八月份就業成長超出預期，但薪資成長卻落後最新的通膨數據，這讓經濟學家們開始迫切思考一個問題：在 AI 導致勞工失業之前，它是否會先對他們的薪資造成壓力？
最新的非農就業報告並非唯一顯示薪資成長放緩的政府數據來源。美國勞工統計局（BLS）的「就業成本指數」顯示，截至六月份，經通膨調整後的薪資年減 0.4%。此外，全國數據還呈現出一個令人擔憂的長期趨勢：根據 BLS 的生產力報告，2026 年第二季非農企業產出/收入中，勞工所佔份額為 52.8%，創下自 1947 年第一季有紀錄以來的最低點。一些研究人員將此歸因於數十年來的自動化，而 AI 可能會加速這一趨勢。
不過，我們有理由避免倉促下結論。首先，疫情期間的薪資成長並不尋常，反映出勞動市場極度緊繃，而目前的薪資成長水準更接近近期歷史常態。此外，科技和專業服務等高薪產業正在流失工作機會，而餐飲和醫療保健等低薪產業則引領就業成長，這也拉低了平均薪資。
然而，當前的勞動市場狀況正促使更多人關注職位收入的成長趨勢，而非像比爾蓋茲最近提出的那種關於大規模失業的嚴峻警告。迄今為止的發現尚無法權威性地回答這個問題，但它確實將這個議題推向了 AI 對就業影響辯論的核心位置。
Apollo Global Management 首席經濟學家 Torsten Slok 及其合著者 Sania Edlich 的一項最新研究提供了一些證據，表明 AI 可能導致薪資成長放緩。他們的研究發現，在 2023 年之後，被歸類為高度接觸 AI 的職業，其實質薪資成長比接觸 AI 較少的職業慢了 6.7 個百分點。
同時，該研究並未發現對就業有統計學上顯著的影響。作者們表示，這些結果表明企業可能透過薪資壓縮而非裁員來獲取 AI 帶來的部分生產力提升。
這項研究的發現引人注目，但勞動市場專家警告說，數據也相當有限。左傾的經濟政策研究所資深經濟學家 Ben Zipperer 表示：「AI 絕對可能影響某些類型工作的需求。」他補充說，這種需求動態可能會對薪資造成下行壓力。但他很快補充說，Apollo 的研究樣本量太小，不足以令人信服。Zipperer 認為這種研究方法可能會誇大 AI 的負面影響。
以程式設計為例，這是一個高度接觸 AI 的專業領域。如果 AI 透過減少對軟體開發人員的需求，使得開發軟體的成本降低，那麼節省下來的資金並不會消失。這些資金將會流向其他地方，包括用於其他職位的招聘，從而提升對其他勞工的需求。Zipperer 表示：「這使得高度接觸 AI 的工作相形見絀，儘管其中一部分測量到的損失，實際上只是其他勞工的收入增加。」
他補充說，近期科技業的裁員是另一個因素。科技相關招聘的放緩與疫情後早期的過度招聘有關。這意味著較低的薪資成長和較弱的就業狀況，可能部分反映了疫情後的正常化，而非單純由 AI 引起。Zipperer 說：「疫情後重新招聘導致電腦程式設計師及相關職位的勞動需求相對放緩，這與 AI 無關。」
Apollo 表示，其研究確實考慮了職業差異和勞動市場的年度趨勢。但他們也將這項研究視為「早期證據」，因為它僅基於 BLS 有限的職位類別子集——在約 800 個 BLS 職業中，只有 321 個可以使用，且只有 11 個符合研究的高接觸門檻。
其作者們還指出，除了深入探討薪資影響外，這項研究作為一個示範也具有根本重要性，表明「AI 研究已進入一個新階段，在這個階段中，勞動市場的影響可以從實際觀察到的採用情況來衡量，而非從理論上的接觸程度來預測。」
麻省理工學院經濟學教授 Daron Acemoglu 表示，特定職業的 AI 模型數量有限，仍然是導致就業影響數據失真的因素。他說：「AI 模型仍在發展中，尚未廣泛應用於許多職業或任務。因此，截至目前，一些取代效應可能被誇大了。」Acemoglu 雖然表示目前尚無令人信服的證據表明 AI 對任何特定地區或任何人口群體的薪資產生顯著影響，但他補充說，確實有「越來越多的證據表明對初階職位產生了一些影響」。
鑑於經濟結構，他認為 AI 的影響最終最明顯地體現在薪資上是合理的。他說：「最終，考慮到美國勞動市場相對靈活且社會安全網相當薄弱，我預計 AI 對薪資的影響將大於對就業的影響。」
