2-10年经验的人，正被AI收割——摩根士丹利800+企业深度调查

7月19日，摩根士丹利发布了最新一期研究报告《AI采用与工作的未来：行业深度研究》，基于对美国、英国、德国、日本、澳大利亚五国的大规模调查，揭示了AI对就业的真实冲击。

核心结论

• 过去12个月，AI导致12%的岗位被取消、15%的岗位不再补招，同时也推动22%的新增招聘；综合计算，净岗位减少约5%。

• AI带来的平均生产率提升达到9.6%，其中IT/软件开发、客户服务、财务与运营是收益最明显的环节。

• AI冲击并非集中在毫无经验的新员工，而是更集中于2-10年经验的“职业中段”；离岸与外包岗位也更脆弱。

• 银行、科技硬件与半导体更可能成为净受益者；软件和专业服务内部则会出现明显分化，数据、工作流嵌入和定价能力决定胜负。

• 真正的变化不是“一夜裁员”，而是少补招、更多再培训、更快内部调岗，以及收入增长与员工人数逐渐脱钩。

一、这份报告真正说了什么

关于人工智能与就业，公众讨论常常被压缩成一个简单问题：AI会不会抢走工作？摩根士丹利这份覆盖五个国家、五大行业的调查给出的答案更复杂，也更接近现实——AI已经在减少岗位，但它同时也在创造岗位、改造岗位，并把企业的用人逻辑从“增加人数”转向“提高每个人的产出”。

这项AlphaWise调查于2026年4月完成，共访问808名熟悉所在公司AI战略与实施情况的专业人士，样本来自美国、英国、德国、日本和澳大利亚，覆盖银行、软件与服务、科技硬件与设备、半导体及专业服务。受访企业至少已经实施或开发AI方案12个月，并计划未来一年继续推进，因此它呈现的不是概念预期，而是企业在真实运营中的早期结果。

最醒目的数字是：过去12个月，AI推动12%的岗位被取消，15%的岗位在员工离职后不再补招；与此同时，企业又新增了22%的岗位。将两者相抵，全球样本的净就业变化约为-5%。这意味着AI带来的主要冲击并不只是公开宣布的裁员，而是更安静的“自然减员”：一个岗位空出来后不再招聘，原有任务被软件、自动化流程或更少的人接管。

图1：AI并非只减少岗位，它同时制造招聘、培训和调岗需求。资料来源：AlphaWise、Morgan Stanley Research。

二、就业减少与生产率上升，正在同时发生

调查显示，AI在五国样本中带来的平均生产率提升为9.6%。英国和美国分别达到10.3%和10.2%，日本为9.8%，澳大利亚为9.3%，德国为8.4%。值得注意的是，生产率提升并没有自动转化为同等规模的裁员。德国甚至出现约1%的净岗位增加，而日本净岗位减少10%，显示不同国家的劳动力制度、企业结构、数字化基础和管理策略会显著改变AI的就业结果。

这也揭示了一个关键事实：企业首先把AI当作“产能工具”，然后才逐步把它转化为“人员工具”。在早期阶段，AI往往只是帮助员工写代码、查资料、生成文档、处理客服、分析财务数据；等到工具嵌入完整工作流，企业才会重新设计组织结构、减少补招，甚至让收入增长与员工人数脱钩。

因此，9.6%的生产率提升不应被理解为所有员工都变快了9.6%，而应理解为企业在特定任务、部门和流程上已经获得高个位数到低双位数的效率改善。它可能表现为同样人数处理更多客户、软件开发周期缩短、客服响应加快、财务与运营团队减少重复劳动。

图2：五国均报告明显生产率提升，但就业结果差异很大。德国是第二轮调查中唯一净增加岗位的国家。

三、最危险的不是职场新人，而是2-10年经验的“职业中段”

一个反常识的发现是，受冲击最严重的并不是刚毕业、毫无经验的年轻人，而是拥有2-10年经验的员工。2-5年经验者的岗位取消比例为18%，不再补招比例为19%；6-10年经验者分别为16%和16%。这两组人同时也是新增招聘、再培训和调岗最活跃的群体。

