编者语：人工智能如何改造就业生态？前番我们从职业切口、技能蜕变到人机协作等多维度，持续跟踪AI怎样影响劳动者的处境。不过这一变化并未局限某个职业阶段：它既会令年轻人进入职场遇冷，也会促使年长员工加快离场，或者反而服务更久。当下的关键问题是——人工智能是否正在重新界定一个人的完整职业周期？
技术浪潮正改写职业生涯的全景图
波士顿学院退休研究中心的近期调研发现，人工智能在企业内部对年资员工产生了截然不同的两种效应：既有可能推动部分资深职员提前告别职场，也可能因为生产效率的跃升而拉长职业周期。
美国城市研究所（Urban Institute）出品的专题报告《AI与五十岁以上工作者》另行深入讨论了这一议题。报告指出，AI扮演着机遇与风险的双重角色：一面AI能减轻年长工作者的劳动负荷、强化生产产出；另一面，若无法获取AI培训的机会，他们有沦为数字浪潮下的弱势群体。
关于AI发展会威胁年轻求职者的担忧由来已久（详见笔者既往的《初期岗位在消失》一文）。然而上述研究却表明，人工智能的波澜也正扰动职业后半场的人群。
波士顿学院的课题组对ChatGPT前后的AI渗透度与55岁以上群体职业离场的联动关系做了深度分析。论文执笔、经济学教授杰弗里·桑岑巴赫（Geoffrey Sanzenbacher）在采访中指出，在AI冲击较剧烈的职域（如程序设计、财务等领域），55岁及以上的员工离职现象在加剧。
这种职业离场既涵盖非自主的失业分离，也包括员工的主动选择。这提示我们，AI对年长工作者的效果不能粗暴概括为「AI摧毁岗位」。事实上，职业离场身后隐藏着多重博弈。
其一，人工智能可能压缩企业对某些工种和技能的需求，使年长职工承受加重的就业风险。例如，企业一旦察觉AI可替代大量工作，可能优化相关岗位，或者大幅抬高数字技能的门槛，令部分员工难以跟进。这里的离职属被动路径。
其二，AI也许会改变员工对继续从业的成本收益衡算。对多数年长工作者而言，当AI快速侵入工作现场后，他们可能觉得新技能的学习代价过高，或对职业前景失去信心，于是主动挑选提早退休或改行。这时的选择并非企业主动解聘的结果，而是劳动者对新就业环境的理性决策。
由此看来，分析AI对年长员工的冲击时，需甄别两套机制：
第一种称「替换式离职」。这符合技术替代论的描绘模式，即技术降低了特定劳动技能的市场行情，使某些劳动者难以维持原先的工作。比如，一位长期从事基层数据处理的职员，倘若公司部署了AI系统去完成这些操作，那么岗位消亡就是必然。
第二种称「适应式离职」。这不源自岗位自身的消失，而源自劳动者在面临技术革新时的抉择。比如，某些接近退休阶段的员工可能判断学习新型AI工具的成本太大，相反地退休选项反而更符合个体利益。
AI冲击年长员工的三条通路
依据桑岑巴赫的分析，人工智能可能通过三种路径改变年长员工的职业时长。
其一，自动化可能剪除部分年长员工的工作位置，造成其失业或完全脱离劳力市场。调研发现，当人工智能可承担原本的人工任务时，年长员工会面临更大就业压力。他们或许失去原岗，若无新机遇，可能被迫跻身劳动市场之外。
其二，AI技术的应用可能加重职业负担，促进部分职工主动调整职业路径。有些职工会改投不含新技术的岗位，有些则因适应困难而选择提前离退。
个人计算机大规模普及的年代的研究曾记录类似的「技术采纳相关的主动离职」（adoption-related quits）现象。这类研究揭示了一个关键规律：技术变局对工作者的作用并不只经过直接替代发生，也可通过改写工作内容、增强技能适配的难度，使部分劳动者选择脱身。这类离职因聚焦于技术适配压力（adaptation pressure）而获得专名。
并且，计算机普及与劳动力格局的既有研究还发现，个人电脑扩展具有明显的「技术筛选效应」。这意味着技术并无平均分布的影响，而是倾向褒奖掌握技术的人，同时加大无法同步的人的困顿。这段前史对当下理解生成式AI至关重要。
