Joseph Politano 的创意就业分析：流失 20 万岗位，但 AI 的影响份额仍未知
Joseph Politano 报告称，美国在四年间流失了超过 20 万个创意产业岗位，但其分析无法区分 AI 所造成的影响。发表于 2026 年 9 月 27 日的 Joseph Politano 创意就业分析提出了一个比软件能否生成图像或剧本更棘手的问题：企业为何正在缩减创意从业者规模，而这种收缩中究竟有多少确实可追溯至人工智能？
这一差异对构建、采购或与这些系统协作的每个人都很重要。一部被取消的电视剧、一次海外制作，以及一项自动化插画委托，都可能减少美国就业岗位。但它们代表的是不同的经济事件。将其视为同一回事，固然能制造醒目的标题，却会掩盖劳动者和雇主下一步应采取什么行动。
核心矛盾在于：AI 承诺扩大创意生产，但依靠创意工作谋生的人前景却充满不确定性。Adobe 的招聘研究提供了比媒体薪资名单下滑更乐观的叙事。这些发现可以同时成立：企业可以发布创意岗位招聘，同时成熟的娱乐公司也在裁撤职位。要理解其中区别，必须区分行业、职业、具体委托以及实际招聘情况。
Joseph Politano 的创意就业分析实际衡量了什么
这一标题数字描述的是部分创意行业的整体收缩，而非经核实由 AI 替代的人数。Politano 的创意就业分析估计，在此前一年中约有 5 万个岗位流失。他还报告称，电影和录音行业就业人数在四年间减少了超过 10 万人。
这些数字表明了所报告下滑的规模，但并未说明每个岗位消失的原因。Politano 承认存在多重叠加压力，包括行业整合、制作转移至海外，以及来自社交媒体的竞争。他的论述将 AI 与数字娱乐商业环境的整体恶化联系起来，但并未计算可归因于 AI 的具体份额。
行业薪资名单收缩证明存在就业问题；但并不能证明其中有多少由 AI 导致。
衡量方法本身也值得关注。美国劳工统计局的薪资调查方法说明，这是一项统计非农薪资岗位的企业调查。它不包括未注册为公司的自雇人士。它统计的是岗位而非独立个体，因此同时拥有多个受覆盖职位的人可能被重复计算。
行业就业和职业就业回答的也是不同问题。娱乐公司的薪资名单中包括艺术职业以外的人员。反过来，为制造商工作的设计师，其雇主则不属于娱乐行业。因此，媒体薪资名单的下降无法描述每一位依靠创意技能赚钱的美国人。
当人们在不同雇佣安排之间转换时，这些边界尤其重要。有人离开工作室转为独立工作，就会从该工作室的薪资名单中消失。但这种变化并不能说明其收入是否恢复、恶化，或变得更难预测。新成立的独立业务也不会自动提供同等的生计保障。
四年期比较同样需要谨慎。其起点会影响所报告的降幅。将就业情况与制作繁荣期相比，和与更长期的历史平均水平相比，回答的是不同问题。两种比较本身都不一定无效，但读者需要先了解基准，才能解读调整幅度。
因此，这一标题应始终与其作者、时间范围和衡量方式相连。它概括的是一次被报告的行业收缩，不应成为“20 万人已被 AI 确认替代”“20 万艺术家失业”或“创意工作本身消失”的简称。
眼前的新闻是持续的就业流失。尚未厘清的故事则是：其中多少来自自动化，多少来自制作减少，又有多少来自工作地点或工作形式的变化。
原因尚未明晰，压力已先落到劳动者身上
对于失去委托的劳动者而言，原因的不确定性并不会带来多少安慰。无论高管将责任归于融资、观众需求还是新软件，制作停摆都可能中断收入。确定因果关系之所以重要，是因为每一种解释都指向不同的应对方式。
美国编剧工会的编剧就业快照提供了一个具体例子。该报告统计，在缩短的 2023–24 季度中，有 228 部受覆盖的剧集，相比前一季度的 362 部有所减少。电视编剧岗位从 3,138 个降至 1,819 个，减少了 1,319 个。
工会将这种收缩与有线电视衰退、流媒体扩张退潮，以及受罢工影响而缩短的季度联系起来。其数据涵盖特定节目和就业类别，而非所有编剧委托。但这些数据仍记录了制作下滑，无需假定 AI 写出了那些缺失的节目。