原因并不难理解。大量中初级白领工作已经高度流程化：整理材料、制作基础分析、编写标准代码、处理常规客户请求、完成审查与合规文件。这些任务过去需要一定经验，但并不依赖极强的关系网络、战略判断或最终责任承担，恰好是生成式AI和自动化代理最容易切入的区域。

于是出现了所谓的“中段陷阱”：企业既需要这一群体的业务知识，又希望用AI压缩他们的重复劳动。结果不是简单清退，而是岗位两极分化——一部分人被淘汰或不再补招，另一部分人则被重新训练，转向AI、数据治理、风险控制、产品和客户关系等更高价值工作。

图3：2-10年经验者既是岗位减少的主要承受者，也是招聘、培训和调岗最活跃的人群。

四、AI最先改变的，是IT、客服、财务和运营

在生产率提升的具体领域中，IT和软件开发以70%的提及率遥遥领先；客户服务与支持为48%，财务与FinOps为42%，运营与供应链为41%。这些领域有三个共同点：数据密集、流程重复、结果可衡量。

这解释了为什么企业的AI落地通常从“辅助工具”开始。代码助手可以直接缩短开发时间；客服机器人和智能摘要可以降低单次服务成本；财务工具能够自动匹配数据、发现异常并生成报告；运营系统则可以优化排班、库存和流程。相比之下，销售、工程等更依赖线下关系、复杂场景与跨部门协作的岗位，短期提升相对有限。

但这并不意味着低提及率的岗位安全。相反，AI往往先从后台流程积累能力，再逐步进入决策和前台。报告特别强调“收入-人数脱钩”正在成为企业更常讨论的目标：未来公司收入可以增长，而员工数量增长得更慢，甚至保持不变。

图4：AI的效率红利首先集中在可标准化、可数字化、可衡量的工作流程。

五、五大行业不会走向同一个结局

从行业看，软件与服务的净岗位减少约7%，半导体约8%，科技硬件约5%，专业服务约4%，银行约3%。但岗位减少幅度并不能直接代表行业前景。摩根士丹利认为，银行、科技硬件和半导体整体上是AI的净受益者，而软件和专业服务将出现更激烈的内部洗牌。

银行的优势在于，AI主要进入IT、财务、客服、运营、风控和合规等高成本后台，而不是直接替代前台客户关系。报告预计，当AI全面嵌入银行工作流后，部分大型银行的税前利润可能获得显著改善。欧洲银行的中期人员缩减可能达到10%-20%，但路径更可能是少补招、自然减员和后台精简，而非一次性大裁员。

科技硬件和半导体则拥有“双重收益”：它们既能用AI改进自身设计、良率、预测性维护和供应链，又是AI基础设施的“卖铲人”。即使内部岗位也会被压缩，芯片、服务器和数据中心需求仍可能推动行业总体受益。

软件行业最矛盾。AI能极大提升写代码和研发效率，却也可能降低软件开发门槛、压缩席位数量，并让客户质疑传统按用户收费的模式。真正有优势的公司，往往同时拥有专有数据、深度嵌入客户工作流的产品，以及把AI功能转化为价格和收入的能力。

专业服务的风险更分化。拥有独家数据、检测认证、专业数据库和高壁垒知识资产的公司，更容易把AI变成新产品；单纯出售人力时长、外包执行或临时用工的企业，则更容易受到价格压力和需求削弱。

图5：岗位收缩最多的行业，不一定是AI时代最差的行业；关键在于企业能否把效率转化为收入与利润。

六、银行：AI不是“替代柜员”，而是重做整套后台

报告对银行业的判断最为乐观。全球银行样本过去一年生产率平均提升10%，其中IT/软件开发的改善提及率为66%，财务与FinOps为61%，客户服务为47%，运营与供应链为45%。41%的银行受访者已经看到正向财务回报。