其三，生成式人工智能也许会延长职业长度。桑岑巴赫表示，若AI能提升劳动生产力，就可能带去更高薪酬，并让员工摆脱重复性、低回报的任务，投入更具义意和创造力的工作，因此某些人会做得更长久。
第一条通路展现的是固有的技术取代逻辑，第二条通路是技术变化对岗位适配人选的重新定义，第三条通路则显现了AI用作「能力倍增器」的潜能。末条通路对年长员工有重大意义：AI并非必然意味着经验被淘宝，也可转为放大经验价值、延伸职业生命的重要基础。
由此，AI对年长员工影响的大小取决于三个变数：岗位能否轻松被自动化取代、员工是否具备新技术适应力，以及企业如何规划AI的角色——是用来强化员工还是替代员工。
关键在于哪种可能最终兑现。企业对AI与员工关系的设计，将主宰技术转变的最终方向。若企业把AI视为削减预算、缩编人头的途径，那么AI会强化替代效应，令年长职工成为首波离场者；但若企业把AI理解为放大组织实力的基础设施，通过培育和重组工作流来打造人机配合，使职工能借助AI提升效率，那么AI就有可能沦为延伸职业生命的关键工具。
AI对职业的作用方式比单纯的「机器替人」更为复杂。斯坦福数字经济实验室（Stanford Digital Economy Lab）的相关研究表明，AI可能重塑的是整个职业生命周期。换言之，AI的作用不止于「一个人会不会失业」这一时间点，而可能贯穿职工从踏入职场、积累技能、升迁晋阶直至退出市场的全程。我之前提到的基层岗位消减现象处于职业周期的前端；AI也许还会左右职业周期的后端，涉及年长劳动者的职业延续。
除了需洞察职业生命周期的前后两端，斯坦福的研究还说明，AI也许会重塑职业竞争的世代格局。AI时期真实的分化并非年青代与年长代的对垒，反而是能将经验与人工智能融合的劳动者与做不到这一点的人之间的差别。年轻工作者掌握AI工具更快，但若欠缺领域基础，可能难判断AI产物是否可信；年长工作者学习新东西也许较慢，但他们累积了丰富的隐性认知，一旦与AI融通，可能衍生新的竞争力。
故此，AI并非岗位替代型技术，而是职业框架再造型技术。差异年龄群体的职业稳定和劳动参加方式都在改头换面，亦即人成为职业人的渠道在转变。从此视角，AI时期最大的课题是重新架构职业生命周期。
职业等级变化反映劳动价值的再分配
自然，需始终关注职业的AI冲击水平，指职业受人工智能影响的广度。从任务和能力的维度看，AI冲击度可用下列指标评估：
首先是大型语言模型能处理的任务，指某项工作中，借助LLM可将处理时间节省超半的任务所占占比。研究估测，约14%的职业任务也许获得超半的时间节约。AI起作用的基本单位并非全部职业，而是职业内的具体任务。职业多数由多项异质任务组合而成。例如律师的工作包括法情材料查找、文件编制、案例剖析、委托人交流和战术筹划等阶段；教师的工作包括上课筹备、课件制造、试卷批阅、课堂互动和学生帮扶等内容。AI也许大幅加快某些信息处置型任务，但不等于整个职业会被算法吞并。
其次是机器学习适用的任务，指某项工作中有多少内容有机会采用机器学习工具。该指标衡量职业中有多大比例的工作具备可被算法研习和自我执行的特点。比方，机器学习很适配按历史数据估测效果、寻觅规律、分门别类、自动察觉异状等工作。然而凡涉高阶语境判别、复杂交际、需身体灵活应对的任务，机器学习眼下都力有未逮。
第三是AI技术能达到的能力，指人工智能（非仅限大模型）复现岗位所需的人类能力的空间。比如，AI在某些认知领域表现杰出，含语音辨认、图形剖析、语义理解，这些能力已被广泛用于实务。但AI暂时较弱的能力涵盖爆发力、复杂体态协调、某类需与真实环境互动的能力等。
这三项指标共构了职业AI冲击度（AI exposure）的评价框架，务求找出某职业中哪类职能和能力会受AI波及。一个职业AI冲击度高，不一定表示该职业会消亡，而说明职业内局部职能也许被AI显著增强或自运行。
