被裁之后真正决定生活的不是找没找到工作，是这四个数
AI 裁员的新闻最容易高估因果，最容易低估后遗症。对一个家庭来说，「本月有多少公司把 AI 写进裁员理由」几乎没有信息量；真正决定未来三年生活水平的是四件事：多久重新找到工作、下一份工作的收入能恢复几成、新工作的雇佣形态和福利有没有一起降级、以及你所在的城市还有多少别的雇主接得住你。
加拿大的一手数据在这两头都给了答案。截至 2026 年，官方口径还不支持「AI 已经造成全国性岗位塌陷」；但同一批官方研究也指出，AI 高暴露的那些岗位恰恰是薪水更高、有养老金、全职且长期的好工作。也就是说，就算冲击来得慢，一旦来了，掉下去的落差会比一般裁员更大。
先把「公司说因为 AI 裁员」降一级
企业公告里的裁员理由，回答的是公司如何描述一次人员调整，不能自动回答「如果没有 AI，这些岗位还会不会消失」。降本、需求变化、并购、疫情后招聘回调、贸易冲击和人口变化可以同时发生。
加拿大统计局 2026 年 1 月 28 日发布的分析把这条边界写得很清楚。从 2022 年 11 月——ChatGPT 大规模可用、生成式 AI 开始流行的那个月——到 2025 年 12 月，不论职业对 AI 的潜在暴露度和互补度如何，就业总体都在增长。编码密集型职业（例如软件工程师和网页设计师）的增速与其他工作相近；从 2022 年第四季度到 2025 年第三季度，高暴露低互补职业的职位空缺下降速度也与低暴露职业相近。
源
同一份研究还给了一个更少被引用的结论：生成式 AI 广泛可用三年之后，职业结构的变化与历史上其他技术变革时期相比并无明显不同。源
作者自己列出了不能归因的理由：疫情后的劳动力市场调整、移民带来的人口快速变化、2025 年初开始的美加贸易摩擦，与 AI 同时发生。他们还提醒，技术的采用和扩散通常是渐进的，现在可能太早，几年的后 ChatGPT 数据应当谨慎解读。源
还有一层机制上的限定值得记住：这类估计主要基于「用 AI 替代任务在技术上可不可行」，而雇主即使技术上可行也未必立刻替换人力，因为存在财务、法律和制度上的约束。因此暴露于 AI 并不必然意味着失业风险，至少意味着一定程度的工作转型。源
所以看到「某月 40% 的裁员归因于 AI」这类标题，第一步不是把百分比乘全国就业人口，而是先确认它是公司自报原因、调查分类、统计相关性，还是有反事实设计的因果估计。四种东西不能共用一个标题。
但有一条对家庭不利的发现，必须一起读
同一份研究里最该被记住的一句话，恰恰不是「就业还在增长」。它写的是：无论互补度高低，潜在更暴露于 AI 的岗位更可能是高薪的、有雇主养老金计划的、全职的、长期的；因此由 AI 驱动的裁员可能涉及高质量岗位的流失。源
ESDC 2026 年 2 月给国会委员会的材料也是同一方向：统计局估计，住在城市地区的人、女性、高收入者和高学历者更可能从事高 AI 暴露的工作。源
这两条合起来，把常见的直觉反过来了。很多人默认 AI 先冲击低薪重复劳动，所以「我学历高、收入高、在大城市，应该没事」。官方数据说的正相反：暴露度最高的那一格，恰好是这批人。
增长里有一处停滞，年轻人那一格
同一份 2026 年 1 月的研究还有一个分组结论：这段时间里，年轻雇员和学历较低的雇员就业增长普遍偏弱。编码密集型职业的增长集中在 30 到 49 岁的工人身上，而 30 岁以下编码专业人员的数量停滞。源
加拿大央行行长 Tiff Macklem 2026 年 2 月 5 日在多伦多帝国俱乐部的演讲给了同方向的观察。他说，到目前为止，在加拿大还太早看到 AI 对生产率或就业的显著影响；但已经有一些早期变化迹象——可能有早期证据表明 AI 正在减少某些职业的入门级岗位，这或许在推高青年失业率，不过把 AI 的影响与贸易和人口变化分开很困难。源
他给出的硬证据有两条：在可由 AI 执行的任务占比更大的职业里，找到工作明显变难；同时入门级职位空缺的占比在下降。长期青年失业也处于高位。源