Acemoglu 對機器人對薪資和就業影響的研究，支持了他對 AI 扮演更重要角色時勞動市場將如何演變的看法。Acemoglu 表示：「如果 AI 繼續作為一種自動化技術發展（尤其是在通用人工智慧 AGI 的引導下），將會產生更多影響。目前我們還沒有許多易於使用且適用於大量任務/產業的應用程式。一旦這些應用程式開發出來，勞動市場的影響將會倍增。」
經濟學家們仍然擔心「AI 接觸程度」這種說法本身具有局限性。麻省理工學院經濟學系主任兼勞動經濟學家 David Autor 表示：「問題在於，知道一個職業接觸到 AI，並不能告訴你它會發生什麼；無論是就業增加還是減少，無論是薪資上升還是下降。」他認為，更相關的問題（也是他研究的問題）集中在人類專業知識上，以及 AI 是在取代特定工作的專業方面還是非專業方面。
根據他與麻省理工學院 AI 研究員 Neil Thompson 合著的一篇論文，他研究了幾十年前兩個相似的職業——會計文員和庫存文員——這兩個職業「在電腦時代似乎都註定要被淘汰」。他們寫道：「兩者都執行許多經濟學家歸類為『例行性』的工作任務：即遵循明確規則和程序的任務，正是那種可以編碼成軟體並由電腦執行的任務……快轉到現在，這些職業的發展軌跡已經分道揚鑣。」
他們的研究顯示，會計文員的薪資與 40 年前相比增長了 39%，儘管就業人數下降了 32%。同時，庫存文員的薪資下降了 13%，但就業市場卻增長了 175%。合著者寫道：「這些職業面臨相同的技術力量，但卻經歷了截然不同的結果。」一個職業（會計文員）變得更加專業化且薪資更高，而另一個（庫存文員）則對更多勞工開放但收入較低。
Autor 表示，這項研究挑戰了標準的自動化和 AI 接觸程度敘事。他們寫道：「傳統觀點認為，隨著任務自動化，自動化程度較高的職業中的勞工會被推向薪資較低、專業知識要求較低的工作。然而，現實情況正如這兩個職業所展示的，更為細緻入微。」
Apollo 並非唯一從 AI 接觸程度和薪資角度探討這些擔憂的機構，但其他機構得出了不同的結論。達拉斯聯準會（Dallas Fed）二月份的一項分析發現，整體薪資與 AI 接觸程度之間沒有直接關聯，但有一個非常重要的警告：經驗較少的年輕勞工——或者該銀行所稱的「經驗溢價」較低的勞工——實際上可能已經面臨薪資壓力。
其研究人員寫道：「對於經驗溢價非常低的職業，AI 接觸對薪資成長的負面影響更大，因為 AI 可以取代初階和有經驗的勞工。低經驗溢價表明該職業不需要太多隱性知識，因此有經驗的勞工很容易被 AI 取代。」
這對有經驗的勞工來說可能是個好消息，但對剛進入職場的人來說卻是一個明確的警告：達拉斯聯準會總結道：「目前白領職涯發展模式涉及畢業後從初階職位開始，執行可編碼的任務，同時慢慢學習隱性知識，最終成為有經驗的勞工。企業將會發現，AI 至少在短期內會使這種員工發展方式變得不具成本效益。」
「當然，讓新員工脫離職涯階梯在長期來看是不可持續的。從長遠來看，AI 的採用將需要重新思考初階員工如何在工作中獲得經驗。」
最終，這暗示了 Acemoglu 希望在這場辯論中改變的觀點——特別是拋棄 AI 與人類勞工之間的對抗性框架。如果未能如此，他擔心我們將失去思考他所謂「親勞工 AI」的機會。他說：「最重要的是，AI 不必是一種純粹的自動化技術。」他補充說，AI 也可以為勞工創造新的任務和新的專業知識。
但他承認，至少目前，「這並不是我們正在前進的方向。」邁向親勞工 AI 將需要「科技產業的正確投資和適當的政策框架」，這兩者都將有助於產生「比這種無休止地取代勞工的競賽更好的結果」。
右傾智庫卡托研究所（Cato Institute）科技政策資深研究員 Jennifer Huddleston 表示，她確實看到政府和職場內部都出現了更積極的跡象。她指出，勞工部鼓勵勞工進行 AI 教育的努力，包括提供簡單的方法幫助勞工在接觸這項新技術時學習基礎知識，是重新定義這場辯論的關鍵。Huddleston 說：「這種方法可能透過幫助勞工進行轉型來發揮作用，而不是保護或針對特定產業或工作。」
此外，她說，對職場 AI 的擔憂往往忽略了一些最廣泛使用的 AI 應用，例如電子郵件摘要和網路安全，「這些應用在一定程度上改變了辦公室文化，但不一定會導致就業情況的大幅變化。」Huddleston 補充說：「一個經常被低估的因素是，AI 正在催生潛在的新職位類別和創業機會。這意味著 AI 即使不是直接相關，也能透過這些新機會創造就業。」