丹麦的人工智能惊喜：大规模采用，零工作流失——两年数据显示的内容

ChatGPT推出两年后，丹麦大多数知识工作者已经开始在工作中使用AI聊天机器人。他们的雇主推出了正式的人工智能计划。工人们报告了真实的生产力收益。然而——这是让研究人员感到惊讶的部分——他们的薪水和工作时间基本保持不变。[事实]

这是来自NBER新论文的主要发现，由Anders Humlum和Emilie Vestergaard撰写，他们做了一些异常严谨的事情：他们将丹麦的黄金标准行政记录（想象税务数据、就业登记簿，这种粒度级的记录是大多数国家的研究人员只能梦想的）与直接采用调查相结合。结果是我们对生成式人工智能现在如何影响劳动力市场的最清晰的描绘之一。

它所做的是……在保持数字不变的同时重新组织一切。

快速采用、真实生产力——但钱去了哪里？

让我们从很清楚的地方开始。[事实]高度AI暴露职业的工作者——行政助理、内容创建者、软件开发人员、客户服务代表——报告了聊天机器人的快速采用。他们的雇主也没有浪费时间。大多数暴露部门的公司在前两年内启动了正式的AI集成计划。

工人们说他们确实变得更有效率。研究人员没有理由怀疑他们——采用是真实的，使用是持续的，自我报告的生产力收益在各个职业中是一致的。

但是当Humlum和Vestergaard查看行政数据中显示的内容——实际收入、记录的小时数、工作任期——他们发现了他们称之为"精确的零效应"的东西。[事实]不是模糊不清的持平。精确持平。在加减2%之内，这些工作者在没有AI的情况下两年后会处于的位置。

如果你是正在阅读这篇文章的行政助理或软件开发人员，这可能既令人放心又令人困惑。你更有效率，但你的薪水还不知道？

任务重组：无形的革命

这里变得有趣。研究人员发现雇主不是在用AI来裁员。相反，他们在重新调整人们整天实际做的事情。[观点]

工人转向了更高价值的任务。有些人转向了以前根本不存在的角色——AI内容监督、提示工程、集成管理。其他人发现他们工作的无聊部分缩小了，让他们有机会从事需要更多判断、更多创意、更多人类接触的工作。

这就是论文所说的"静水中的急流"。表面指标——收入、小时数、就业水平——看起来很平静。但在表面下，工作的实际性质正在快速转变。

现在，这不一定是永久的好消息。[估计]研究人员谨慎地指出两年是很早。非常早。技术破坏的历史充满了劳动力市场影响花费五到十年才显现在数字中的例子。电力没有一夜之间重新塑造工厂工作。个人计算机也没有。

我们可能看到的是重组阶段——公司弄清楚如何使用新工具的时期，然后才开始做出关于员工数量的更难决定。

这与其他人的发现相比如何

丹麦数据讲述了一个故事。其他研究讲述了不同的故事。

斯坦福大学和麻省理工学院的研究在特定环境中发现了可测量的生产力提升——[观点]客户服务代理解决14%更多票证，程序员在AI协助下完成编码任务56%更快。这些数字表明生产力收益是真实的。

但另一方面也有证据。一些美国公司已经开始在AI处理大量工作负担的角色中减少员工数量。Challenger、Gray＆Christmas数据显示科技部门裁员经常引用"AI重组"作为一个因素。[事实]

那么发生了什么？丹麦论文可能在捕捉北欧劳动力市场的一些特殊情况——强大的工会、强大的社会安全网、使人们更难（且代价更高）快速裁员的劳动法规。在美国，劳动力市场更灵活，同样的生产力收益可能会更快地转化为裁员。

或者——这是让我担忧的解释——丹麦可能只是每个国家都会遵循的同一曲线的早期。快速采用、重组、一段明显的稳定期……然后是更尖锐的调整，一旦公司完全了解了AI可以处理哪些任务。

这对你的职业意味着什么

如果你在客户服务、会计或平面设计等高AI暴露领域工作，丹麦数据提供了一个微妙的信息。

短期来看，你的工作可能比新闻标题所表明的更安全。雇主在重组，而不是消除。转向更高价值工作的工人——那些将AI视为工具而不是竞争的人——表现更好。

但"精确零"在收入方面是一个黄旗。[估计]如果生产力确实在上升但薪酬没有，那么这个差距最终必须缩小。要么工人会获得这些收益（通过加薪、新角色、谈判），要么公司会获得（通过利润率扩大，最终是员工减少）。

实际建议没有太大改变。学会在你的特定领域使用AI工具。将自己定位于新兴的任务——监督、集成、AI输出质量控制。注意你周围正在进行的重组，因为即使薪水看起来相同，它也是真实的。

两年的丹麦数据不会告诉我们结局。但它确实告诉我们关于开始的一些重要的东西：转变正在快速发生，即使数字还没有赶上。

参考资料

• Humlum, A. & Vestergaard, E. (2025/2026). "Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI." NBER Working Paper 33777.

更新历史

• 2026-04-13：基于NBER w33777的初始发布（2026年3月修订）。

---

本分析是在人工智能协助下完成的。所有数据点都源自引用的研究论文，并根据公开记录进行了验证。有关特定职业的详细自动化风险数据，请访问我们的职业页面。