AI技术重塑职业技能与工资效应研究
01
概要
人工智能技术正深度改变职业技能需求，进而影响工资形成机制，探讨其具体影响对于实现高质量就业、优化收入分配具有重要意义。本文基于2015~2023年中国在线招聘数据和上市公司数据，实证分析企业人工智能技术对招聘岗位工资水平的影响及作用路径。研究发现，人工智能技术主要通过职业技能重塑的结构效应和质量效应提升招聘岗位工资水平。具体而言，人工智能技术一方面推动职业结构向去常规化和高知化演进，另一方面增加职业内数字技能需求及技能多样性。进一步分析显示，人工智能技术对招聘岗位工资的提升作用在劳动力议价能力更强、规模更大的企业及对工作经验要求更高的岗位更为显著。从职业类型看，这一效应在非常规交互型和常规型职业中尤为突出。人工智能技术在推动整体工资上涨的同时，也会拉大不同教育和技能层级劳动者之间的收入差距，但劳动收入份额并未提高。本文为理解人工智能时代“技术-技能工资”的匹配机制提供了微观证据，对把握中国人力资本结构升级方向及推进共同富裕具有政策启示。
02
创新点
（1）研究视角前移：将人工智能对工资的影响效应分析从劳动力市场的均衡结果（实际工资），前移至企业用工决策的需求端（发布工资），为“技术——技能——工资”传导链条提供需求侧直接证据。
识别策略细化：利用细粒度的在线招聘数据，将研究层级细化至同一企业内的招（2）聘岗位层面，构建了能有效区分“职业结构变动效应”与“同一职业工资上升效应”的分析框架。
（3）理论机制深化：验证了人工智能技术通过职业技能重塑的“结构效应”与“质量效应”影响工资，打开了企业内部职业重构与技能调整的黑箱，并对“常规职业工资必然下降”的传统判断提供了新证据。
03
研究假设
假说1（职业技能结构优化效应）：人工智能技术通过职业技能结构优化效应，推动企业内职业结构向去常规化及高知化转型，从而提升企业招聘岗位的工资水平。
假说2（职业技能质量升级效应）：人工智能技术通过职业技能质量升级效应，提高同一职业内部对数字技能的需求，拓展职业技能广度（特别是可迁移技能），从而提升企业招聘岗位的工资水平。
04
研究设计
（一）样本与数据
本文的招聘数据来自中国开放数据平台CnOpenData， 仅包含智联招聘单一平台的招聘信息。为获取上市公司招聘数据， 本文以上市公司名称和会计年度为基础， 与招聘公司名称及招聘发布年度进行匹配， 从而获得2015~2023年上市公司在上市期间发布的招聘数据， 共计约367万条。招聘信息包括如下字段： 招聘公司名称、 发布日期、 岗位名称、 岗位职责、 工作待遇、 招聘人数、 工作经验、 受教育程度、工作性质等。上市公司层面的数据来自CSMAR数据库。上市公司人工智能相关专利信息来自国家知识产权局， 主要通过上市公司的名称、 曾用名等与国家知识产权局专利数据中的申请人变量进行匹配后得到。并对数据进行了如下预处理：对职业名称进行规范和分类；将招聘广告中公布的工作待遇、 招聘人数、 工作经验、 受教育程度、 工作性质等文本信息转换为可统计的数据格式；识别招聘信息中所需的技能要求；匹配招聘职业的不同类型任务指数；将企业招聘数据与上市公司数据库、 企业专利数据库进行匹配， 得到企业-岗位-年份层面数据， 最终得到2015~2023年350多万条上市公司招聘信息， 样本包括4886家上市公司， 覆盖8个职业大类、74个职业中类及1615个职业细类， 故本文样本具有一定的代表性。为了剔除极端样本的影响， 本文对所有连续型变量进行上下1%的缩尾处理。
（二）计量模型与变量说明
1、计量模型
为探究人工智能技术对企业发布工资的影响，本文构建基准固定效应模型如下：
2、变量说明
（1）核心解释变量： 人工智能技术
人工智能技术在不断更新变革， 因此准确衡量微观企业层面的人工智能技术存在挑战。本文尝试借鉴刘青和肖柏高 （2023） 的方法， 利用前沿的BERT大语言模型并结合ChatGPT-4和人工的判别结果对人工智能专利进行细致识别。根据工信部2024年发布的 《国家人工智能产业综合标准化体系建设指南 （2024版 ）》， 本文将人工智能关键技术分类为机器学习、 知识图谱、 大模型、 自然语言处理、 智能语音、 计算机视觉、 生物特征识别、 人机混合增强智能、 智能体、 群体智能、 跨媒体智能、 具身智能等核心领域。最终筛选出2015~2023年中国上市公司的人工智能专利数据。本文采用上市公司当年申请的人工智能专利总数加1取自然对数来测度企业的人工智能技术水平 （AI）。
（2）被解释变量： 工资水平
本文根据处理得到的上市公司招聘信息数据， 采用每条招聘岗位月度工资的自然对数值 （lnsalary） 衡量。
（3）控制变量
考虑到以下企业层面相关因素可能对企业招聘岗位工资水平产生显著影响，本文将其作为控制变量加入实证模型中， 具体包括企业规模 （lnsize）、 资产负债率（lev）、 企 业 年 龄 （lnage）、 总 资 产 净 利 润 率 （roa）、 研 发 投 入 强 度 （rd）、 董 事 会 规 模（board）、 企业人均创收能力 （lp）。
05
实证结果
表1报告了人工智能技术对企业招聘岗位工资水平的影响。列（1）未加入固定效应，列（2）为加入了企业及年份固定效应的回归结果，列（3）则进一步控制了职业大类固定效应，以检验企业人工智能技术水平的总工资效应。结果显示，在不同模型设定下 ，核心解释变量的系数均在5%的水平上显著为正 ， 表明人工智能技术水平会提高企业对招聘岗位意愿支付的工资水平。本文以表1列（3）的结果为例，AI变量的估计系数约为0.012，表明企业人工智能专利数每增加1%， 其招聘岗位的工资水平显著提高约0.012个百分点。从经济意义上看， 在控制了其他因素后，企业人工智能专利水平（取自然对数）每增加一个标准差（1.401），其意愿支付的月薪平均提高约1.70%，相当于促进市场招聘岗位工资平均提升139元。这一溢价幅度与王永钦和董雯（2023）发现的机器人应用工资效应（0.01%）相近， 但低于陈琳等 （2024）的发现，这可能源于人工智能技术水平测度方法的差异。
表1列（3）的估计系数包含了“职业结构变化”与“同一职业工资上升”两类效应。为区分效应