波士顿学院退休研究中心由此列举了AI冲击度最高和最低的五类工作。冲击度最高的工作含网站与数字交界面规划师、网络研发工程师、数据库策略师、计算机系统工程师以及数据分析专家。相应地，冲击度最低的工作含露天采矿挖运和装卸操作工、采矿巷道锚杆操作工（地下矿业平安的核心人物，主管巷道顶板防护、打孔和锚栓安放）、医疗护理帮手、喷涂和上色员工以及玻纤复合制造员工。
不难看出，AI冲击度最高的五类工作存在共通点：多数涉及数据处置，并融联编程工作。而AI冲击度最低的五类工作，其职务特性则为：需对机械实际运作；进行身体工作；与人直接打交道。简言之，AI冲击最甚的是可被计数的脑力活，最弱的是依靠肢体、场景和人伦的劳动。
这里存在一个悖论性发现：历来人们认为自动化先冲击低技能、反复的体力活，高技能知识工作更稳妥。但生成式AI的出现掀翻了这一常规：既然AI率先突破的是文字加工、数据剖析和符号生产，那么大量白领和学问型职业倒成了AI冲击度高的范畴。与之相反，需肢体协调、情景判定和复杂人际交往的职业，由于植根现实世界经验，其自运行门槛反而高涨。AI也许会缩小过去「蓝领早退休、白领长工作」的职业周期差。
对年长职工而言，还有一个逆直觉的发现：在AI出现前，高冲击职业里的资深职工往往比其他职业的年长者更好维系就业，原因是这类职业往往薪金更优、条件更佳、稳定性更强。AI扭转了这一利势框架，让部分有年资的劳动者开始承受新压力。多年的专业积累能否被新的人工智能职业系统所吸纳，成为高冲击职业年长职工的大课题。
潜伏着一种新的年龄偏见
然则AI带来的威胁也许不源自科技本身，也许来自社会和企业对年长职工的既有偏见。城市研究所的研究简报就提起一个严肃的问题：企业部署AI后，年长职工碰到的困难究竟是由于他们技术适配真实不够，抑或源于企业对「年龄与技术能力」关联的刻板认知？
AI也许生育了一种新颖的年龄歧视机器，即「技术年龄歧视」（technological ageism）：社会对年长劳动力学习新技术的意愿和手段持消极假设、企业的培育机遇短缺，及数字能力和科技工具的分派不均。这套机器并非直接基于年龄开除职工，而是以「技术能力」之名重振年龄差异。
Briggs、Butrica及D’Elia（2026）的阐述指示出一个关键风险：社会把年龄谬误地看同于「技术适配不力」。AI时期需躲避的不是年长者被科技淘降，而是年长者被有关技术能力的年龄刻板提早淘降。
这类刻板关键表现在三个方面：培育偏见、能力偏见和聘用偏见。
培育偏见以为投资年轻职工更「划算」， 所以在推行AI工具时，也许优先给年轻职工开设培育道路，而挤压对年长职工的技术支撑。这类做法看似出于效能，实则也许加重既有的年龄差。
这类偏见会组成一套「自证预言的环循」。企业由于相信年长职工难握AI，因此削减培育；由于缺少培育渠道，年长职工确实更难融合AI；随之企业再次相信他们不胜任技术情境。结果是，年龄偏见并不因年长劳动者能力不足而生，而是由于企业没提供同等的技术合适条件。
能力偏见将年龄错配为技术能力不足。企业和社会多数觉得年长职工天然无技术能力、创新能力和学业能力。而事实上，技术能力与年龄无简易线性联动。一位55岁的工程学者也许比一名25岁的毕业生更懂AI造物的含义，由于他积聚了几十年的学问根基。
能力偏见的病在于，它把「不会用某类新技术」曲解为「整体能力短缺」，从而忽视了经验在AI时期的含义。技术用法能力只是职业能力的片段，并非全景。一位劳动者长期沉淀的学科学识、业界见识、情景反应、困局攻坚、跨部分调谐和机体认知能力，一律构成其职业价值的关键根基。尤其是在AI时期，虽然人工智能可快速加工消息、产出内容和抓取形式，但仍然需人来诠解、权衡和发挥。
故此，不该信从过于局限的「科技定能力」观点，即谁把握当新科技谁就更强。而是AI时期最要紧的能力并非纯粹会用AI工具，而是把AI并入专业工作中去，展开判定、看管和建设。应该给年长职工机会，帮他们把历年积淀转为与AI联动的本事。