对家里有正在读书或刚毕业孩子的人，这一格比任何职业风险清单都值得盯：不是某个职业消失，是进这个职业的那扇门变窄了。
企业侧的截面：先培训，还没到减人
统计局的商业状况调查显示，加拿大企业的 AI 采用率从 2024 年的 6% 翻倍到 2025 年的超过 12%，另有 18% 计划在未来一年内采用 AI 软件。而在已经使用 AI 的企业中，接近 90% 报告就业人数没有变化，4% 报告增加，只有 6% 报告减少。源
更能说明当前阶段的是另一组对比：接近 40% 的企业培训了现有员工，而只有 5% 招聘了已经具备 AI 技能的人；半数雇主计划在未来一年培训现有员工。源
央行自己的调查数字更保守。Macklem 说，统计局的商业状况调查把显著采用 AI 的企业比例放在 12%，央行最近一次商业领袖脉搏调查结果大体相似——只有 8% 的受访企业报告在运营中显著使用 AI，另有 11% 计划在未来一年使用，大多数企业要么不用要么很少用。源
八分之一到十二分之一的企业在显著使用，四成在培训现有员工，二十分之一在外招 AI 人才。这组数字不能证明 AI 不会裁人，它只说明截至这个截面，大多数企业走的还是「先改任务、先补技能」这条路。
「2030 年少 55.5 万岗位」不能标成加拿大官方预测
截至 2026 年 8 月 26 日，本文实际打开核验的统计局、ESDC、加拿大央行和总理府页面里，没有出现「2030 年加拿大因 AI 减少 55.5 万个岗位」这个官方预测口径。所以本文不把它写成加拿大政府的预测；有人引用它时，应该回去问它出自哪家机构、哪一年、哪种情景假设。
联邦政府现行页面上确实有一组和岗位有关的数字，但性质完全不同。2026 年 6 月 4 日总理 Mark Carney 发布的 AI for All 国家战略提出的目标是：未来五年带来额外 2000 亿加元经济增长、创造 25 万个 AI 相关岗位，并把 AI 采用率从刚过 12% 提高到 2034 年的 60%；同时为年轻人提供最多 9 万个 AI 相关岗位和实习机会。源
关键词是战略目标，不是独立经济预测。把政府希望创造多少岗位，和某个模型估算某种情景下会少多少岗位相减，得不出任何有意义的净就业效果。
真正刺痛家庭的历史证据：重新就业了，收入没回来
统计局 2025 年的一项研究追踪了 2013 至 2016 年间被永久裁员的 25 至 54 岁雇员，用的是行政税务数据构成的纵向工人档案。被裁后的第二年，超过 75% 的男性和 70% 的女性重新获得了有薪工作，不论他们原来在哪类行业。源
只看这一个数，故事像是很快就修好了。接着往下看就不是了。
被裁后的第一年，来自高度依赖美国出口需求行业的男性，相对收入比裁员前低 71%，来自其他行业的对照组是低 64%；女性分别是低 82% 和低 70%。要到第二年才开始把收入捡回来一些。三年之后，前一组男性的收入仍比裁员前低 39%、女性低 46%，其他行业的对照组约低 35%。源
换成加元更直观。被裁后第一年，来自依赖美国需求行业的男性比没被裁的同类人少赚约 5.5 万加元（2024 年不变价），其他行业的男性少赚约 4.3 万；女性分别是约 4.6 万和约 3.2 万。六年之后差距仍在：前一组男性仍少赚 2.5 万、其他行业男性少赚 2.1 万；女性分别是 1.9 万和 1.4 万。这些绝对差额在裁员后的整个六年期间都具有统计显著性。源
一个人从年薪 10 万加元的稳定职位转到年薪 7 万的工作，在就业统计里已经算「重新就业」，家庭却要按 3 万加元的长期缺口重新安排住房、储蓄和教育支出。上面这组官方数字说的就是这件事，而且它持续了六年。
丢掉的还不只是钱。这份研究同时发现，被裁的人更可能重新受雇于平均薪酬更低的公司，在随后几年里更不容易进入有雇主养老金计划的岗位；被裁的男性也更不容易回到有工会的岗位。源
美国的口径给出同一个方向。2021 年 1 月至 2023 年 12 月，美国有 260 万名长期任职工人（在原岗位工作满三年以上）被裁；把短期任职的 370 万人算进来，displaced workers 总数是 630 万。到 2024 年 1 月，那 260 万长期任职者中 65.7% 已重新就业。源
