在任何一個時代，技術對就業產生的影響無非兩種：淘汰舊工作，創造新工作。機器取代了農民，但也催生了航空工程師這種職業。但問題是，技術創造的新工作都給了誰？收入怎麼樣？一份「新工作」能新多久，之後就變成了任何人都能幹的普通活？
MIT勞動經濟學家大衛·奧托（David Autor）主導的一項新研究回答了這些問題。他和同事用詳盡的數據呈現了一幅圖景：在戰後的美國，技術催生的新工作給30歲以下的大學畢業生帶來的好處，遠超其他任何群體。
「我們以前從來沒有精確地看到過是誰在做新工作，」奧托說，「做新工作的更多是年輕人、受過高等教育的人，而且集中在城市。」
這項研究還有一個宏觀層面的重要發現：大量由創新驅動的新工作其實是由需求拉動的。1940年代政府為應對二戰而大規模擴展研發和製造業，催生了大量新工作和新的專業知識。
「這說明我們在哪裏投資，就會在哪裏長出新的專業分工，」奧托說，「只要你創造出一項大規模的活動，就一定會有相關的新專業知識出現。我們覺得這個發現很令人振奮。」
這篇論文題為《新工作和更多工作有什麼不同？》（What Makes New Work Different from More Work?），即將發表在《經濟學年度評論》（Annual Review of Economics）上。作者包括奧托、MIT經濟學系博士生卡羅琳·陳（Caroline Chin）、蒂爾堡大學和烏得勒支大學經濟學教授安娜·M·薩洛蒙斯（Anna M. Salomons），以及西北大學凱洛格管理學院助理教授布萊恩·西格米勒（Bryan Seegmiller）。
了解新工作的規律以及哪類人能搶到這些工作，可能跟 AI的擴散有直接關係——不過在奧托看來，現在判斷 AI會怎樣影響就業還為時過早。
「人們很擔心基於 AI的自動化會更快地侵蝕某些具體任務，」奧托說，「但侵蝕任務不等於侵蝕工作崗位，因為很多崗位包含大量不同的任務。不過我們都在問同一個問題：新工作會從哪裏來？這個問題太重要了，而我們所知甚少。我們不知道新工作會是什麼、長什麼樣、誰能幹。」
"如果人人都是專家，那就沒人是專家"
這四位作者此前合作過一項關於新工作的重要研究，發表於2024年。那項研究發現，1940年到2018年間美國大約六成的工作崗位屬於1940年以後才廣泛出現的新專業領域。這次的新研究在此基礎上更進一步，精確追蹤了是誰在填充這些新崗位。
研究人員使用了1940年到1950年的美國人口普查數據，以及2011年到2023年的美國社區調查（ACS）數據。前者因為人口普查記錄在大約70年後會完全公開，學者們可以查看個人層面的職業、薪資等信息，還能追蹤同一批人在1940年和1950年兩次普查之間的職業變動。
通過與人口普查局的合作研究安排，作者還獲得了 ACS個人級別記錄的安全訪問權限。這些數據讓他們可以分析新職業領域從業者的收入、教育水平和人口特徵，並與從事老行當的工人進行對比。
奧托指出，新工作總是和新的專業知識綁在一起的。起初這種專業知識稀缺；隨着時間推移可能變得普遍。而專業知識往往與新技術相關聯。
「它要求掌握某種能力，」奧托說，「讓勞動力值錢的不僅僅是『能幹活』，而是專業化的知識。這往往也是高薪和低薪工作之間的分界線。」他補充說：「而且這種知識必須是稀缺的。如果人人都是專家，那就沒人是專家。」
通過分析普查數據，學者們發現1950年時約7%的就業者從事的是1930年以來才出現的工作類型。到了2011-2023年，約18%的工人從事的是1970年以後才出現的工作。（這大致相當於每十年同樣比例的新崗位出現，不過奧托認為這不一定是鐵律。）
在這些時期里，新工作更多出現在城市地區，30歲以下的人從中獲益最多。進入新工作領域似乎有持續效應：1940年從事新工作的人，到1950年仍在做新工作的概率是普通人群的2.5倍。大學畢業生從事新工作的概率比高中畢業生高2.9個百分點。
新工作還帶有薪資溢價，總體上比已有工作類型的薪水更高。但研究也顯示，隨着某種新工作所需的專業知識變得越來越普及，這種薪資溢價會逐漸消失。
「稀缺性帶來的價值會被侵蝕，」奧托說，「那些知識變成了常識，或者它本身被自動化了——新工作會變舊。」
奧托舉了個例子：開車曾經是一種稀缺技能。同樣的道理，直到1990年代，會用 WordPerfect或 Microsoft Word這樣的文字處理軟件也算一門本事。但過了一段時間，操作文字處理工具就變成了使用電腦最基本的能力。
回到 AI
研究「誰得到了新工作」這個問題，讓學者們對「新工作是怎麼被創造出來的」得出了一些很有力的結論。通過分析二戰時期的縣級數據——當時聯邦政府在全美各地以公私合作的方式支持新建工廠——研究顯示，建了新工廠的縣裏出現了更多新工作，而且1940年到1950年間85%到90%的新工作都是由技術驅動的。
從這個角度看，當時有大量創新是由需求拉動的。今天關於創新的公共討論往往聚焦在供給側——那些試圖創造新產品的發明家和創業者。但這項研究表明，需求側同樣能顯著推動創新活動。
「技術不是那種『我想到了！』然後就憑空冒出來的東西，」奧托說，「創新是有目的性的活動。而且創新是累積的。如果走得夠遠，它會有自己的慣性；但如果走不到那一步，它永遠到不了。」
這就把話題拉回了 AI，這個2026年人人都在關注的話題。AI會創造好的新工作，還是會搶走工作？在奧托看來，這很大程度上取決於我們怎麼用它。以醫療行業為例，那裏有大量技術驅動的新工作可以被創造出來——前提是人們有意願去創造。
「我們可以用不同的方式在醫療領域使用 AI，」奧托說，「一種是直接用自動化把人的工作替掉。另一種是讓不同專業水平的人去做不同的任務。我認為後者對社會更有益。但市場最終會走向哪裏，還不好說。」
換個角度想，也許通過政府在各個方向上拉動需求，AI可以被用在能提升醫療行業生產力的地方，從而創造新的工作崗位。
「美國醫療支出中超過一半是公共資金，」奧托說，「我們在這方面有很大的影響力，可以把事情往那個方向推，用法有很多種。」