聘用偏见展现为技术转变中优先筛出年长职工。当AI改写岗位面貌时，企业也许偏好保存年轻职工，而让年长职工沦为首批离场者。
企业运用AI体系来管制职工的绩效、培育和聘用，算法往往会继继并放大人类社会对年长职工的刻板观点。北京高校心理与脑学科院的调研指示出，AI在讲述年长群落时，呈现明显的「高热心、低能力」风骨。也即AI倾重把年长职工形容为缺乏创意、做事力和专业举止的个别。这样，当企业用AI评定内部职工的「管理潜能」或分配重心新人任务时，AI体系会自动给年长职工降分，把优质资产留给年轻人，完成隐性的「聘用偏见」机制。
企业若在AI换型中陷于这类偏见，短期也许节约了本钱，但长期则也许付出庞大价钱：比如企业潜学问的陡峭损失；把关与风险防范底线的有效；及队伍担信任与敬业度的崩坏。当年轻职工瞧到年长同事仅因年龄和科技换就被迅速舍弃时，会感生强大的「职业中年恐慌」预料，进而挫伤对企业的忠心，促进短期盈利之风流行。
企业和社会当如何应对
企业需求从技术为上改变为人文本位的人机协作。这代表企业不应只关注AI可替代多少人工、缩减多少本钱，而应重新思虑人工智能怎样增强人的潜力、优化职业品质，进而塑造人与科技的涉及。
重塑职工的职业人物：说明 AI 是「副手」 （co-pilot）而非替代方。把职工的评价从产出数目转为丰富的批评思维、新颖创想以及与顾客、同事树立联络的水平，维持职工的专业自信。
许多职业人的专业自豪感立基于多年的专业技艺。当企业让他们用AI替代绝多数自主工作时，职工会有强势的「去能力化」感想，想觉得自己的核心值被贬为「做算法的帮手」。这种「我多年的积累变得毫无意思」的存在顾虑，会促使专业能人选择换工作，探求依然敬重人的独创力的机体。
予技术采纳的主权：规避AI部署的「整齐划一强行」。开放团队在差异现象下活动探寻AI工具，激励自下而上地搜寻 AI的具体方法，赋权职工说「不了」或改调做事流的职权。
许多企业在未提供够用培育的环境下，实施强硬目标强令职工在业务中采纳 AI，甚至让职工拿本身的职业数据去教诲也许他日替代本身的AI样子。这类伦理的背弃感是驱让职工自动跳槽的要紧推手。
创造「包含性再教诲」与跨世同盟：对准年长职工提供配合其思想风格的 AI采纳培育，重心夸大咋样用 AI放大现有业务能力，一起树立「年青人教机器，年资职工教业务」的互向导师制。
建造心剧安全网：向职工明白传导一个基础看法：运用AI的初衷，是释出职工的时光和元气，使其能从事更高价格、更具造就的工作，而不是借AI升效后再削减编制。用法规解除职工「教诲AI等同于砸自身饭碗」的恐慌。
从整体社会视点看，人工智能也许会改动人们常年从业的时日跨度，而这一条件对他日社会保障改造带有关键政策意思。
他日的离退制度不能仅据旧因素（如体力劳作负荷、身体状况或薪金规格）决定人们工作多久，还应归入：
职业受到AI波及的阶级——哪类岗位会被自运行改写，哪类岗位会因AI增强而延年益寿；
劳动个别技术改编的手腕——齐龄职工，如果具有差异化的数码修养、研习实力和业界阅历，其职业远景也许判若云泥；
企业是否供给改造支撑——AI致使的职业变化不一定意味着出市。若企业能帮扶职工掌习新本领，让AI成为帮手，年长职工也许维持为社会建制价格。
能见，AI对社会保障制的冲击不仅仅是职业困难，更涉及他日社会怎样重新界定「职业年纪」和「离退年纪」。若AI延拓了劳动者的实效职业跨度，那末社保制也许需再检讨旧有的年纪分配规范，比方缓步调节离退战略、鼓励圆融工作、扶持毕生研习，使劳动者能按个别实力和志愿定夺下场时光。但若AI加深了技术排逐，使部分年长劳动者被动提前分开职场，那末战略重心则需指向技术扶植、职业护卫和防范技术性年龄差异。
他日的养老战略不能仅关心咋样保证离退后的生活，也势必关心咋样扶持劳动者延年益寿生效和有尊严的职业性命。需开创一类能适合AI时期的新型职业性命周期，让想干且可以再就业的劳动者拥抱机遇，同步保证那类因科技变而无法再从事的劳动者拥抱搀扶。
