再補招，另一部分人則被重新訓練，轉向AI、數據治理、風險控制、產品和客戶關系等更高價值工作。

圖3：2-10年經驗者既是崗位減少的主要承受者，也是招聘、培訓和調崗最活躍的人群。

四、AI最先改變的，是IT、客服、財務和運營

在生產率提升的具體領域中，IT和軟件開發以70%的提及率遙遙領先；客戶服務與支持為48%，財務與FinOps為42%，運營與供應鏈為41%。這些領域有三個共同點：數據密集、流程重復、結果可衡量。

這解釋了為什么企業的AI落地通常從“輔助工具”開始。代碼助手可以直接縮短開發時間；客服機器人和智能摘要可以降低單次服務成本；財務工具能夠自動匹配數據、發現異常并生成報告；運營系統則可以優化排班、庫存和流程。相比之下，銷售、工程等更依賴線下關系、復雜場景與跨部門協作的崗位，短期提升相對有限。

但這并不意味著低提及率的崗位安全。相反，AI往往先從后臺流程積累能力，再逐步進入決策和前臺。報告特別強調“收入-人數脫鉤”正在成為企業更常討論的目標：未來公司收入可以增長，而員工數量增長得更慢，甚至保持不變。

圖4：AI的效率紅利首先集中在可標準化、可數字化、可衡量的工作流程。

五、五大行業不會走向同一個結局

從行業看，軟件與服務的凈崗位減少約7%，半導體約8%，科技硬件約5%，專業服務約4%，銀行約3%。但崗位減少幅度并不能直接代表行業前景。摩根士丹利認為，銀行、科技硬件和半導體整體上是AI的凈受益者，而軟件和專業服務將出現更激烈的內部洗牌。

銀行的優勢在于，AI主要進入IT、財務、客服、運營、風控和合規等高成本后臺，而不是直接替代前臺客戶關系。報告預計，當AI全面嵌入銀行工作流后，部分大型銀行的稅前利潤可能獲得顯著改善。歐洲銀行的中期人員縮減可能達到10%-20%，但路徑更可能是少補招、自然減員和后臺精簡，而非一次性大裁員。

科技硬件和半導體則擁有“雙重收益”：它們既能用AI改進自身設計、良率、預測性維護和供應鏈，又是AI基礎設施的“賣鏟人”。即使內部崗位也會被壓縮，芯片、服務器和數據中心需求仍可能推動行業總體受益。

軟件行業最矛盾。AI能極大提升寫代碼和研發效率，卻也可能降低軟件開發門檻、壓縮席位數量，并讓客戶質疑傳統按用戶收費的模式。真正有優勢的公司，往往同時擁有專有數據、深度嵌入客戶工作流的產品，以及把AI功能轉化為價格和收入的能力。

專業服務的風險更分化。擁有獨家數據、檢測認證、專業數據庫和高壁壘知識資產的公司，更容易把AI變成新產品；單純出售人力時長、外包執行或臨時用工的企業，則更容易受到價格壓力和需求削弱。

圖5：崗位收縮最多的行業，不一定是AI時代最差的行業；關鍵在于企業能否把效率轉化為收入與利潤。

六、銀行：AI不是“替代柜員”，而是重做整套后臺

報告對銀行業的判斷最為樂觀。全球銀行樣本過去一年生產率平均提升10%，其中IT/軟件開發的改善提及率為66%，財務與FinOps為61%，客戶服務為47%，運營與供應鏈為45%。41%的銀行受訪者已經看到正向財務回報。

摩根士丹利認為，銀行此前多年投入數據治理、云平臺和系統整合，使其具備把AI直接接入日常工作流的條件。美國大型銀行正在把節省下來的時間重新投入客戶服務、財富管理和業務拓展。同樣人數可以服務更多客戶、處理更多賬戶，并提高每名員工創造的收入。

不過，銀行的“就業友好”可能只是早期現象。當前大量變化仍通過自然離職、組織簡化和崗位調整完成，AI尚未完全接管端到端流程。一旦智能代理開始自主完成跨系統任務，后臺與中臺的人員需求可能進一步下降。歐洲銀行分析師因此認為，目前英國和德國約4%的AI相關凈崗位減少，只是10%-20%中期縮減假設的早期信號。

七、軟件與專業服務：真正的護城河不再只是人多

軟件公司首先獲得的是研發效率，但它們也最容易被AI反噬。報告指出，美國部分軟件公司已經宣布高個位數或低雙位數比例的裁員；歐洲企業則更多選擇凍結總人數，同時把招聘轉向AI、數據和產品崗位。換句話說，軟件公司的總人數可能不再增長，但人才結構會快速改變。

專業服務行業也會從“賣人天”轉向“賣結果”。過去咨詢、外包、招聘和信息服務企業常以員工人數擴張收入；AI降低了完成同樣任務所需的工時后，客戶會要求更低價格，或要求供應商按成果收費。那些無法提供專有數據、可信流程或行業標準的公司，將很難維持原有利潤率。

最耐久的價值并非來自零散的自動化，而是來自把AI嵌入企業核心運營基礎設施。只有當AI成為客戶每天必須使用的流程、數據和決策系統時，供應商才有機會獲得定價權。

八、這輪變化的真正風險：崗位數量之外，是職業階梯被削薄

就業討論往往只關注總崗位數，但更深層的問題是職業成長路徑。傳統企業依靠大量初級和中級員工完成基礎工作，并在這些工作中培養未來的高級人才。如果AI接管了資料整理、基礎分析、初級編碼和標準化客戶服務，年輕人將更難通過“做基礎活”積累經驗。

這可能形成一個悖論：企業需要有經驗、懂業務、能監督AI的人，卻減少了培養這些人的初級崗位。報告中的數據已經顯示，2-10年經驗者受到最強沖擊。未來企業必須重新設計學徒制、培訓和輪崗，否則短期效率提升可能演變為長期人才斷層。

另一個風險是離岸外包。銀行和軟件企業中，離岸與非直接雇傭人員在崗位取消和不再補招方面受到的影響最大。原因是這些工作通常高度標準化、遠程化和可量化，AI替代成本更低。對依賴IT外包、呼叫中心和后臺服務的國家與地區而言，AI沖擊可能先于發達經濟體的核心崗位顯現。

九、結論：AI時代的贏家，不是裁員最快的公司

這份報告最值得警惕的，不是“AI造成5%凈崗位減少”這一單一數字，而是企業已經開始形成新的組織模式：不再按收入增長同步增加人數；把離職崗位留空；讓員工同時使用多個AI工具；把中后臺能力重新集中到數據、風險、客戶和產品上。

但裁員本身并不等于成功。企業仍要承擔云計算、模型許可、數據治理、系統整合、網絡安全和監管合規等新增成本。若AI只帶來局部效率，卻無法改善客戶體驗、收入增長或資本回報，所謂生產率紅利可能被技術投入抵消。

因此，判斷一家企業是否真正受益于AI，應關注四個指標：收入能否在員工數量不增長的情況下繼續上升；AI是否進入核心工作流而非停留在試點；節省的成本是否轉化為利潤而不是被新的技術投入吞噬；公司是否建立了重新培訓和內部流動機制。

AI不會把所有工作一次性消滅。它更可能像一把緩慢推進的剪刀，先剪掉補招，再剪掉重復任務，隨后重塑職業階梯與組織結構。未來最重要的分界線，不是“使用AI”與“不使用AI”，而是企業和個人能否把AI從工具變成新的工作方式。

本文僅用于信息整理與研究交流，不構成投資建議。