再就业率有很陡的年龄梯度：25 至 54 岁的壮年组是 74.5%，55 至 64 岁只有 55.3%（比上一次调查下降约 9 个百分点），65 岁及以上是 34.4%。源
收入那一栏最关键。在原来做全职受薪工作、2024 年 1 月又回到全职受薪工作的长期任职被裁者中，62% 的收入达到或超过原岗位——换句话说，将近四成的人即使找回了同等形态的全职工作，收入仍然没有回到原来的水平。源
美国劳工统计局的问卷设计本身，就是一份「该测什么」的清单。被认定为 displaced 的人会被追问：在原雇主干了多少年、哪一年失去工作、原工作的收入行业职业、有没有提供医保；此外还问是否被提前告知即将解雇、多久没有工作、有没有领失业救济、救济有没有领完、有没有为了找工作搬家，以及目前的收入和医保状况。源
注意这里面有两个大多数人不会主动记录的问题：救济金有没有用完，以及有没有为了找工作搬家。这两件事发生的时候，家庭的缓冲已经见底了。
下一份工作的形态也会变，不只是收入
统计局把行政税务、T4、就业记录和企业资料纵向连接成 Longitudinal Worker File，用来追踪工人从一个雇主转到另一个雇主以及收入怎么变。源
一项基于这类数据、并与人口普查记录链接的因果研究发现：因公司关闭而被实际裁员的人，在被裁后第二年成为 gig worker 的概率，比特征相近、没有经历公司关闭的对照组高出近 50%；而「新进入」gig work 的概率大约翻倍。具体到百分点，公司关闭后的第二年，成为 gig worker 的概率比对照组高 2.1 个百分点，成为独立承包人的概率高 3.0 个百分点。源
而且这不是过渡一年就结束。在公司关闭当年进入 gig work 的被裁者中，超过一半（54.9%）第二年还在做 gig work。源
年龄那一格的结果和直觉相反：25 至 34 岁的年轻工人在公司关闭后进入 gig 活动的可能性，明显低于 45 岁以上的工人，尤其是 55 至 59 岁那一组。研究给的可能解释是，年长工人的再就业机会相对稀缺，而再就业往往需要的地理和职业流动性，他们也更难做到。源
这不是说 gig work 一定更差。它说明结构性冲击之后，调整路径可能从传统雇佣滑向合同、自由职业或其他非传统安排，而且对年纪大的人更容易滑过去。家庭做预算时，收入波动、福利、养老金和休假安排都会跟着变，不能只把就业状态记成一个 1。
同样的冲击，落在不同城市，后果可能差一倍
工作的可迁移性不只由技能决定，也由当地还剩多少别的雇主决定。明尼阿波利斯联储 2025 年 2 月介绍的一项研究用赫芬达尔-赫希曼指数衡量一个城市的职业和行业集中度，把经济多元城市取在该指数分布的第 10 百分位、高度集中城市取在第 90 百分位。源
结论是这样的：遭遇负面劳动需求冲击后，城市内部的职业与行业转岗在两类城市里都会下降，但幅度差很多——经济多元城市的下降幅度大约只有高度集中城市的一半。研究者的模型进一步指出，多元化本身提供了一种保险价值，这正是多元城市在负面冲击下福利损失更小的原因。源
参与这项研究的经济学家 Illenin Kondo 把动机说得比任何模型都清楚：我们想知道的不只是我可能有多暴露于冲击，还有我的那些选项有多暴露于同一个冲击。源
对大温家庭，这句话比「我的职业 AI 暴露度是多少」多了一整层。两个人做同一种工作，一个所在城市有几十个相邻行业的雇主，另一个所在地区高度依赖同一条产业链，失业之后的可选路径根本不是一回事。
所以职业风险要看两张地图：任务地图告诉你 AI 能吃掉哪些任务；本地雇主地图告诉你这些任务变了以后，你还能横向去哪。
培训不是万能药，要看培训后接到什么
历史上的大型转岗计划提醒我们不要把「参加了培训」直接等同于「收入修复了」。美国劳工部对 Trade Adjustment Assistance 的官方评估，长期跟踪的是就业、收入、岗位质量和不同群体的结果，而不是用课程完成率代替劳动市场结果。
