随着 AI 就业焦虑蔓延，Gallup 工会支持度民调攀升

随着 AI 就业焦虑在美国职场蔓延，Gallup 的工会支持度民调达到一个引人注目的里程碑。创纪录的 47% 美国人希望工会获得更大影响力，71% 认可有组织劳工。

这些数据反映出，劳工力量正从大衰退后的低谷中更广泛地复苏。同时，越来越多员工在写作、研究、编程、招聘、排班、监测和绩效管理中接触到 AI 系统。

关键冲突并非简单地发生在劳动者与人工智能之间，而是由雇主主导部署，与劳动者参与决定 AI 如何改变工作之间的矛盾。

企业通常负责选择工具、设定生产率目标、收集工作场所数据，并决定效率提升是否会影响人员配置。工会正将集体谈判定位为对这种集中控制的制衡力量。

这一做法已在娱乐、新闻、制造、教育和科技行业的合同中形成 AI 相关条款。然而，近九成美国劳动者仍未获得工会代表。

核心问题在于，在 AI 部署变得难以逆转之前，上升的认可度能否转化为实际的谈判力量。

Gallup 工会支持度民调显示历史性逆转

公众对有组织劳工的支持已恢复，但劳工的制度性力量尚未随之恢复。

Gallup 年度工作与教育调查发现，47% 的美国人希望工会拥有更大影响力。仅有 23% 希望其影响力减弱，26% 倾向维持当前平衡。

这一结果标志着 Gallup 四分之一个世纪趋势中，对扩大工会影响力需求的最高水平。这一比例较 2009 年 25% 的低点几乎翻倍。

整体工会认可度达到 71%，与 2022 年近期高点持平。Gallup 上一次测得更高认可度还是在 20 世纪中叶。

与 2009 年相比，这一转变更加清晰。当时，工会认可度降至 48%，42% 的人希望有组织劳工失去影响力。

最新的工会观点数据来自 2026 年 8 月 3 日至 8 月 24 日对 1,200 名美国成年人的调查。报告的抽样误差范围为正负四个百分点。

党派差异依然显著。73% 的民主党人希望工会获得更大影响力，相比之下，无党派人士为 45%，共和党人为 19%。

不过，工会认可度跨越政治阵营的范围，比支持扩大其权力更广。Gallup 发现，52% 的共和党人认可工会，这是 25 年来仅第二次出现共和党多数支持。

这种差异很重要。一个人可以对工会抱有积极看法，却不支持扩大其谈判覆盖范围的法律或组织行动。

调查还发现，偏好与预期之间存在落差。仅 27% 的人认为工会会变得更强，而 39% 预计其将变弱。

因此，美国人似乎希望拥有一个他们怀疑无法发挥作用的机构。这是 Gallup 工会支持度民调背后的首个主要张力。

工会代表比例仍远低于 20 世纪的峰值。根据联邦数据，2025 年有 1,650 万名领薪和受薪劳动者由工会代表。

这相当于劳动力总数的 11.2%。1983 年，即拥有可比数据的第一年，2,050 万名劳动者占劳动力总数的 23.5%。

会员率更低。联邦工会数据统计显示，2025 年工会会员为 1,470 万人，相当于领薪和受薪劳动者的 10%。

这些数字将受欢迎程度与实际能力区分开来。民调认可并不会自动带来组织权、已签署的合同、罢工基金或可执行的工作场所保护措施。

不过，公众舆论可以改变反对劳工的政治成本。它也可能让工会组织在白领工作场所中显得不那么文化上格格不入。

这一转变在科技行业尤其相关。工程师、设计师、研究人员、支持人员和承包商历来获得的是个人薪酬方案，而不是集体代表权。

AI 正在削弱这种个人化的交易。曾因专业技能而感觉受到保护的员工，如今面对的是被明确宣传为可替代其部分工作的工具。

