随着AI技术的快速发展和逐步应用，AI对就业的影响变得不容忽视。一个重要的问题是，AI对经验丰富的专家影响更大，还是对初入职场的新人影响更大呢？

从过去经验看，传统的数字技术对标准化、流程化、操作规则明确的工作岗位，冲击更大，并减少了对这些从事例行工作的人员的需求；但是另一方面，增加了从事综合性工作的人员的生产力，比如编程、数据分析、研究等，这加剧了收入的不平等。

AI对就业的影响是否还是如此呢？NBER刚发布的一篇文章<Generative AI at Work>，提出了相反的观点。该文宣称，这是第一篇关于在工作场所大规模部署生成式AI影响的研究。

该文将Open AI开发的最新的GPT模型，部署在一家软件公司的客服部门，让AI来辅助客服处理客户问题，借此研究AI对生产力的影响。生产力以每小时解决的客户问题为度量，结果显示，平均提高了14%，结果非常显著，显示出AI确实是对生产力有提高作用。

这个整体性结论符合常识。值得我们的关注的是，这篇文章按照员工的技能水平和培训时间的不同，分别考察了AI的影响。

结果显示，AI对技能水平最低的人，生产力的提升最大，对完全没有接受过培训的人，生产力的提升最大，对于经验丰富的、从业时间长的、技能水平高的人，完全没有帮助。

另外，文章也表明，AI会极大的加快学习曲线，让学习曲线变得非常陡峭，让一个毫无经验的人，在很短的时间里面，达到很高的技能水平。

总的来说，文章发现，AI对低技能和零经验的人帮助最大。为什么会有这种结果呢？文章认为，AI在训练的时候，根据训练数据中服务是否成功的反馈结果，AI可以区分出高低技能个人的差异，从而去学习表现最好的、经验最丰富的客服的技能。

用通俗的话说，就是AI在“偷师”最专业的人，并来帮助最没有经验的人。

这篇文章的结论是基于某个具体的场景，并不一定具有普适性。但是结合这篇文章，笔者认为，AI目前表现出三个特点：

一是AI提高了知识和技能传播的速度；二是AI擅长提供框架，而框架能力，正是专家和新人的关键区别；三是基于AI的各种速读和总结文献的工具，极大提高了学习最新前沿知识的门槛。

以上三个特点的效果，其实是使得新人可以批量的快速成长为专家，这相当于增加了专家的供给。