达拉斯联储银行研究部助理副总裁J. Scott Davis于2026年2月24日发表文章指出，人工智能对劳动力市场的影响取决于它是否自动化还是增强工人任务。早期就业和工资数据显示，AI可能正在同时进行两者。

可编码知识（如教科书中的既定信息）与隐性知识（通过经验获得的理解）之间的区别至关重要。如果AI能复制可编码知识但无法复制隐性知识，它将自动化需要可编码知识的工作，但补充需要经验隐性知识的工作。这种区别进一步表明，AI可能取代初级工人，但提升资深工人的努力。在AI影响显著的职业中，工资上涨显示了对工人隐性知识和经验的高度重视。

自2022年秋季ChatGPT发布以来，美国总就业增长约2.5%，但AI暴露行业就业明显落后。计算机系统设计及相关服务行业就业下降5%，根据Edward W. Felten、Manav Raj和Robert Seamans开发的指数，受AI影响最严重的10%行业就业整体下降1%。这一就业下滑主要影响25岁以下年轻员工，而老年员工就业未见下降。斯坦福大学研究人员Erik Brynjolfsson等指出，AI暴露行业就业下降特别针对年轻人，此前达拉斯联储经济学家Tyler Atkinson分析显示，这并非裁员所致，而是年轻求职者就业率低下，新毕业生在AI相关领域面临严峻职场。

尽管AI暴露行业就业落后，但工资增长超过全国平均水平。自2022年秋季以来，全国名义周平均工资上涨7.5%，计算机系统设计行业涨幅达16.7%，AI暴露前10%行业工资增长8.5%。对205个职业的分析显示，AI暴露度与2022年后工资增长无直接关系。

如何解释就业下降却工资稳定的现象？如果AI仅自动化工作，工资和就业均应下降。经济学家David Autor等研究显示，增强型专利增加劳动力需求，而自动化型专利减少需求。AI可自动化某些工作的专家任务，使技能过时；也可自动化另一工作的例行任务，让工人专注高价值活动。Brynjolfsson等推测，AI自动化可编码知识（书本学习），但无法复制经验隐性知识。对初级员工，可编码任务是专家部分；对资深员工，则是低端部分，从而取代新人但补充资深者。

为评估职业对可编码或隐性知识的需求，Davis使用美国劳工统计局数据计算经验溢价（资深与初级工资差）。对205个职业分析显示，经验溢价与AI暴露正相关，高暴露职业通常经验溢价更高，中位数为40%，律师等达100%以上。回归分析显示，对于经验溢价中位数的职业，AI暴露对工资增长影响微乎其微（-0.05个百分点）。低经验溢价职业（如快餐厨师）AI暴露导致工资增长下降0.28个百分点；高经验溢价职业则上涨0.2个百分点，AI取代初级但补充资深工人。

年轻求职者可能面临艰难时期，经验回报在AI暴露职业中上升。资深工人尤其是高经验溢价职业，似乎无需担心大规模失业，因为AI更可能补充其隐性知识。这对社会和工作组织有深远影响。目前白领职业路径是从学校直接进入初级岗位学习隐性知识，但AI使这种员工培养短期内成本高企。长期看，需重新思考新人积累经验的方式。