研究人员还未能将每一次流失归因于某项具体技术之前，劳动者就已先面对有偿机会的消失。
这为职业规划带来一个直接问题。学习一款 AI 应用或许能提升某人在现有委托中的竞争力，但无法保证雇主会启动底层项目。培训解决的是能力问题；它并不会自动恢复需求。
这种区别对雇主也同样重要。如果更少的委托导致人员缩减，购买更快的制作软件并不能解决需求缺失的问题。如果公司仍有工作，但交付成本居高不下，自动化应对的则是另一种约束。两种情况都可能导致团队缩小，但其商业逻辑不同。
进入行业的路径尤其值得仔细审视。早期委托让新人培养判断力、建立关系并证明可靠性。如果雇主缩减这些机会，后果就不止体现在今天的就业统计中。行业可能会削弱经验较少的从业者成长为受信任专业人士的过程。
这是一种分析风险，而非根据汇总数据得出的已测量结论。要证明这一点，需要按照经验、委托类型和职业发展路径组织的招聘数据。尽管如此，它解释了为何劳动力讨论除考察岗位总数外，还应关注谁获得了剩余机会。
独立工作者还面临另一个衡量问题。雇主可以减少外部委托而不宣布裁员，因为这些贡献者从来就不是员工。因此，财务压力可能在公司人数统计显现之前，就已传导至创意劳动力群体。
企业采购方应注意这一差异。供应商规模缩小，可能反映了制作效率提高、业务减少，或对承包商依赖加深。同一个人员数字，可能暗含对质量、连续性和交付截然不同的影响。
有用的问题在于：那些有偿工作到底发生了什么？它们是消失了、转移到其他地方、变成内部职责，还是所需工时减少了？没有答案，警惕与安慰都仍不完整。
更多创意产出并不保证更多创意就业
AI 的经济承诺始于一种直接可能性：让制作更容易，使更多人能够创作。生成式 AI 是一种从学习到的模式中生成内容的软件，可支持从起草到图像创作等活动。对就业的影响取决于买方如何使用这种额外产能。
一个假设的广告委托说明了其中的不确定性。买方可能利用更快的制作流程，在保留创意团队的同时委托更多概念。另一种情况下，买方可能要求更少的贡献者完成同样的交付成果。两种结果都涉及制作能力提升，但对劳动力需求的影响不同。
创意生产力与就业之间的联系，要经由采购决策，而非仅由技术能力决定。
实证证据显示，替代确实会发生在特定市场中。Ozge Demirci、Jonas Hannane 和 Xinrong Zhu 的研究考察了一个在线自由职业平台上的需求。他们的自由职业劳动力研究报告称，图像生成 AI 推出后，图像创作岗位发布量下降了 17%。
这一发现强化了这样一种观点：AI 可以减少对某些付费创意任务的需求。但其边界仍然至关重要。平台上的岗位发布并不等于已完成的合同、全国就业总量，也不是好莱坞制作的代表性样本。将这一估计降幅套用于美国全部创意劳动力，将超出证据所能支持的范围。
尽管如此，这项研究识别出了一种比汇总薪资数据更具体的机制。当买方能够在内部制作出可接受的成果时，外部委托就不再那么必要。关键词是“可接受”。相关标准取决于买方对该特定用途的要求。
临时的内部概念稿与大型公开宣传活动有着不同要求。前者可能优先考虑速度和基本沟通；后者则可能需要独特的艺术指导、一致性、审批流程以及可辩护的所有权安排。将所有图像制作视为同一种可互换任务，会掩盖这些差异。
市场扩张也是一种可能。如果制作变得更容易，买方可能会推进那些过去放弃的工作。新增活动可能为负责指导、优化、分发或评估内容的人创造机会。这种扩张能否超过替代效应，仍是一个实证问题。
这给成熟从业者带来了困难局面。内容量的增长并不保证支出会流向同一批人或同一类职业。市场可以变得更活跃，同时单项委托对原有供应方的价值却下降。
传统媒体与创作者平台之间的竞争又增加了一层复杂性。Netflix 和 YouTube 都在争夺观众，但其制作安排不同。仅比较它们的受众，无法证明传统工作室岗位在内容经济中存在等价岗位。
比较创意软件供应商时也应采取同样谨慎态度。Adobe 销售的是专业工作流程中使用的工具，而尝试通用 AI 系统的买方可能从事不同任务。产品被采用，并不能证明其对不同用户产生相同影响。
