怎么样量化AI对SWE等白领工作的影响
探讨如何多维度量化AI对SWE等白领就业的实际影响。
经验与数据点
- 现有宏观数据：FRED 的软件开发职位指数（IHLIDXUSTPSOFTDEVE）目前未见明显下滑；layoffs.fyi 的 AI 裁员列表中，除 Block 外多数公司裁员主因是 Capex 支出或股价影响（#1）。
- 权威滞后指标：BLS（美国劳工统计局）每年 5 月更新的 OES 数据中，SOC code 15-1252（Software Developers）是最权威的就业人数滞后指标（#5）。
- 行业领先指标：GitHub Octoverse 年报中的 Copilot adoption 数据可作为工具渗透率的 proxy，其变化通常滞后 1-2 年才会体现在就业人数上（#5）。
- 其他量化维度：可关注企业生产力提升（productivity gain）数据（#7）。
争议或不同意见
- 数据真实性与量化难点：多位谭友认为该影响无法量化（#2, #4）。Indeed 职位发布量已失真，且 layoffs.fyi 统计的 AI 裁员多为公司掩盖 overhire、过度扩张或外包的 PR 借口（#2, #3, #4）。若能提出严密的量化指数，足以发表经济学顶刊（#6）。
- 取代路径与周期：AI 取代不会一夜发生，而是一个长达十年的漫长过程（decadal long），大概率通过老员工退休后不招新人（replace）的自然流失方式体现（#7）。
风险/限制/注意事项
- 效率提升未转化为裁员：员工使用 AI 缩短工时后通常会隐瞒并摸鱼，公司在实际降本增效中常伴随 PIP 误伤（#3）。
- 决策滞后效应：公司应对 AI 冲击通常先冻结增量 HC，随后才开始裁减存量，数据传导存在滞后（#5）。
值得跟进
- 关注明年发布的 Block 公司 10-K 年报，以获取 AI 实际取代人工的直接财务与就业数据（#1）。