AI对劳动力市场影响的复杂性及可能的误判

三个维度衡量AI对劳动者就业的影响

2025年下半年至今年3月针对美国就业市场的一些研究表明，与一两年前相比，人工智能（AI）对美国就业的影响出现了一些新的变化。以下是基于近期美国就业市场分析的主要结论。

第一，负责信息处理的白领岗位是AI暴露度较高的岗位。

第二，AI并没有导致高暴露职业失业率上升，高暴露度职业的在职劳动者往往有更高的就业适应能力。

单靠“暴露度”这一指标来评估AI对就业的影响并不全面。我的研究框架主要从三个维度来综合分析劳动者的就业替代风险：一是职业的暴露度，这仍然是重要的基础指标；二是技能与AI的互补性；三是劳动者自身的技能调整能力。

按照这一框架来看，会发现一些有趣的现象：（1）一些职业虽然暴露度高，但因AI与该岗位的劳动者技能有较强互补性，岗位需求反而在增加，劳动价值和薪酬也在提升。

（2）另一些职业尽管暴露度很高，但由于从业者技能水平高且调整能力强，他们的失业率并没有明显上升。

（3）那些高暴露度、低互补性且技能转化能力弱的职业，尤其是信息处理类的白领岗位——如翻译、文职、客服等，确实面临较大压力。

第三，高暴露且高互补的岗位容易被AI“拉长工时”，高暴露但低互补的岗位易被AI压缩工时并增加工作的不稳定性。

关于AI提高工作效率后会否降低工作强度，美国最近的一项研究显示，情况并非一边倒：在高暴露度、高互补性的岗位上，员工反而被安排更多任务，工时拉长；而低互补度岗位，特别是一些低技能岗位，工时被压缩，同时很多劳动者从正式工转为临时工，就业不确定性上升。

第四，AI的早期冲击出现在招聘入口端，而不是已在岗劳动者。

早期AI的冲击主要集中在招聘入口端，对青年和大学生群体的影响较为明显。一个不利的消息是，以往许多专业技能需要通过“干中学”来积累，而AI替代初级岗位对青年人的技能提升和职业发展构成了较大障碍。

但好消息是，AI将隐性知识显性化、直觉性经验编码化、非常规任务常规化，对原本需要“干中学”的知识进行分解和封装，通过人机协同，劳动者可以掌握更多原本需要老师傅传授经验才能获得的技能。

第五，目前影响范围还主要限于大城市和大企业。

当前研究更多聚焦于宏观层面，实际上，AI在空间维度上的影响和对企业组织形态的改变也正在重塑劳动力市场。我们对此的研究还不够深入。目前观察到的影响仍主要集中在大型城市和大型企业。对于近期出现的“一人公司”、知识岗位外包等现象，需要持续跟踪其趋势和影响。

AI影响的复杂性和可能的误判

我们通常容易高估技术的短期影响。无论从美国数据还是中国就业形势来看，当前AI的直接冲击并不算大，我想有几方面的原因。

第一，技术扩散的速度。这并不只是AI扩散速度本身快慢的问题，更重要的是，技术扩散在产业链上下游的传导时滞，恰恰是岗位创造的动力来源。当AI在产业链某个环节迅速提升了供给能力，对应的上游和下游环节就会随之提升需求。只要AI尚未扩散到整个产业链，那些还没被触及的环节，其岗位需求规模和劳动价值反而会上升。

第二，准确率的问题。岗位是由一系列连续的任务组成的。AI的准确率虽然不断提升，但其在各项任务的能力参差不齐，有很多关键节点仍需要较强的人工干预，AI尚无法实现对岗位的整体性替代。

第三，风险与监管因素。相当一部分岗位需要职业资格认证，必须合法合规，并且要有明确的责任认定和落实机制。例如医生、护士、驾驶员等岗位，并非企业单方面就能决定用AI替代这类职业。

第四，数据短板。在当前的模型下，AI暴露度的高低和就业替代风险的大小，取决于该领域、该环节可用的数据量。为什么信息处理类的白领岗位暴露度高？因为这个领域的信息正是大语言模型所擅长处理的。但很多领域并没有足够的数据可供训练，比如很多涉及物理世界的风险控制岗位，其偶发性导致可用的数据不多，还无法通过大语言模型直接适配。

但人类往往又会低估技术在中长期的影响。

第一，当前人们讨论的人工智能，主要还是语言智能或信息智能。除了语言智能，我们还要考虑物理（空间）智能、生物智能的影响。

关于语言智能。现在大家热议的智能体，本质上是在降低信息处理岗位中人工干预的频率，让工作流能在更长时间内实现连续自动执行——这正是语言智能特别擅长的部分。语言智能工作流的连续性在不断提高，其对相关领域的岗位影响值得关注。