这并不保证工会会复兴。但它确实创造了条件，使集体谈判看起来比科技行业扩张时期更具现实意义。

AI 岗位替代正将认可度转化为职场紧迫性

AI 使工会问题变得迫切，因为员工通过同一套工作场所系统体验到它的益处与威胁。

Gallup 报告称，到 2026 年第二季度，47% 的美国员工表示其组织已整合 AI 工具。这一比例较上一季度的 41% 上升。

超过半数的劳动者，即 52%，表示自己在岗位中使用 AI。30% 至少每周使用数次，15% 每天使用。

AI 的采用已不再局限于试验性的聊天机器人账户。雇主正将系统整合进既有流程、软件、评估方法和人员配置计划。

这种整合改变了信息平衡。管理层可以看到采购合同、实施目标、生产率基准和重组预测，而员工很少能获得这些信息。

劳动者往往只会看到直接指令。他们必须使用新的助手、接受自动化监测、记录任务，或利用既有专业知识训练软件。

这一过程起初可能让人感觉是在合作。但当员工无法判断管理层将如何使用由此产生的生产率数据时，它就会变得令人不安。

Gallup 的劳动力研究发现，约 19% 的劳动者认为，其工作岗位在未来五年内有一定或很大可能消失。他们的担忧涉及 AI、自动化、机器人或相关技术。

高频 AI 用户表现出更强的焦虑。每天或每周多次使用 AI 的劳动者，对岗位被取消的担忧概率是偶尔使用者的两倍以上。

这一发现挑战了一种常见的管理层说法：培训员工使用 AI 并不会自动让他们感觉更安全。

技术最活跃的用户通常比遥远的旁观者更了解其能力与局限。他们能够辨识自己工作中哪些部分正在变得更廉价，或更容易被自动化。

Gallup 的职场焦虑研究将岗位替代恐惧与更低的敬业度、下降的工作满意度、更严重的倦怠，以及更强烈的另寻工作意愿联系起来。

不过，管理质量改变了这种关系。明确的预期、员工参与、有效培训和支持性的管理者，能够缓解高频用户的焦虑。

这些证据表明，AI 岗位替代恐惧在一定程度上关乎治理。当员工能够影响组织如何部署 AI 时，同一项技术带来的感受会截然不同。

其他研究也显示出类似的怀疑态度。2025 年 Pew 调查发现，仅 6% 的劳动者预计工作场所 AI 长期会为自己创造更多机会。

在已经使用 AI 的劳动者中，42% 预计机会会减少，而未使用者中这一比例为 30%。15% 的 AI 用户预计机会会增多。

这项劳动者前景调查并不能证明这些损失一定会发生。它反映的是异常快速部署时期的预期。

预期仍会塑造职场行为。预计机会收缩的员工，更有理由寻求提前通知、遣散保障、再培训或对自动化决策的限制。

这正是劳工工会与 AI 相互关联之处。工会合同可以将员工咨询从管理层自愿做法转变为可执行的要求。

当优先事项发生变化时，这一区别尤为重要。支持员工的管理者可能离职，预算可能收紧，试验性部署也可能变成成本削减计划。

合同比非正式安抚更可靠地经受住这些变化。它可以要求在特定系统影响就业前进行披露、谈判、审查期或人工监督。

劳动者无需反对每一种 AI 工具，仍会珍视这种保护。他们可以支持减少重复劳动的工具，同时反对决定排班、评级、纪律处分或解雇而又不受审查的系统。

因此，AI 焦虑形成的支持群体比彻底抵制技术的人群更广泛。其中包括仍希望对自己工作命运拥有发言权的热情用户。

劳工工会与 AI 正在谈判桌上相遇

新兴的工会策略聚焦于控制部署条款，而非完全阻止 AI 发展。

AFL-CIO 于 2026 年 5 月发布的民调显示，劳动者广泛支持与人工智能相关的工作场所保护措施。超过十分之九的受访劳动者支持该组织以劳动者为中心的 AI 提案。