决定性问题在于制作变化后，资金流向何处。它是否支持更多付费项目、留在买方手中，还是转向分发和软件？就业结果既取决于这种分配，也取决于模型能生成什么。
Adobe 的招聘发现令“替代”叙事更为复杂
另一组数据描绘了更为乐观的图景。Adobe 2026 年 6 月的研究报告称，2025 年 9 月至 2026 年 4 月期间，美国创意专业人士职位招聘信息增长了 8%。其解读强调的是工作再分配，而非直接替代。
该公司的创意招聘研究结合了职位发布分析、调查和定性研究。研究认为，创意活动正转向筛选、指导、客户谈判和责任承担。业内人士也提到，截止日期被压缩，小型项目面临更大压力。
Adobe 对推广采用 AI 具有商业利益，因此其表述方式值得审视。这并不否定其观察结果，而是意味着读者应区分报告中的测量数据与该公司对其含义的更广泛解读。
创意职位广告增加与媒体行业薪资总额下降可以同时存在，因为它们衡量的是不同时间段内的不同群体。
零售商发布的设计师职位，所属的雇主类别不同于工作室的制作岗位。因此，跨职业的职位发布增长并不能抵消行业损失。同样，成熟媒体雇主的收缩也不能证明所有创意职业都在萎缩。
职位广告反映的是意向，而非已完成的雇佣关系。一则招聘信息可能最终招到人、持续开放，或被撤下。在没有额外信息的情况下，其存在本身无法证明总就业人数是否增加，也无法证明某位被取代的员工是否找到了相当的工作。
时间范围也不同。Adobe 比较的是数月内选定的观察数据；Politano 描述的是跨越数年的损失。较短期的招聘改善可以发生在较长期的收缩之中。两组数据都不应被牵强地用作对另一方的直接反驳。
更值得关注的张力在于剩余岗位的工作内容。如果软件处理初步变体，雇主可能会更重视在不同产出之间作出选择，以及管理修改流程。这会改变岗位所需的能力，即使职位名称依然熟悉。
对劳动者而言，这种可能性同时带来机遇与压力。既有专业知识可以在评估机器生成内容时发挥作用。但雇主也可能在不增加人员或不留出更多审阅时间的情况下扩大职责范围。任务组合发生变化，并不代表工作变得更好。
采购方则面临相应的管理问题。生成内容和批准内容是不同的责任。如果制作速度提升而审批能力保持不变，瓶颈只是转移，并未消失。在假定更快的起草意味着更快完成之前，采购决策应审视完整的交付流程。
乐观与悲观的论述正是在这里真正交汇。AI 可以帮助人们产出更多，同时雇主也会围绕更少的制作任务重组有偿工作。这种重组是否会带来更多就业，取决于需求、人员配置选择，以及人类审阅所被赋予的价值。
因此，Adobe 的发现使“必然崩塌”的叙事变得更复杂。它们并未解决全国就业问题，正如媒体行业薪资总额下降也无法确定 AI 的因果贡献一样。
版权与缺失证据限制了自动化论断
创意雇主购买的不只是可见的产出，还包括使用、修改、分发和维护其权益的能力。这使所有权与制作决策息息相关。看似适用的成果，仍可能让购买方对所获得权利产生不确定性。
美国版权局 2025 年 1 月发布的人类作者身份指引涉及了这一问题的一部分。指引称，AI 产出只有在足够的表达性元素来自人类创作时才能获得保护。仅提供提示词并不符合这一标准。
版权局还解释称，AI 辅助并不会自动阻止一项更大规模的人类创作作品获得保护。其立场区分人类贡献与机器生成材料。它并不支持“每个 AI 辅助项目都缺乏版权保护”的笼统说法。
创意产出的经济价值，部分取决于可用权利，同时也取决于速度、质量和制作成本。
这在评估节省劳动力的说法时尤为重要。制作流程可能缩短起草时间，却增加文档记录、审阅或修改责任。这些变化是否会降低总劳动需求，取决于具体工作流程。快速生成的演示并不能回答这个运营问题。
同一原则也适用于就业研究。知道员工在使用 AI，并不能说明他们具体用它完成哪些任务。撰写常规通信与生成商业插画代表不同的使用方式，即使二者都被归入同一个宽泛的采用类别。