另一类智能是物理智能。工厂中的机械臂、农田上空的无人机，这些都是标准化的物理场景，现在相对成熟。在康复护理等非标准化的物理场景中，要实现空间意义上的连续自动执行而无需人工干预，目前仍比较困难。全球顶尖的实验室正在研发基于真实世界的前沿模型，未来的发展速度很难预料。

还有生物智能，比如脑机接口等技术。我们经常说相比于人工智能，人类的审美、品位、情感等难以替代。但在脑电信号被数据化捕捉并置入智能体的工作流之后，这些人类的特质就一定不能被模仿吗？

第二个可能被低估的因素是地区差异。与AI技术更互补的工作多集中在大城市。在大城市，你会发现AI对岗位的替代虽然已经出现，但整体就业并不令人担忧。美国有研究提出了“AI锈带地区”的概念。我觉得结合各地区的产业结构和岗位类型的权重，分析地区性的AI暴露度、技能互补性和技能调整能力，是下一步研究可以考虑的方向。

另外，群体差异也值得关注。虽然全国范围内男性多于女性，但在一线城市，大学本科以上学历的女性却要多于男性。而不少高暴露度且低互补性的岗位，可能是女性更多参与的白领岗位。此外还有中高龄群体的技能调整能力问题——例如如何让一位50岁的农民工掌握AI技能——这是一个巨大的挑战。

构建就业友好型发展方式的路径

我国提出“构建就业友好型发展方式”，这一概念包含两层含义：一是保持岗位数量增加，二是提升岗位质量与工资水平。

在AI技术背景下，这两个目标并不总是同步的。例如，AI降低了某一岗位的专业门槛，能让更多低技能劳动者进入该岗位，但该岗位的工资可能会下降；反之，如果AI提高了某一岗位的专业门槛，该岗位的工资会上升，但就业量却可能减少。因此，要实现就业友好型发展方式，提升劳动者技能是关键的抓手。

在我这份PPT里，唯一带有一点“AI含量”的图，是这张我读初中的孩子画的“专业知识水平和AI赋能提升程度”关系图。我花了三分钟和他讲了想法，他先用人工智能软件生成初始图，再用初中几何与函数知识将曲线模拟为最近似的函数，最后稍作代码调整，很快就生成了图形。所以，即使是初中生，借助AI也能较快掌握解决某一特定问题的能力。

图1 专业知识水平与AI赋能提升程度

这张图想表达什么呢？在一个就业友好型的社会中，AI和人类技能的良性互动关系是这样的：

（1）对于专业技能很低的劳动者，AI对该类劳动者的技能是绝对替代的，AI对其赋能的值为负。

（2）如果让广大中等技能劳动者借助AI大幅提升能力，那么就会有更多中等技能劳动者进入到原来属于高技能的工作领域，并提高其劳动价值，拉低与原来少量精英技能者的工资差距，实现中等收入群体的扩容。

（3）当然，对人类中百万分之一的开展创新的前沿技能者而言，AI提升其能力的潜力是无限的。

劳动力市场的未来是可塑的

未来几年会出现哪些具体的AI能力以及何时出现，存在很大的不确定性。因此，需要进行多种情境模拟，并制定适应各种可能的技术路径和时间表的政策。劳动力市场的未来是可塑的，这种可塑性需要在制度和政策调整下实现。我简单提三个方面。

第一，完善劳动力市场统计制度，系统追踪AI的采用情况、岗位创造与消失的情况、工资与技能需求的变化。这关系到技术快速变化背景下劳动力市场的匹配效率，以及降低结构性就业矛盾的应对方法。

除了官方统计数据，对各类市场机构掌握的高频信息进行整理并发布，能够为劳动力市场提供信号，有效引导全社会的人力资本、教育培训资源流向真正需要的地方。

第二，设计激励政策，推动AI在弥补劳动力供给不足和提升劳动者技能的领域发展。政府采购的对象往往是新职业、新岗位最先涌现的领域，应通过在政府采购中设置相关条款，优先推动AI在供给最为不足领域的应用，比如健康领域、康复护理行业。税收优惠、科研资金也应用于鼓励和引导人工智能进入对社会更具优先级的领域。

第三，构建全生命周期的教育体系。教育不是一劳永逸的，在这方面还有很多工作可以做。

作者卓贤系国务院发展研究中心社会和文化发展研究部部长，本文为作者在CF40青年论坛双周内部研讨会第194期“AI对劳动力市场的影响”上所做的主题交流发言，原标题《赢得就业和技术的新竞赛》，略有删改。文章仅代表作者个人观点，不代表CF40及作者所在机构立场，未经许可不得转载。