这些提案包括人工监督、透明度、隐私保护、提前通知、再培训和谈判权。调查覆盖了工会内外的劳动者。

这项研究由 AFL-CIO 委托，因此应结合这一资助背景解读其结果。即便如此，其中各项保护措施所针对的担忧，也有独立调查的记录支持。

基础的AI 劳动者调查发现，工会在防范 AI 伤害方面的排名高于雇主和两大政党。

38% 的人选择工会作为最可能保护劳动者的一方。8% 选择雇主，选择任一政党的比例则更低。

这一结果有助于解释，为何 AI 岗位替代能够强化劳工的论点。劳动者无需确信会发生大规模失业，才会要求程序性保障。

他们只需认识到一种失衡：雇主决定何时部署 AI，而员工则承受围绕监控、工作负荷和岗位重构的大部分不确定性。

集体谈判为劳动者提供了几种可能的应对方式。合同可以要求在实施前通知、获取影响评估，并就职责变化进行谈判。

合同还可以为算法纪律处分建立人工审查机制。其他条款可以限制数字替身、保护个人数据，或防止 AI 生成材料取代受合同覆盖的工作。

这些条款不再只是设想。娱乐行业工会在 2023 年编剧和演员罢工后赢得了重要的 AI 保护措施。

编剧获得了限制，即不得将 AI 生成材料视为合同中的文学材料。表演者则就数字替身相关的同意与报酬规则达成谈判。

这些协议并未禁止在电影和电视制作中使用 AI。它们确立了雇主如何将 AI 用于受代表劳动者的相关条款。

新闻业提供了另一项正在进行的检验。新闻编辑室将生成式系统用于转录、摘要、研究支持、标题测试和内容制作。

这些功能可以帮助记者。它们也可能支持整合、提高产出目标，或将受合同覆盖的工作转移给承包商和自动化服务。

NewsGuild-CWA 主席 Jon Schleuss 告诉 Axios，截至 2026 年 7 月，该工会已有 85 至 90 份合同包含明确的 AI 条款。

