企业采用AI后招聘更多员工

Ramp Economics Lab于2026年6月30日发布了其首份工作论文《AI对就业影响的新视角》。该研究利用Ramp的企业支出数据与Revelio Labs的劳动力数据，分析了超过2.1万家美国企业的AI采用与就业变化之间的关系。这是首个基于实际企业支出数据而非调查或推测的大规模研究，此前斯坦福大学的一篇论文曾明确指出理想的数据集应该使用“企业支出数据”，并特别引用了Ramp的数据。

研究的主要发现是：积极采用人工智能的企业在采用后的两年内，员工总数增长了10.2%，其中入门级员工的增长尤为显著，达到12%。然而，这些收益完全由高强度采用者驱动——即每员工每月AI支出处于前三分之一的公司。低强度采用者并未观察到统计上显著的变化。高强度采用者定义为在最初三个月内每员工每月AI支出约30美元的企业，这些企业通常使用多种模型和先进的生产力工具（如编码代理和API），而非简单的聊天订阅。

值得注意的是，AI采用的效果存在明显的学习曲线：企业通常在采用AI后6至12个月才开始增加员工，并且收益随时间累积。这意味着AI的最佳实践需要时间在团队和个人工作流程中渗透，才能最终改变公司运营并推动增长。对于入门级岗位，高强度采用组在24个月后入门级员工占比上升了1.15个百分点，表明这些企业正在积极寻找具备AI技能的新人才，而年轻毕业生是自然选择。

研究还揭示了AI收益的分布不均。AI采用者本身已经比非采用者规模更大、工程密集度更高、更可能获得风投支持且增长更快。此外，AI的传播依赖于网络效应：风险投资背景是比行业更准确的AI采用预测指标，加州科技公司比纽约同行更可能采用AI。有趣的是，中小企业虽然初始采用率较低，但一旦采用，其使用强度更高。这是因为AI降低了软件构建、行政工作、数据分析和客户支持等环节的固定成本，使得小企业能够解锁新的收入来源，从而推动招聘增长。

基于这些发现，论文为不同群体提供了实用建议：年轻人应优先选择采用AI的公司，因为这类公司增长更快；工程师应学习最新AI技术以在就业市场中保持竞争力；企业主即使初期效果不佳也应坚持AI投入，因为收益需要时间和强度的积累。研究者强调，这些发现是初步的，未来将基于更多数据更新结果，并提醒读者对“CEO将裁员归咎于AI”的新闻保持怀疑态度。