研究：AI高暴露岗位广告薪资涨得更快，溢价随资历递增

要点：

• 在AI暴露程度最高的职业中，招聘广告上的薪资增长速度快于暴露程度最低的职业。
• 这一差距缓慢形成，但自2024年以来明显扩大。
• 高暴露职业包括软件开发、IT支持、数据与分析、市场营销和金融。低暴露工作包括护理、照护、餐饮服务、清洁和制造业。
• 薪酬溢价似乎随资历加深而扩大——高级职位较大，中级职位中等，入门级职位可忽略不计。

最常见的由AI引发的担忧之一是，这项技术将掏空知识型工作，并拉低那些留存下来的工作的薪酬。但自2022年底ChatGPT公开问世近四年后，美国招聘信息数据却讲述了不同的故事。AI暴露程度最高的职业，其招聘广告薪资并未落后。相反，它们的增长速度超过了暴露程度较低的工作。

Indeed Hiring Lab分析了数百万条带有招聘广告薪资的美国招聘信息，并按各职业的AI暴露程度对职业进行了排序。高暴露职业是指生成式AI工具能够执行或大幅重塑该工作所需技能的更高比例的职业，从而使这些职位面临更大的潜在变革。我们的AI暴露程度评分是指某一职位的技能中被判定可由生成式AI实现“混合”或“完全”转型的比例。

高暴露职业包括软件开发、IT系统与支持、数据与分析、市场营销以及银行与金融。低暴露工作包括护理、个人护理与家庭健康、食品制备与服务、清洁与卫生以及生产与制造。我们追踪了ChatGPT发布前后（生成式AI时代开始的标志）各组招聘广告薪资的变化。

AI暴露型职位的薪酬已领先

自2021年以来，AI暴露程度最高的职业的招聘广告薪酬上涨了约46%（而暴露程度最低的为25%）。在ChatGPT发布后的第一年，暴露程度较高和较低职业的薪酬走势紧密同步。但这一差距在2024年前后开始明显扩大，并在此后持续扩大（巧合的是，大约在同一时间，我们开始看到暴露程度更高的职业的招聘信息反弹）。这与雇主逐步重组工作并争夺AI相关技能的情况相符。

即使考虑到职业构成的变化（例如软件开发与驾驶之间的比重），这一趋势依然成立。在控制职业构成后，我们发现ChatGPT发布后的薪酬溢价为5.7%。

在我们最细粒度的控制下，AI暴露型职位的招聘广告薪酬优势依然存在。将每个职位名称与其自身过去进行比较——数据工程师对数据工程师，卡车司机对卡车司机——溢价仍保持在4.7%。

第三种设定在每个职业内部保持资历构成（见下一节）不变。在此基础上，溢价缩小至2.4%。然而，由于AI任务重塑很可能是资历倾斜背后的一个因素，因此可以说，这一控制可能倾向于过度校正，剔除掉了一些AI正在发挥的作用，而不是数据中的扭曲。

这些趋势因资历不同有何差异？

将同一指数按招聘信息中所述的资历级别拆分，结果显示溢价随着职位层级的上升而扩大。在高级层面，差距最大且出现最早：截至2026年中期，暴露程度较高职位的薪酬较其2021年水平增长了45%，而暴露程度较低职位的薪酬增长了28%，差距约为17个百分点。中级职位显示出清晰但较小的差距，约为12个百分点，从2024年前后开始出现。最后，在入门级，仅有约2个百分点的适度差距。这一模式在指数上清晰可见，尽管其背后的回归项大多不具有统计显著性，因此我们将资历拆分视为提示性发现。

这里值得将两个问题分开来看，因为它们给出的答案不同。在累计水平上——即自2021年以来薪酬上涨了多少——溢价随资历上升而增加。但具体就ChatGPT发布后的变化而言，以2022年为基准衡量，各层级之间的差距要均匀得多——入门级约5个百分点，中级约6个百分点，高级约7个百分点。

这可能是什么原因造成的？

暴露程度最高的职业集中在知识型工作部门，而暴露程度最低的主要是需要更多体力投入的面对面工作。这一差距部分可能反映了劳动力市场这些细分领域不同的部门动态。有趣的是，这些动态最近发生了变化。包括软件开发在内的AI暴露程度较高职业的招聘信息，在2022年至2026年间总体下降最多。但在过去一年里，它们总体上出现了最大幅度的反弹。过去一年招聘信息的稳健增长，加上薪酬上涨，与这些职位的技能变得更有价值的情况相符。