合同保护数量表明，集体谈判的推进速度可能快于全国性立法。它也显示出，这些保护措施仍极不均衡。

已有成熟工会的劳动者可以在实施前或实施过程中参与谈判。没有工会代表的劳动者往往只能依赖公司政策、个人提出异议，或州法律。

制造业工会面临一项相关挑战，涉及机器人、计算机视觉、预测性维护和自主设备。这些技术能够提升安全性，但也可能减少某些特定工种。

相关的谈判议题包括人员配置水平、岗位调配、培训，以及生产率收益的分享。简单的禁止措施会忽视潜在的安全和人体工学益处。

教育工会也在扩大其诉求范围。教师正面对 AI 生成的学习材料、自动评分、学生监控，以及评估员工绩效的系统。

2026 年 7 月，美国教师联合会支持将 AI 采购、实施、监控、生产率衡量和工作场所数据纳入集体谈判权的范围。

科技从业者拥有的成熟谈判结构较少。然而，他们可能面临裁员、外包、自动化编程工具，以及公司内部要求其训练能够复现自身工作任务的模型。

这正是“工会与 AI”背后的现实含义。这场争论正从公众担忧转向具体条款：谁能获得信息，谁又掌握否决权。

核心之争是劳动者话语权与雇主控制权

AI 正在重振劳工的相关性，因为其部署会集中影响工作如何被估值、衡量和分配的决策权。

雇主希望灵活采用有用技术，这完全合理。他们也要对投资决策、竞争压力、安全和运营结果负责。

劳动者承担的是另一组风险。他们可能失去自主权、隐私、谈判筹码或工作，却无法按比例分享生产率提升带来的收益。

AI 加剧了这一冲突，因为它既是生产工具，也是管理系统。同一套模型可以起草文件、提出行动建议、评估绩效，或识别应被削减的岗位。

工会并不会消除这种取舍。它改变的是谁能参与解决这一问题。

缺乏代表时，雇主可以将 AI 咨询描述为一项管理福利。公司通常仍保留最终决定权，也可以单方面修改流程。

通过集体谈判，咨询可以成为一项明确义务。劳动者可以要求信息、提出限制、质疑违规行为，并使用申诉程序。

这是一项实质性差异，但也存在边界。联邦劳工法并未赋予每位劳动者对新技术的自动否决权。

确切的谈判义务取决于工作场所、合同、拟议变更和法律背景。雇主可能仍对商业及生产决策保留相当大的权力。

工会还必须代表利益相互冲突的劳动者。受合同保护的资深员工，对自动化的看法可能不同于寻求入门级工作的承包商。

生产率提升可以维持一个组织的存续，同时淘汰某些特定岗位。无限期保护每一项既有任务，可能阻碍适应并削弱雇主。

因此，持久的劳工策略必须区分岗位与任务。它还必须区分有益的增强与主要旨在降低劳动力成本的系统。

增强是指技术帮助个人完成工作，同时该人员仍承担责任并保持雇佣关系。自动化则是将任务或决策转交给系统，并减少人类参与。

这种区分并不总是稳定。一款作为辅助工具引入的工具，可能收集到足够的工作流数据，从而支持后续的人员削减。

这种转变使透明度变得不可或缺。劳动者需要知道系统收集哪些数据、影响哪些决策，以及部署所依据的绩效假设是什么。

他们还需要一套报告错误的流程。自动化决策可能反映不完整的记录、不恰当的替代指标，或忽略关键人工工作的目标。

医疗保健提供了一个清晰例子。排班系统可能优化人员成本，却忽视患者病情复杂度、员工疲劳，或资深团队的必要性。

写作助手可能提高初稿速度，却也会增加核查工作。编程模型可能加速常见任务，却会引入细微的安全或维护风险。

管理仪表盘可以记录产出，却无法衡量这些隐性成本。最接近流程的劳动者往往最先发现它们。

Gallup 的工会支持度民调表明，更多美国人希望有组织劳工在此类决策中发挥影响力。它并未表明 AI 导致了全部增长。

在生成式 AI 得到广泛应用前数年，工会支持度便已在回升。工资压力、不平等、罢工、医疗福利、排班和政治认同同样塑造公众情绪。

Gallup 的党派调查结果又增添了一层谨慎。自 2023 年以来，对工会发挥更大影响力的需求增长主要由民主党人推动，而共和党人的偏好保持稳定。

共和党人对工会的认可度超过了 50%，但仍有 49% 的人希望工会影响力降低。只有 19% 的人希望其影响力增强。

这一差距限制了有关统一政治重组的说法。美国人日益认可工会，但对于应随之赋予何种制度性权力，意见并不一致。

AI 可以扩大劳工的相关性，却无法消除这些分歧。即便是仍对更广泛工会政策持怀疑态度的人，也可能因它而重视劳动者的话语权。

受欢迎并未转化为组织力量

最大的未知数在于，正面的公众意见能否克服阻碍工会发展的法律、组织和工作场所壁垒。

工会代表的劳动者只占美国劳动者中的少数。其覆盖率在私营部门尤其有限，而许多 AI 部署决策正发生于此。

科技公司构成了艰难的组织环境。其劳动力包括员工、供应商、临时人员、离岸团队和独立承包商，他们拥有不同的法律和经济地位。

远程工作进一步分散了这些群体。在组织活动达到选举或签订合同阶段前，快速重组就可能改变汇报关系。

AI 可以加剧这种不稳定。雇主可以比传统谈判周期更快地重新设计岗位、整合团队并改变所需技能。

赢得选举也只是一个阶段。新获认可的工会必须谈判首份合同，这可能需要数月甚至数年。

