Stanford Digital Economy Lab

資料來源#

• “We Must Act Now”: Sixteen Nobel Laureates Join Leading Economists and AI Researchers in Call to Prepare for AI’s Economic Transformation
• Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence

這是 Stanford 的一個研究中心，隸屬 Stanford Institute for Human-Centered AI，由 Erik Brynjolfsson 主持。它的研究成果透過兩種截然不同的管道進入這個知識庫；這頁存在的全部理由，就是因為它們掛著同一個機構名稱。

產出內容#

1. 煤礦中的金絲雀 薪資資料序列（Brynjolfsson、Chandar 與 Chen）。 這是知識庫中解析度最高的 AI 勞動市場影響測量：ADP 行政薪資紀錄的月度追蹤面板，於 2025 年 8 月首次流通，並在 2026 年 8 月修訂，納入截至 2026 年 6 月的資料。研究提出六項發現，其中最關鍵的兩項是：整體經濟並未出現就業排擠，以及 AI 暴露職業中 22 至 25 歲族群的就業人數，較若持續與低暴露同儕同步成長時的預期水準低約 19%。完整討論見認知公地的悲劇（再生解讀）、企業 AI 支出強度與人數成長（對照工具），以及明文化與默會知識的暴露程度（作用機制）。

2. AI 經濟指標。 與論文一併發布的公開儀表板系列，明確定位為追蹤未來六項發現的資料基礎設施，而非一次性的研究結果。此處尚未收錄；它自然是知識庫中所有 Canaries 數字的更新目標。

3. 倡議。 2026 年 7 月發布的 「我們必須立即行動」 聲明（“We Must Act Now”: Sixteen Nobel Laureates Join Leading Economists and AI Researchers in Call to Prepare for AI’s Economic Transformation）由該研究中心籌組，並透過其新聞管道發布；署名者包括 200 多位經濟學家與 AI 研究者，其中有 16 位諾貝爾獎得主。這屬於 practitioner-opinion，完全沒有任何形式的測量；知識庫只將其保留為精英意見的日期標記。參見暴露程度分類：已觀察、理論、報告、預期，了解該共識與其底下研究工具之間的不一致為何值得關注。

研究工具及隨附但書#

知識庫中的每個 Canaries 數字都建立在以下條件上；這些是研究中心自行揭露的限制，並非外部批評：

• 薪資資料涵蓋的是子集，而非普查。 ADP 為聘用超過 2,600 萬名美國勞工的企業提供服務，但分析樣本是平衡面板，收錄自 2021 年 1 月起每月都有觀測資料的企業（另一個面板則自 2018 年 1 月起，用於觀察前趨勢），每月涵蓋 350 萬至 500 萬名員工，並限於 70 歲以下、收入為正的全職工作者。平衡樣本的條件要求企業持續存續，而企業存續可預測較快的就業成長；樣本偏重製造業與批發業，零售業及住宿與餐飲服務業代表不足，員工少於 10 人的企業也很少，而且相較於 ACS 與 CPS，樣本中 AI 暴露職業的代表性偏高，女性尤其如此。
• 職業代碼是推算補入的。 約 30% 的樣本缺少職稱；缺少職業資料時，研究者會使用該勞工最近一次有資料的職業代碼，若沒有則往前找下一筆非缺漏代碼。作者表示，這些發現大致不受此作法影響。
• 暴露程度是從其他研究借用的職業屬性。 主要採用兩種指標：Eloundou 等人（2024）的 GPT-4 β 評分，以及 Anthropic Economic Index 的自動化／增強型查詢占比。兩者都是其他研究者計算的職業層級指數，再對照至 ADP 的 2010 SOC 代碼——因此，暴露程度分類：已觀察、理論、報告、預期中對這些研究工具的所有批評也都適用於此；研究中心的貢獻在於結果面，而非暴露程度面。
• 以職業為單位，而非企業層級，且並非研究者所選。 ADP 的企業識別碼已匿名化，因此「無法合併以職缺資訊或財報電話會議為基礎的外部採用度指標」。研究中心改採州層級 AEI 使用分級（領先採用州的下降最明顯，暴露程度最高五分位約降 −19%）。這是結構性的限制，也是 Canaries 與企業 AI 支出強度與人數成長中的企業採用面板不能取平均的原因：它們依據不同的變異進行識別，因為其中一方無法觀察企業。
• 數值大小因樣本而異，變化方向則否。 研究中心沒有掩蓋外部效度檢驗，而是直接報告：以 2024 ACS 的 2022→2024 可比期間計算，年輕工作者暴露程度最高與最低群體之間的差距，在 ADP 為 −0.132，在 ACS 則為 −0.022 [−0.055, +0.011]。在專業、資訊及金融服務業，兩種資料來源的結果相當接近（ADP 為 −0.231，ACS 為 −0.213）；差異主要集中於教育、醫療及公共行政，部分可歸因於有紀錄的 2024 ACS 權重修訂。
• 依研究者聲明，這是描述性分析。 「煤礦中的金絲雀——而非因果估計。」研究中心在主要內文中自行指出 ChatGPT 出現前的差異趨勢、控制教育程度後的效果減弱，以及 ADP 與調查資料的數值差距，並正面回應這些限制，而非迴避它們。

為何兩種管道必須分開看待#

同一位主任籌組了一份有 200 位署名者、探討 AI 經濟轉型的聲明，也撰寫了該聲明所涉議題所依據的七種彼此不一致暴露程度指標之一。這並無不妥——但「Stanford Digital Economy Lab 表示」可能指的是附有已發布穩健性表格的行政微觀資料結果，也可能是只有署名人數的新聞稿；知識庫對兩者的證據層級分別標為 empirical 與 practitioner-opinion。引用研究序列，而非機構。

相關連結#

• Erik Brynjolfsson — 研究中心主任，也是消歧頁面，整理知識庫以同一姓氏引用的五項不同作品
• 明文化與默會知識的暴露程度 — 研究中心提出一年的作用機制，並在 2026 年 8 月修訂版中進行測量
• 認知公地的悲劇 — 以 Canaries 系列作為實證錨點的分析架構
• 企業 AI 支出強度與人數成長 — 以不同單位進行測量的對照工具；上文提到的企業識別碼匿名化限制，正是兩者無法透過取平均來調和的原因
• 暴露程度分類：已觀察、理論、報告、預期 — 研究中心用於暴露程度軸的指標，以及「我們必須立即行動」公開信提供的精英共識標記
• Anthropic Economic Index — 提供使用遙測資料，以區分自動化與增強型查詢的指標；研究中心的發現五即以此區分為核心

資料來源#

• Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence — Brynjolfsson、Chandar 與 Chen，Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence，2026 年 8 月修訂，140 頁（empirical）。§1.1–1.2（樣本建構、推算補值、暴露程度指標）、§5 與線上附錄 H（ACS 比較）、§6.3（州採用分級）、線上附錄 A.2（代表性）、§7（AI 經濟指標）
• “We Must Act Now”: Sixteen Nobel Laureates Join Leading Economists and AI Researchers in Call to Prepare for AI’s Economic Transformation — Matty Smith，Stanford Digital Economy Lab 新聞稿，2026-07-13（practitioner-opinion，558 字，無任何測量）：署名人數及四位籌組者