被AI替代的失业恢复更慢,申贷月供测算该换假设

如果你正准备申请房贷或大额消费贷款，测算月供承受力时通常会用一个隐含假设：万一失业，凭借自己的技能和经验，几个月内能找到一份薪水相近的工作。高盛研究的一组历史证据提示，这个假设对一类越来越常见的失业——被自动化和人工智能替代——可能明显偏乐观。

高盛研究的经济学家Pierfrancesco Mei、Jessica Rindels和David Mericle估计，未来十年内，6%-7%的美国劳动者可能因岗位被自动化而“被替代”，也就是必须另寻新工作。这个比例乘上美国劳动力市场的规模，意味着相当数量的家庭会在贷款存续期内经历一次技术性失业。真正值得贷款人注意的不是这个比例本身，而是历史数据显示的这类失业与非自动化失业的差异。

## 被替代不等于普通失业

从历史证据看，被技术替代的劳动者比非自动化行业的失业者更难重新就业，工作转换难度也高于处于稳定或增长行业的劳动者。也就是说，即便最终找到了新工作，这段空窗期往往比一般失业更长。

更关键的是收入和财富层面。被技术替代的劳动者遭受的实际收入冲击更深，而在25岁到35岁的职业早期被替代的人，财富积累速度显著慢于其他劳动者。Mei、Rindels和Mericle将这类更差的结果归因于一个机制：职业降级。被替代的劳动者更可能转入任务更重复、更基于规则、复杂度更低的职业——这类岗位通常薪资更低、成长空间更有限，所以收入损失不是一次性的，而是会延续到再就业之后。

三位经济学家还提醒，AI驱动的替代可能给受影响劳动者带来持续数年的成本；若恰好在衰退期被替代，影响可能大幅更大。换句话说，风险最大的时点恰恰是宏观环境最差、再就业最难的时点。

## 但冲击不是均匀的，再培训有实证支持

历史数据同时显示，较年轻、受过大学教育以及身处城市的劳动者，在技术性替代后的收入损失通常较小。这说明冲击的深浅与个人特征相关，但不能反过来推断某个具体岗位安全与否——群体规律无法落到个体。

更可操作的发现是再培训。失业后三年内接受至少四周再培训的劳动者，工资增长更高，且随后十年更不容易重回失业。再培训项目可能最终使被替代者获得适度更高的工资和更稳定的就业。这条证据的意义在于：它给出了一个有历史支撑的缓冲动作，而且窗口期明确——失业后三年内、时长至少四周。

## 落到申贷前的三个自查动作

把这些证据翻译成贷款前的压力测算，核心是修正“失业后很快等薪再就业”的乐观假设。

第一，按更长的转岗期和更低的再就业薪资做压力情景。既然历史数据显示被技术替代者转岗更难、常伴随职业降级，那么测算月供承受力时，可以假设收入中断期长于一般失业，且再就业后的收入低于当前水平，看这种情景下月供能否持续、家庭现金流能撑多久。

第二，把再培训窗口计入缓冲安排。如果所在岗位的自动化风险让你不安，可以提前了解所在地区或行业有哪些再培训渠道，并把参加再培训的时间成本纳入失业后的资金安排——历史上四周以上的再培训与更好的工资恢复相关，这段时间本身就是缓冲期的一部分。

第三，预留覆盖转岗期的应急资金。一般的建议是留足三到六个月开支，但按高盛证据所示的更长转岗期，正在申贷且对岗位自动化风险有顾虑的人，可以把应急储备的目标定得更保守一些，宁可月供占收入比例低一点，也不要把现金流绷到极限。

需要说清楚的是，这些历史证据和测算描述的是群体层面的风险，既不能用来判断你的具体岗位是否会被替代，也与贷款审批结果无关——银行不会因为你所在行业自动化风险高低而单独调整条款。它能改变的是你自己的压力测算假设：把“转岗期长于一般失业、收入恢复慢、再培训需要时间”当作基准情景之一，而不是意外情况。贷款期限动辄十年以上，恰好落在高盛测算的时间窗内，用更接近历史证据的假设测一遍月供，是申贷前成本很低、但可能很有价值的一步。