在此期间，技术可能持续演进。围绕某一系统制定的合同措辞，可能会在雇主更换供应商或将模型整合进其他软件后过时。

执行是另一项问题。劳动者需要获得足够的技术访问权限，才能判断雇主是否违反 AI 条款。

公司可以在形式上保留人工审核，却允许算法建议主导最终决定。这种安排满足了标签要求，却削弱了保障措施。

透明度也面临类似问题。披露正在使用 AI，并不意味着揭示模型的数据、目标、准确性或实际影响力。

工会不仅需要笼统的保护性语言，还需要技术专业能力。他们可能需要独立审计、劳动者委员会、测试访问权限和明确的文档标准。

雇主可以就商业机密、网络安全和供应商限制提出合理异议。谈判必须界定访问权限，同时避免不必要地暴露敏感系统。

另一项不确定性涉及岗位替代的证据。企业公告经常将重组与 AI 投资联系起来，但两者之间的因果关系往往并不清晰。

Gallup 报告称，约 21% 的员工表示，其所在组织在 2026 年初正在缩减人员规模。然而，其数据并未显示 AI 是主要的直接原因。

这一发现使乐观与灾难性的叙事都变得更复杂。AI 似乎会在形成一波可明确衡量的直接裁员前，先改变任务与招聘。

减少入门级招聘可能比已宣布的裁员更难察觉。离职后不再补充空缺岗位的生产率目标也是如此。

劳动者仍可能承受真实压力，却不会出现在 AI 裁员类别中。工作强度、监控、晋升路径和承包商需求可能首先发生变化。

快速采用的支持者认为，延迟采用 AI 会削弱企业，并最终威胁更多岗位。他们还指出，历史上新技术在取代某些岗位的同时，也会创造新的角色。

这一论点值得考虑，但历史比较无法决定收益出现的时间和分配方式。新岗位可能需要不同技能、出现在其他地方，或提供较差的条件。

工会谈判也可能产生内部人—外部人效应。对现有成员的强力保护，可能将风险转移给承包商、求职者或非工会供应商的劳动者。

严肃的以劳动者为中心的政策必须顾及这些群体。否则，雇主可以将受影响的工作转移到合同边界之外。

因此，Gallup 的工会支持度民调衡量的是一个机会窗口，而非结果。公众认可赋予劳工正当性，但组织仍需要成员和可执行的协议。

成功的策略必须展现成果，同时不能将每一次 AI 部署都描述为生存性威胁。劳动者会使用这些工具，也重视其中一些益处，并认识到采用将持续推进。

劳工最有力的主张是参与权。即使没有人提议立即取消其岗位，员工也应理解并影响决定其生计的系统。

三项信号将显示 AI 是否增强工会力量

下一阶段取决于合同、组织成果，以及雇主引入工作场所 AI 方式中可衡量的变化。

第一个信号是可执行 AI 合同条款的增长。新闻、娱乐、教育和制造业中的统计数据将显示，当前案例是否会成为更广泛的谈判标准。

这些条款的质量比其是否存在更重要。有用的条款应界定通知期限、劳动者访问权、人工审核、数据边界、培训和补救措施。

缺乏执行机制的条款可能沦为象征性承诺。与申诉、仲裁或实施批准挂钩的条款，具有更大的实际分量。

第二个信号是 AI 高暴露行业内的组织活动。选举请愿、自愿承认协议、首份合同和成员数量变化，将揭示认可是否转化为行动。

科技、媒体、客户服务、金融、教育和专业服务尤其值得关注。生成式系统已经进入其日常工作流程。

这些领域的组织成功将强化本文的核心判断。持续停滞则表明，结构性障碍压倒了有利的公众意见。

第三个信号是雇主如何同时描述生产率与人员配置。企业经常公布 AI 采用目标，却未提供关于工作量、招聘或岗位重构的同等信息。

投资者和员工应关注，生产率提升是否会带来更短工时、更高报酬、再培训、产出扩张或人员缩减。

这些结果是政策选择，并非模型的自动属性。它们决定 AI 被感受为共享进步，还是单方面削减成本。

管理者依然至关重要。Gallup 发现，即使是经常使用 AI 的员工，结构化支持也能减轻焦虑。

这意味着，雇主无需等到集体谈判行动出现后才改善部署方式。他们可以及早让员工参与进来，说明目标，建立申诉机制，并公开哪些方面发生了变化。

当冲突出现时，自愿性计划无法取代可执行的权利。但它们仍可证明，参与式部署能够带来更好的采纳效果与信任。

政府行动也是这一背景的一部分。各州正在制定有关自动化就业决策、隐私、歧视和工作场所监控的规则。

各州规则拼凑并存，可能造成保护力度不均。联邦标准的覆盖范围会更广，但政治共识仍不明朗。

工会可以通过合同填补部分空白，但其有限的覆盖范围意味着，数百万劳动者并不具备类似的谈判筹码。这一现实使集体谈判无法成为完整的全国性解决方案。

尽管如此，Gallup 的工会支持率调查仍体现出一个显著转变：在人工智能为工作场所控制权带来新问题之际，有组织劳动重新获得了文化层面的正当性。

这种支持能否转化为持久的力量，取决于劳动者能否在部署决策固化为基础设施之前谈判出成果。

对员工而言，实际可采取的步骤是询问 AI 系统会改变什么、会收集哪些数据，以及由谁来质疑其决策。管理者应在采用前回答这些问题，而不是等冲突开始后才回应。

未来几个月，请关注合同、组织化数据和人员配置披露。它们将揭示，AI 导致的岗位替代是会继续停留在焦虑层面，还是会成为推动劳动者力量增长的催化剂。