Total Headcount Rises after AI Adoption

☘️ Article

孟恭觀點

• 所以 AI 到底增加還是減少 headcount？看狀況。ramp 和一些機構的研究文最近引起更多的辯論
• 過往模型方敘事是 AI 超恐怖會搶工作 >這對模型方有利
• ramp 發的報告說 AI 讓工作變多 >這也對他們業務有利
• 一個 AI 各自表述，大家都往自己有利的風向去講，不管是政治還是經濟層面
• ramp 的研究說採用 AI 在兩年內增加 headcount 10.2%, entry level 更是增加了 12%。有下但書：high-intensity adopters
• 這些用量超大的公司往往相對大、成長性佳，若是新創多半也是有 ventures 在背後奧援。就算沒有很大力地用 AI，本身也會有不錯的成長性
• 雖然自己也是傾向 AI 最終會增加工作這一派，但看下來這議題光是採樣方式和統計期限的調整就吵不完了，就.. 看看就好。新工具都是鼓勵要用，但看看那些連電腦都不太會的上司和資深同事們，很多還是活得好好的，大家還是會找到自己的空間啦
• https://ramp.com/data/heavy-ai-adopters-hire-more
• https://ramp.com/data/ai-jobs-impact

✍️ Abstract

Ramp 經濟實驗室研究報告

• 核心研究發現：
  • 高強度採用擴編：企業導入 AI 兩年後總員工人數平均成長 +10.2%，此增幅完全由 AI 高強度採用組驅動，低強度組則無統計顯著變化。
  • 入門職缺增速快：在 AI 投資最大的高強度採用企業中，入門級職缺兩年內大增 +12%，其在整體員工的占比上升 +1.15 個百分點。
  • 趨勢演變與分段解析：
    • 導入前準備期：在 (-12~0) 個月期間，高強度、低強度 採用企業的員工人數變動趨勢完全重合且保持平穩，微幅處於 0% 水平線下方。
    • 導入後第一年：在 (0~12) 個月期間，AI 高強度採用企業的員工人數開始顯著爬升，至第 12 個月時增幅已達 +15% 左右，AI 低強度採用企業則圍繞 0% 水平線微幅震盪。
    • 導入後第二年：在 (12~24) 個月期間，AI 高強度採用企業的員工人數呈現加速擴張趨勢，至第 24 個月時增幅突破 +40%，信賴區間顯示平均穩健成長 +10% 以上，AI 低強度採用企業至第 24 個月仍與對照組保持一致，增幅維持在 0% 附近。
  • 圖表維度與座標軸說明：
    • 縱軸：對數員工人數效應，單位為百分比，範圍為 (-20~+60)%。
    • 橫軸：相對導入 AI 的時間月份，範圍為 (-12~24) 個月，以第 0 個月作為導入基準點。
    • 比較圖例：深藍線代表 AI 高強度採用企業，淺藍線代表 AI 低強度採用企業。
• 深入分析與驅動機制：
  • 需達高強度門檻：企業需達到前三分之一的 AI 支出門檻 (前 3 個月人均月支出 > 30 美元且後續遞增)，並採購 編程代理、API 等多模型進階工具，才能驅動實質擴編。
  • 效益發酵時間延遲：企業導入 AI 後需經歷 (6~12) 個月的學習曲線，待最佳實務滲透至團隊工作流並改變營運模式後，擴編效益才會顯現。
  • 人才篩選標準改變：高強度採用企業正優先招募具備 AI 工具應用技能的候選人，近期 應屆畢業生、大學生 因此受惠。
  • 網絡效應決定採用：投資方背景比所處行業更能預測 AI 採用率，創投支持企業、加州科技公司 因 社交、招聘 網絡傳播，而有更高的採用強度。
  • 小企業槓桿效益大：小型企業雖然導入比例較低，但因 AI 大幅降低 軟體開發、資料分析 等固定成本，使其能以既有薪資架構拓展新營收與業務。
• 實務行動與決策建議：
  • 個人求職行動建議：求職者應優先選擇採用 AI 的快速成長企業，工程師應積極擁抱新工具，以契合招募需求。
  • 企業主決策建議：企業主應耐心突破學習曲線與最低門檻，對執行長將裁員歸咎於 AI 的新聞敘事，應抱持懷疑態度。

孟恭觀點分析

• AI 就業爭論：不同利益方對 AI 影響就業的敘事各異。
• 模型廠商敘事：傾向描述 AI 搶奪工作以符合其利益。
• Ramp 報告敘事：主張 AI 增加工作以利其業務推廣。
• 數據具體表現：高強度採用者總人數成長 +10.2%，入門職位成長 +12%。
• 數據分析質疑：高強度採用公司本身成長性較高，非純 AI 效應。
• 最終態度：傾向 AI 增加工作，但對統計口徑應持保留態度。
• 應對策略：鼓勵學習新工具，個體仍能找到定位。

專有名詞

• Ramp：一家創立於 2019 年的美國知名金融科技公司，主要提供 企業信用卡、費用管理軟體、帳單支付、會計自動化平台 等財務管理服務。本篇報告是由其旗下的 Ramp Economics Lab (Ramp 經濟實驗室)，利用 企業實時交易、AI 軟體支出 數據，進行 總體經濟、勞動力 研究與趨勢追蹤。
• Headcount：企業內部的總員工人數。
• 對照組：實驗中不接受處理的組別，用以比較實驗效果。
• 高強度採用者：在 AI 部署上投入資源較多且使用頻率高的企業。