摩根士丹利认为，银行此前多年投入数据治理、云平台和系统整合，使其具备把AI直接接入日常工作流的条件。美国大型银行正在把节省下来的时间重新投入客户服务、财富管理和业务拓展。同样人数可以服务更多客户、处理更多账户，并提高每名员工创造的收入。

不过，银行的“就业友好”可能只是早期现象。当前大量变化仍通过自然离职、组织简化和岗位调整完成，AI尚未完全接管端到端流程。一旦智能代理开始自主完成跨系统任务，后台与中台的人员需求可能进一步下降。欧洲银行分析师因此认为，目前英国和德国约4%的AI相关净岗位减少，只是10%-20%中期缩减假设的早期信号。

七、软件与专业服务：真正的护城河不再只是人多

软件公司首先获得的是研发效率，但它们也最容易被AI反噬。报告指出，美国部分软件公司已经宣布高个位数或低双位数比例的裁员；欧洲企业则更多选择冻结总人数，同时把招聘转向AI、数据和产品岗位。换句话说，软件公司的总人数可能不再增长，但人才结构会快速改变。

专业服务行业也会从“卖人天”转向“卖结果”。过去咨询、外包、招聘和信息服务企业常以员工人数扩张收入；AI降低了完成同样任务所需的工时后，客户会要求更低价格，或要求供应商按成果收费。那些无法提供专有数据、可信流程或行业标准的公司，将很难维持原有利润率。

最耐久的价值并非来自零散的自动化，而是来自把AI嵌入企业核心运营基础设施。只有当AI成为客户每天必须使用的流程、数据和决策系统时，供应商才有机会获得定价权。

八、这轮变化的真正风险：岗位数量之外，是职业阶梯被削薄

就业讨论往往只关注总岗位数，但更深层的问题是职业成长路径。传统企业依靠大量初级和中级员工完成基础工作，并在这些工作中培养未来的高级人才。如果AI接管了资料整理、基础分析、初级编码和标准化客户服务，年轻人将更难通过“做基础活”积累经验。

这可能形成一个悖论：企业需要有经验、懂业务、能监督AI的人，却减少了培养这些人的初级岗位。报告中的数据已经显示，2-10年经验者受到最强冲击。未来企业必须重新设计学徒制、培训和轮岗，否则短期效率提升可能演变为长期人才断层。

另一个风险是离岸外包。银行和软件企业中，离岸与非直接雇佣人员在岗位取消和不再补招方面受到的影响最大。原因是这些工作通常高度标准化、远程化和可量化，AI替代成本更低。对依赖IT外包、呼叫中心和后台服务的国家与地区而言，AI冲击可能先于发达经济体的核心岗位显现。

九、结论：AI时代的赢家，不是裁员最快的公司

这份报告最值得警惕的，不是“AI造成5%净岗位减少”这一单一数字，而是企业已经开始形成新的组织模式：不再按收入增长同步增加人数；把离职岗位留空；让员工同时使用多个AI工具；把中后台能力重新集中到数据、风险、客户和产品上。

但裁员本身并不等于成功。企业仍要承担云计算、模型许可、数据治理、系统整合、网络安全和监管合规等新增成本。若AI只带来局部效率，却无法改善客户体验、收入增长或资本回报，所谓生产率红利可能被技术投入抵消。

因此，判断一家企业是否真正受益于AI，应关注四个指标：收入能否在员工数量不增长的情况下继续上升；AI是否进入核心工作流而非停留在试点；节省的成本是否转化为利润而不是被新的技术投入吞噬；公司是否建立了重新培训和内部流动机制。

AI不会把所有工作一次性消灭。它更可能像一把缓慢推进的剪刀，先剪掉补招，再剪掉重复任务，随后重塑职业阶梯与组织结构。未来最重要的分界线，不是“使用AI”与“不使用AI”，而是企业和个人能否把AI从工具变成新的工作方式。

本文仅用于信息整理与研究交流，不构成投资建议。