因此，Joseph Politano 对创意岗位的分析应被视为一项需要进一步调查的警示，而非完整的因果核算。其就业趋势与 AI 解读处于不同的证据层级。要证明后者，需要了解受影响企业内部的决策信息。
有价值的证据应将采用情况与具体任务、人员配置、产出和时间节点联系起来。研究人员还需要考察需求和生产地点的变化。否则，一家在既有低迷时期引入 AI 的企业，可能会让技术看起来像是对全部下滑负责。
反向的错误同样影响重大。缺少文档并不能证明 AI 没有产生影响。企业可以在不提供足够详细的公开说明、供外部分析的情况下改变外包方式、招聘或工作负荷。不确定性应当仍被视为不确定性。
多种形式的替代也需要保持区分。取消现有岗位不同于不填补空缺职位。减少自由职业委托不同于将生产转移到海外。它们都会影响机会，但单一的裁员统计对它们的捕捉并不均衡。
对知识工作者而言，保留证据很有价值。在个人知识库中保存带日期的源材料、项目决策和工作流程变化，可以支持围绕职责变化展开更有依据的讨论。
其目的在于记录实际工作，而不是从宣传说法中推断。团队在采用前产出了什么？之后发生了什么变化？谁负责修改和审批？这些问题比孤立的生成样本更能为评估生产率提供坚实基础。
验证缺口很大，但也很明确。研究人员可以测量就业收缩，却仍无法识别 AI 所占的确切份额。将这些结论分开，能使分析更有价值。
接下来的就业数据发布必须与招聘和工作流程一并解读
未来几个月更可能澄清方向，而非给出最终的因果结论。没有任何一次发布能调和所有就业指标。更有用的方法是按固定顺序追踪相关信号，并询问它们是否支持同一种解释。
最有力的证据将把就业变化与生产需求，以及工作完成方式的有据可查变化联系起来。
首先，关注后续的行业就业数据发布及其修订。如果相关类别持续出现损失，将加强收缩仍在延续这一结论。若情况趋于稳定，则会削弱“下滑只是不断加速”的说法，尽管这并不能证明每个职业都在复苏。
任何改善的构成也很重要。若就业在一个类别中恢复、却在其他类别中恶化，将挑战关于创意工作的统一叙述。变化应依据一致的定义和时间范围来评估，而不是挑选产生最戏剧性结果的比较方式。
其次，关注招聘意向是否转化为有偿机会。如果对创意职位发布的后续研究还能显示实际完成招聘、经验要求和雇佣安排，就会更具信息价值。这将有助于区分机会扩大与广告形式变化。
如果传统媒体之外的创意招聘有所改善，工作再分配的论点就会更有说服力。如果职位发布增加却没有相应的招聘增长，基于招聘广告的乐观判断就会显得不那么可信。无论哪种结果，单独来看都无法说明原工作室员工发生了什么。
第三，关注采用 AI 后制作人员配置和外部委托任务是否出现有据可查的变化。有价值的披露会同时描述已完成的工作、审阅要求和劳动力使用情况。关于使用 AI 的笼统表述所能揭示的信息要少得多。
若一家企业在购买劳动工时减少的情况下维持相当的产出，这将提供与替代一致的证据。若一家企业增加了付费项目和人员配置，则支持扩张的解释。这些比较仍需注意需求、质量以及转移到其他地区的工作。
对开发者而言，这使重点落在客户的完整流程上。一个工具的就业影响取决于它改变了哪些任务，以及购买方之后采取何种行动。对企业客户而言，这意味着应将责任承担和交付与生成速度一同评估。
对劳动者而言，这意味着要抵制将所有行业问题都归咎于个人适应能力的解释。新技能可能很重要，同时委托项目仍可能稀缺。同样，困难的市场环境也不意味着每一种技术变化都与未来机会无关。
应将 Joseph Politano 对创意岗位的分析视为审视有偿工作的起点，而非 AI 替代人数的最终统计。关注下一轮就业数据发布，谨慎比较招聘指标，并寻找将工具与实际人员配置决策联系起来的证据。当雇主宣布效率提升时，追问任务委托、审阅时间和完成产出发生了什么变化。当平台庆祝创意增长时，追问谁从中获得收入，以及这些机会是否与正在流失的岗位相似。问题已不再是机器能否生成创意内容，而是不断变化的制作方式是否能支撑可持续的生计，以及哪些证据能让劳动者、购买方和研究人员辨别其中的差异。