需要注意的是，由于我们衡量的是已发布职位的招聘广告薪酬，部分上涨反映了向更少、更高级别招聘信息的转变。这种转变在AI暴露程度更高的工作中更大。在暴露程度最高的职业中，入门级招聘信息占比从2021年的29%降至2026年的10%，而高级占比则从22%升至47%。在暴露程度最低的职业中，这种倾斜约为前者的三分之一。

总体而言，AI似乎更多是在补充技术型工人，而非取代他们。它正在重塑市场为哪些技能付费。对雇主而言，要点是在科技、市场营销和金融等AI相关行业保持薪酬基准的更新。而且由于AI技能似乎能带来溢价，在招聘信息中突出这些技能可能是一种有用的吸引手段。

附录：模型

我们估计了一个双重差分：在 ChatGPT 之后，AI 暴露程度更高的职业中，广告薪酬增长相对于暴露程度较低的职业和更广泛市场的预测值多出的部分。我们应用了固定效应控制——职业（或职位名称）效应消除了不同工作之间永久性的薪酬差异，而月份效应则消除了通胀或劳动力市场火热等全经济范围的波动。剩下的就是暴露程度特定的、ChatGPT 之后广告工资的变动。我们在下面展示了三种设定，按其消除资历结构变化的程度排序。

核心溢价在三种设定中均为正，但设定消除的资历结构变化越多，溢价就越小：在职业固定效应下为 5.7%（薪酬中位数），在同一职位名称内比较招聘信息时为 4.7%，而在职业内部保持资历构成不变时为 2.4%。前两者具有统计显著性；第三者在 5% 水平上不显著。这些是替代性设定，而非嵌套序列——职位名称和资历水平控制是不同的切分方式，并非累加。

方法论

我们使用 Indeed 生成式 AI 技能转型指数（GSTI）评分，将职业划分为高/中/低 AI 暴露程度，该评分基于我们 2025 年的《AI 在工作中的应用》报告。GSTI 衡量生成式 AI 可能在多大程度上改变不同技能或工作的完成方式。它不是衡量生成式 AI 是否能够完全取代人类工作者，而是考察技能在未来可能如何应用，以及人类与这些技能和任务的互动方式可能如何变化。生成式 AI 模型评估了近 2,900 项工作技能所需的认知和体力要求，以及生成式 AI 执行这些技能的能力。基于这一评估，技能根据其被生成式 AI 转型的潜力被分为四个不同类别：最小转型、辅助转型、混合转型和完全转型。

职业按暴露评分排序，并在我们数据中出现的职业中划分为等数量的三分位组；头条数据比较的是最高和最低的三分之一。由于暴露程度是连续变量，接近边界的职业在评分上几乎相同。

分析中仅纳入明确标注年薪的招聘信息。

资历来自每条美国招聘信息中提取的入门/中级/高级级别属性——更多详情见此处。在该时期的每一年中，约 99.5% 的有薪招聘信息恰好带有一个级别标签。头条薪酬比较使用所有有薪招聘信息，不依赖于资历。

本分析中的资历占比与 Hiring Lab 发布的全美所有招聘信息的资历占比不可比。我们的样本仅限于标注年薪的招聘信息，其资历明显偏高：到 2026 年，高级占比在此达到约 37%，而全美所有招聘信息中约为 14%。

职业占比固定在 2021 年平均值，以控制工作结构的变化。

Indeed.com 上的招聘信息数量，无论是与有偿还是无偿招聘相关，均不代表 Indeed 的潜在收入或收益，Indeed 占其母公司 Recruit Holdings Co., Ltd. 人力资源技术板块的很大比例。招聘信息数量仅供参考，不应被视为 Indeed 或 Recruit 业绩的指标。有关 Recruit 人力资源技术板块创收的更详细信息，请参阅 Recruit Holdings 投资者关系网站和日本的监管文件。

文章 AI 暴露并未挤压美国的广告薪酬——而是在提升它 首次发表于 Indeed Hiring Lab。