美國畢業生失業數據未見AI造成廣泛衝擊

2026年9月26日可取得的美國資料顯示，人工智慧是否已大量取代大學新鮮人的工作，尚沒有一致答案。慕尼黑CESifo經濟研究人員Robert Fairlie與Jane Wu在最新工作論文中，利用美國人口普查局「現行人口調查」微觀資料分析後指出，2026年夏季近期大學畢業生的失業率為7.3%，仍落在2022年至2024年夏季曾出現的6.3%至7.8%區間內。研究結論是，目前沒有顯著、廣泛的證據顯示，AI已令近期畢業生的聘僱在絕對或相對水準上明顯減少。

7.3%不是「沒有壓力」的同義詞

這份研究鎖定22至25歲、取得學士學位且未攻讀更高學位的人。研究者選擇這個群體，是因為企業若以AI承接較標準化的初階文書或辦公任務，最早可能反映在減少新聘，而不是立即裁減資深員工。夏季正逢畢業生集中進入職場，失業率通常會上升，因此研究不只看單一年份，也比較自2022年以來的季節性與年對年變化。2022年同時是美國就業回到疫情前水準、ChatGPT推出的一年。

研究者也把近期畢業生與同齡非大學畢業者、以及30至49歲的大學畢業者比較，並依據一項2023年研究對職務AI暴露程度加以拆分。在2022年至2026年的多數比較中，各組趨勢差異沒有統計顯著性。即使把表示「想要工作」但沒有積極求職、因而不列入官方失業人口的人也納入，2026年的結果同樣未顯得異常。這是對「AI已經全面關閉初階職缺」說法的重要限制，但不是對個別求職者困境的否定。

• CESifo工作論文：2026年夏季近期大學畢業生失業率為7.3%，位於此前夏季6.3%至7.8%的範圍內。
• 紐約聯邦準備銀行資料：2026年6月，22至27歲大學畢業生失業率為5.7%，高於兩年前同群體1個百分點。
• 紐約聯邦準備銀行資料：近期畢業生的低度就業率為42%，即從事不要求學士學位的工作；全體大學畢業生為33.7%。
• NACE調查：28%的雇主表示正在尋找可在工作中使用AI的初職人才。

兩套資料回答的不是同一個問題

這項結果與史丹佛大學先前研究形成張力。史丹佛研究使用人力資源公司ADP的薪資資料，發現所謂受AI影響職業的初階就業表現，落後於其他領域。CESifo研究者認為，兩者不必然互相推翻：ADP資料涵蓋經濟的一個可觀察切面，但可能漏掉更廣泛人口調查可捕捉的部分；此外，職缺供給與失業率也不是同一指標。某些領域職缺可能收縮，但求職者對該類職位的需求也可能改變，因此失業率未必同步惡化。

CNBC引述紐約聯邦準備銀行的分析，同樣提醒不宜把近期聘僱放緩全數歸因於AI。該行根據職缺資料表示，AI可能正在促成近期勞動市場變化，但不是聘僱減速的主要驅動因素；與雇主的調查則顯示，多數企業打算主要透過再訓練導入AI，對聘僱的直接影響有限。這些發現並不表示技術沒有改變工作，而是表示截至目前，宏觀與調查資料尚未把廣泛的新鮮人失業明確連結到AI。

不過，求職流程本身已在改變。LinkedIn研究顯示，2026年初有66%的招募人員計畫增加使用AI進行面試前篩選；81%的求職者則表示已使用或計畫在求職時使用AI。當履歷先由自動化系統檢視，學生不只要尋找職缺，也必須理解關鍵字、職務描述與技能證據如何影響被看見的機會。這會讓「沒有收到面試」的經驗更難判讀：問題可能來自職缺量、競爭者數量、篩選設計、履歷內容或多項因素交織。

技能訊號正在改變，但不等於保證錄用

學生對AI能力的呈現正在增加。早期職涯平台Handshake表示，2026年應屆畢業生在履歷提及AI技能的比率，是2022屆的兩倍；其中74%的提及與實作專案有關，而非僅是課程。美國大學與雇主協會NACE則指出，春季職缺描述中要求AI技能的比例為16.5%，高於前一年秋季的10.5%。這些數字反映雇主對相關能力的需求上升，卻不能單獨證明具備AI技能就能解決職缺不足或經驗門檻。

NACE也看到學生與雇主之間的落差。其2026年學生調查中，接近三分之一應屆畢業生認為AI技能對未來職涯「不太重要或完全不重要」；超過半數表示沒有為未來培養AI技能，也沒有在求職中使用AI。NACE執行長Shawn VanDerziel形容，雇主日益要求畢業生準備好使用AI，但部分學生仍在質疑AI是否應進入自己的工作。這種分歧使「學不學AI」不只是工具選擇，也涉及職業判斷與對工作品質的期待。

個別求職者的感受仍可能比全國平均數字艱難得多。CNBC報導中，Seton Hall學生受訪者有人投出50份申請只得到兩次面試，也有人稱申請多達150份工作。勞動市場研究公司Revelio Labs執行長Evan Sohn則說，較快採用AI的公司也可能較快招人，但這些企業優先招募資深職位，未必有利於初階人才。這是受訪者與業界人士的觀察，不是CESifo論文所證實的因果結論。

對台灣讀者而言，美國的7.3%與5.7%來自不同年齡範圍、不同月份與不同統計設計，不能直接套用到台灣青年就業狀況；它們更適合被視為觀察AI勞動影響的方法提醒。看待「AI搶走新鮮人工作」時，應分開檢視失業、低度就業、職缺數、求職篩選與技能要求。2026屆美國畢業生的資料暫未證實廣泛排擠，但也顯示畢業後找到符合學歷的工作，仍是比單一失業率更複雜的問題。

CESifo研究者的保留尤其重要：若職場AI使用強度持續提高，2027年與之後的畢業班可能受到更大影響，仍需要更多年份資料判斷效果是否隨使用深化而浮現。因此，目前最嚴謹的結論不是AI毫無影響，也不是它已造成全面失業，而是現有美國夏季失業資料尚未顯示一個統計上明確、普遍的新鮮人替代現象。