本次核验中，劳工部相关评估页面与报告下载在当前环境返回 403，所以本文不写其中的具体收入差额，只保留这条可验证的方法论边界：培训是否有效，要看培训之后的就业、工资和岗位匹配，不看证书数量。
五个最容易写错的结论
「公司说 AI 是裁员原因，所以这些岗位就是被 AI 因果消灭的」证据不够。统计局和央行都明确说，多种宏观变化同时发生，现阶段很难把就业变化单独归因给 AI。源 源
「职业对 AI 暴露高，就等于这个职业会消失」错。统计局的口径是暴露度衡量任务被改变的潜力，不是失业预测；雇主即使技术可行也可能因财务、法律和制度约束不替换人力。源
「AI 先冲击低薪重复劳动，我学历高收入高应该没事」错。官方口径正相反：高暴露岗位更可能是高薪、有养老金、全职长期的工作；城市居民、女性、高收入者和高学历者更可能身处其中。源 源
「重新就业就代表恢复」错。加拿大数据显示三年后收入仍比裁员前低 35% 到 46%，绝对差额六年未消；美国数据显示回到同等形态全职工作的人里也有近四成收入没回到原水平。源 源
「政府提出创造 25 万个 AI 岗位，所以净就业一定增加 25 万」错。那是五年期的战略目标，不是把 AI 替代、宏观需求和新增岗位净额计算之后的预测。源
家庭该盯的四个数
第一个数是重新就业需要多久。它决定现金缓冲要撑多长。美国那份调查特意问「失业救济有没有领完」，就是因为这个节点一到，家庭的财务性质就变了。
第二个数是新工作收入相对原收入的比例。加拿大的六年追踪说明，这个比例的修复速度比大多数人预期的慢得多，而且从第一年到第三年都还在负数区间。
第三个数是雇佣形态有没有降级。换行业、换职业、从雇员变成合同工或独立承包人，都会把福利、养老金、资历和职业网络一起重置。公司关闭后进入 gig work 的人，超过一半第二年还在里面。
第四个数是本地可替代雇主的数量。一个职业即使暴露度高，只要任务能与 AI 互补、当地还有多种行业能吸收，风险和单一产业地区完全不同。
2026 年最稳妥的结论既不是「AI 不会抢工作」，也不是「大裁员已经发生」。现有加拿大一手数据更像一个过渡期：AI 使用已经进入相当一部分工作，总体就业冲击尚未被可靠识别，而年轻人和入门岗位那一格出现了值得持续追踪的弱信号。历史真正教家庭要防的，是一次岗位冲击把收入、职业层级和地区选择一起往下推，而不是新闻标题里某个单月的百分比。
顺着去读：真的已经被裁、需要按步骤处理身份和赔偿的，见被AI优化掉了：工签身份、EI和遣散费，三条线要同时打与在加拿大被裁员了，除了找下一份工作，你还有这4件事必须做；想按具体职业查风险清单的，见AI会抢谁的饭碗？海外华人常见职业风险清单（2026）。本文补的是那几篇没有的一层：被裁之后三到六年，收入、福利和雇佣形态各自会走成什么样。
这篇哪里可能过时或不适用
变得最快的是 2026 年这一层。AI 使用率、企业采用率和年轻人那一格的趋势，会随统计局新一轮劳动力调查与 TechStat、以及央行新分析而更新；官方自己就说现在可能太早，几年的后 ChatGPT 数据要谨慎解读。本文写的是 2026 年 8 月 26 日能查到的口径，不是结论。
第二处是历史证据的可迁移边界。2013 至 2016 年那批被裁工人来自依赖美国出口需求的行业，冲击性质是贸易与需求，不是技术替代；把那组收入曲线直接当成「AI 裁员后会怎样」是过度外推。它能支持的只有一个更一般的命题：结构性裁员之后，就业统计恢复得比家庭收入快。企业调查那一组同理——「就业人数不变／增加／减少」是企业层面的截面，推不出任何个人岗位的因果结果。
第三处是城市多元性那一项。它给的是一种结构性缓冲机制，来自美国城市数据，不能换算成大温某个具体职业的个人失业概率。同样地，本文所有数字都是群体统计，个人的实际处境取决于行业、年龄、身份状态和家庭财务结构；涉及裁员赔偿、失业保险资格或工作签证影响的个案，要回到主管机构原文并咨询持牌专业人士。