纽约联储估算:青年毕业生失业增幅的 64% 与远程工作有关

纽约联储估算:青年毕业生失业增幅的 64% 与远程工作有关

一篇独立长文结合纽约联储数据解释:远程办公削弱了办公室里的非正式学徒制,生成式 AI 又拿走了初级岗位原本用来换取训练的低层工作。

原文定位

《AI didn't break the graduate job market — remote work did》 发表于 2026 年 8 月 5 日。文章从纽约联储关于青年毕业生失业的研究出发,解释远程办公如何削弱办公室里的非正式学徒制,并说明生成式 AI 为什么会让初级岗位更难承担培养新人的成本。

64% 是怎样算出来的

纽约联储比较了不同年龄大学毕业生在可远程职业和不可远程职业中的失业变化。29 岁以下毕业生的失业率从 2017—2019 年平均的 3.1% 升到 2022—2025 年平均的 3.7%;29 岁及以上毕业生则从 1.9% 降到 1.8%。年轻人的上升集中在软件工程等可远程职业,在机械工程等不可远程职业中,2020 年的波动很快回到原来的水平。1
柱状图比较美国大学毕业生失业率:29岁以下从3.1%升至3.7%,29岁及以上从1.9%降至1.8%
原文据纽约联储基于 CPS 数据的比较制作;图中的 64% 是对全体年轻大学毕业生失业增幅的回溯性估算,不是单个劳动者的因果概率。1
纽约联储把远程工作解释为这轮差异的主要来源之一,并估算它可以解释 2017—2019 年至 2022—2024 年间年轻大学毕业生失业增幅的 64%。这个数字来自当前人口调查(CPS)、职业可远程指数和年龄组比较,属于回溯性的「back-of-the-envelope」计算。生成式 AI 的普及时间晚于青年失业率的上升;把职业的 AI 暴露程度固定后,年轻人与年长者之间的差异仍然存在。1
研究者使用一家《财富》500 强公司的专有数据寻找机制:员工和同事坐得近,得到的反馈与指导更多;相隔一段距离后,反馈明显减少,年轻员工损失最大。公司办公室关闭时,缺乏经验的招聘减少,有经验的招聘增加;办公室重开后,初级招聘恢复,但分布式团队仍偏向有经验的人。该公司的数据来自软件工程团队,不能直接代表咨询、金融或医疗行业。1

办公室提供的培训,原来没有写进培训预算

原文作者把这组结果概括为「accidental apprenticeship」。多数新人并不是靠入职手册学会工作:他们坐在资深同事附近,听见客户电话怎样处理,看见一个判断怎样形成,在坏习惯固定前得到纠正,慢慢知道哪些问题值得问、哪些数字可以相信。
这种教学没有单独的课程、预算和项目经理。办公室提供了距离,组织便免费得到了一套低成本的培养机制。远程办公拿走这段距离后,主管必须安排专门的反馈会,让新人旁听本来不需要他们参加的会议,逐项解释自己的判断,并在工作完成前审阅过程。过去由座位安排承担的教学,变成了需要明确分配的管理时间。2
这解释了企业为什么会偏好有经验的远程员工:他们已经掌握了判断,不需要组织为其支付同等规模的现场示范。远程办公并不自动降低工作质量,原文引用的公司数据支持的是更窄的判断——距离减少反馈,反馈减少会影响年轻员工的成长速度与工作质量。1

AI 让学徒制少了一项交换条件

办公室学徒制的商业逻辑在于:新人先做研究摘要、数据清理、初稿等低层工作,用这些产出换取指导,企业接受一段学习期。生成式 AI 正在处理其中一部分低层工作。远程工作削弱了教学场景,AI 同时削弱了企业容忍新人学习的理由,两股压力落在同一个初级岗位上。2
这并不等于 AI 已经解释了青年失业的全部变化。纽约联储的时间顺序和职业比较把远程工作放在当前证据的中心;原文作者的判断是,AI 从此可能让问题加重,因为企业可以用模型完成一部分过去交给新人的可交付工作,却没有自动获得培养判断力的新方法。

作者给企业的三条补法

  1. 给新人安排可接近的资深同事。 组织可以保留混合办公,却要让处于形成期的员工在一段时间内坐到值得模仿的人附近。作者引用的公司案例表明,办公室政策更严格与恢复初级招聘同时出现,至少说明企业把共处视为培训条件。
  2. 把隐性课程写出来。 远程团队需要短反馈回路、未完成工作的复盘,以及让新人旁听并不直接需要他们参加的会议。目标不是复制办公室的形式,而是补回办公室无意间提供的示范、提问和纠错。
  3. 把 AI 放到学习流程里。 新人可以让 AI 做第一轮竞争对手检索、资料整理或草稿生成,并核对每个结论的来源,向资深同事解释取舍。这样,初级员工的产出速度提高,训练的重点转向检查、判断和承担结论。
作者把初级招聘看成领导力管线的投资,而不只是当期产出的成本项。这个判断成立的前提是,企业愿意明确支付指导时间;若组织只保留远程办公和 AI 工具,却没有反馈安排,初级岗位会在产出价值下降后失去存在理由。2

结论与边界

原文的核心判断有两层。第一层得到纽约联储数据支持:远程工作与青年大学毕业生失业上升同时出现,远程职业中的年龄差异尤其明显,回溯性估算远程工作可以解释约 64% 的失业增幅。第二层是作者的组织解释:许多办公室并没有一套被正式命名的培训系统,真正承担培养功能的是 proximity——新人能否持续看见资深员工如何工作。
AI 使第二层变得更难维持,却没有取代第一层的证据。把两者合在一起,文章给出的现实问题是:企业若不愿为远程环境重新安排反馈和示范,也不愿把 AI 释放出的时间用于训练判断力,初级岗位就会同时失去教学场所和成本依据。2

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.

Related content

More from this channel