跳到正文
Ramp AI Index·精选AI 评分56

Ramp 与 Revelio Labs 研究:高强度用 AI 的公司两年内员工数多增 10%

Companies hire more after AI adoption Using Ramp spending data linked to Revelio Labs workforce records, economists at Ramp and Revelio find that firms that adopt AI grow employment by 10%, including entry-level hiring.

AI 导读

Ramp Economics Lab 与 Revelio Labs 发布首份工作论文,把 Ramp 的企业支出数据与 Revelio Labs 的用工记录对接,样本覆盖超过 2.1 万家美国公司,发现高强度采用 AI 的公司(按每员工每月 AI 支出排前三分之一,约 30 美元)在采用后两年内员工数增长 10.2%,初级岗位增长 12%。

变化判断

用 Ramp 支出数据对上 2.1 万家美国公司的用工记录后发现,AI 投入排前三分之一的公司两年内员工数多增 10%,但这一增长要到采用后 6 至 12 个月才出现。

正文 · AI 翻译

各位同事:未来十年最重要的经济问题,是 AI 将如何影响就业。人人都想写这篇论文。但在此之前,没有人掌握合适的数据集,所以现有研究只能靠猜测、问卷调查、AI 暴露度评分,以及各怀立场的专家评论拼凑而成。事实上,斯坦福最近的一篇论文就指出,理想的数据集应当使用“企业支出数据”,并特别提到了 Ramp 的数据。

今天,我们发布了第一篇工作论文:重新审视 AI 对就业的影响。研究使用了 Ramp 的企业层面支出数据,并与 Revelio Labs 收集的劳动力数据相结合。在覆盖超过 21,000 家美国企业的样本中,我们发现,大力投资 AI 的公司在采用 AI 后的两年里员工人数增长了 10%,初级岗位员工人数增长了 12%。

完整论文和 Ramp 经济实验室的数据可在这里查看。这封信的其余部分将概述我们的主要发现、未来的研究计划,以及我对这对经济意味着什么的一些思考。


主要结论

  • 采用 AI 的公司在采用后的两年里员工人数增长 10.2%,但这些增长完全由高强度采用者驱动。低强度采用者的变化在统计上并不显著。
  • 初级岗位员工人数增长更快。在 AI 投入最大的公司,采用后的两年里初级岗位员工人数增长了 12%。
  • AI 的采用及相关收益分布不均。采用 AI 的企业本就规模更大、工程人员占比更高、更可能获得风险投资,增长速度也快于未采用者。而这些公司在采用 AI 之后增长进一步加快。

公司采用 AI 后会招更多人吗?

我们的主要结论是:会。使用 AI 的公司在采用后的两年里员工人数增长 10%。但有两点需要注意:

  • AI 采用存在最低门槛:只有“高强度”采用 AI 才能看到增长。在我们的分析中,高强度指的是在最初三个月里,每名员工每月 AI 支出位居前三分之一的企业。这未必是描述优秀 AI 采用情况的最佳方式,但它与我想要捕捉的特征相关:这些企业会在多个模型上花钱,并使用最先进、最能提升生产力的产品(编程智能体和 API,而非简单的聊天订阅)。要注意,前三分之一的企业花的其实并没有那么多。最初三个月大约是每名员工每月 30 美元,之后继续上升,但远谈不上数千美元。
  • 收益存在学习曲线:企业在采用 AI 后的 6 到 12 个月内才会增加员工人数,而且这些收益会随时间不断累积。最佳实践要在团队、个人和组织的工作流程中传播开来,进而改变公司运营、推动增长并影响招聘,这都需要时间。

把这张图表加到你的网站上。

初级岗位员工人数增长更快

在回答了第一个问题——采用 AI 的公司是否招了更多人——之后,我们的论文转向回答:它们的招聘方式是否不同?我们测试了多个岗位类别和学历层次。总体来看,除初级岗位外,各职能岗位的增长情况相近(最差也是净中性)。

在高强度组中,入门级岗位的招聘增长了12%。增长之快,以至于在24个月分析期结束时,高强度组的企业还提高了入门级员工在员工总数中的占比(相比对照组上升了1.15个百分点)。

这是我们目前看到的第一个也是唯一一个例子,说明高强度使用AI的企业在挑选不同类型的候选人。在这个案例中,我们认为它们看重的是新的技能组合,具体来说,就是懂得如何使用AI并且用得娴熟的人。入门级员工,尤其是应届毕业生和大学生,自然是寻找这类人才的首选。

这些结果还比较初步,我们打算持续跟踪并更新,但对于近年来在就业前景上似乎只听到坏消息的年轻人来说,这是一个有希望(也符合直觉)的结果。在撰写这篇论文早期版本时,我们访谈过的招聘经理也让我亲眼看到了这一点。

将此图表添加到你的网站。

AI带来的收益分布不均

这篇论文的一个附带发现是,AI通过人脉网络扩散,而这些网络可能导致经济上并非最优的结果。

例如,谁给你投的钱,比你在哪个行业,更能预测你是否采用AI。任何类型的风投支持的公司,都比传统科技公司更可能使用AI,而且用得更多。扩散还与你认识谁、你从哪里招人有关。加州的科技公司比纽约的同类公司更可能使用AI。这背后没有必然原因,只是因为AI通过人脉网络传播。

将此图表添加到你的网站。

以小企业为例。它们一开始就不太可能使用AI,但一旦用起来,强度反而更高。我觉得这很合理:小公司可能没有专门的工程或财务团队。如果AI降低了开发软件、处理行政事务、做分析或改善客户支持的固定成本,收益就能带来超常增长,并开辟出以前需要更高固定成本(比如新增薪资)才能获得的新收入来源。最终,我认为这就是企业在采用AI后增加员工人数的机制,尽管AI想必为它们的团队承担了新的和现有的任务。它们现在可以去做更多事情了。

这对你来说实际意味着什么:

如果你是刚进入劳动力市场的年轻人,在两个其他方面差不多的公司之间做选择,那就选正在使用AI的那家。它更有可能增长得更快。

如果你是工程师,担心AI会消灭工程岗位,我们的证据表明,采用AI的企业招聘工程师的速度更快,而不是更慢。学习最新技术,让自己在激烈采用AI的企业面前处于最佳位置。

如果你是企业主,试过AI却没看到收益,请坚持下去。我们的结果显示,AI的收益存在学习曲线,也有采用的最低门槛。把你的经历看作普遍现象,但并非最终结论。AI用得好的企业没有动力公开自己的打法,所以不亲自试验就很难学到最佳实践。

最后,如果你看到有CEO把裁员归咎于AI的新闻标题,不妨保持怀疑。这项研究尚未定稿,随着更多数据到来,我们打算更新这些结果,同时测试更多指标,看看招聘正在发生怎样的变化。这不会是我的最后一篇论文,但我希望读者——包括劳动者、企业主和政策制定者——能用今天的结果改进自己的决策,获得更好的结果。

来源:Ramp AI Index · ramp.com