スタンフォード大学のデジタル経済ラボが、2026年6月までのADP給与データを分析して8月に発表した研究でも、同様の傾向が確認された。AIの影響を受けやすい職種における22歳から25歳の雇用者数は、影響の少ない職種の伸びと同ペースを維持していた場合と比較して約19%低かった。この格差の大半は、離職者の増加ではなく採用数の減少によるものだった。
企業側もこの問題をオープンに口にするようになっている。今年発表された人員削減計画のうち、雇用主が理由としてAIを挙げたものは12万136件に上り、他のいかなる理由よりも多かった。求人が公募に至らないケースもある。Shopify（ショッピファイ）のトビ・リュトケ最高経営責任者（CEO）は昨年、チームに対して増員を要求する前に、「AIを使って目標を達成できない理由を説明しなければならない」と伝えた。
すべての研究が同じ傾向を示しているわけではない。ロバート・フェアリーとジェーン・ウーの研究では、今夏の最近の大学卒業生における失業率の急増は見られなかった。これは真摯に受け止める価値があるが、失業率という指標には限界もある。学位があっても品出し作業をしている卒業生も「就業者」としてカウントされるためだ。現時点の研究でまだ解明できていないのは、採用鈍化のうちどれほどがAIに起因しているかという点だ。スタンフォード大学の研究チームも自らの分析結果を「因果関係の推計ではなく、記述的パターン」と位置付けており、教育水準を考慮すると格差は縮小する。
エントリーレベルの職がもたらしていた二重の価値
経済学者のルイス・ガリカーノとルイス・ラヨは、従来の取引関係を次のように説明する。若手社員は定型業務をこなすことで、自身の研修費用の一部を支払っていた。企業はスプレッドシートを得て、アナリストはレビュー（評価・指導）を得ていたのだ。両氏の理論モデルは、AIが定型業務をより多く代替していった場合に何が起きるかを問いかけている。ある条件下ではキャリアパスの採算が依然として成り立つが、別の条件下ではトレーニング機会が減少する。それは、AIを上回る程度の知識を持つ初心者に比べ、エキスパート（熟練者）がどれほどの付加価値を持つかによって左右される。
解決策の1つとして提案されているのが、若手にAIのアウトプットを検証させることだ。これは一見理にかなっているように思えるが、初心者が「不適切な前提条件」とはどのようなものかをどうやって学ぶのかを考えると、疑問が残る。先ほどの新人の例を思い出してほしい。彼女が不適切な前提条件の存在を学べたのは、上司が彼女自身のスプレッドシートの中でそれを見つけ出したからだ。自分で行ったことのない業務の成果物を検証するのは困難だ。
