AI冲击就业仍弱于百年两次转型

3个重点

研究受限成因

4条

后续研究准则

3种

常被忽略的影响路径

起步阶段

对整体研究进程的判断

据美国智库研究译整理

重点摘要

自大语言模型（LLM）大范围进入公众视野后，关于AI怎样影响劳动力市场的讨论迅速升温，但目前有关人工智能影响劳动力市场的证据仍未形成一致结论。本报告梳理了最新研究进展，指出三项研究局限，归纳三类被忽视的影响路径，并提出四条提升研究价值的实用准则。

近三年里，职业结构的变动速度，大体与商业计算机时代（1984年）和商业互联网时代（1996年）开启后的头几年相近，而且自ChatGPT推出以来并没有明显提速。

若从更长时间维度观察，相较于疫情前的基准区间（2019-2024年），职业结构变化自那以后确实加快，幅度也超过此前几十年的波动。不过，近阶段的职业重塑力度仍不及1910年代以及1940至1950年代那样剧烈。当时，就业格局经历了从农业走向制造业、再进一步迈向专业服务的显著跃迁。

三项研究局限

关键问题

第一：劳动力需求研究仍无明确结论

现有口径彼此不一，结果对研究方法非常敏感

第二：早期迹象仍然很弱

LLM商业化时间还不长，经济后果往往要数年后才会显现

第三：研究视角过窄

对生产率、劳动力供给和转型过程的讨论仍不充分

一、当前研究为何难下结论：三项根本限制

现有针对人工智能影响劳动力市场的初步研究，尚未真正触及核心问题，主要因为三个方面的限制，也意味着人工智能对劳动力市场影响的关键问题仍未被回答。

局限一：对劳动力需求的关注很集中，但结论未定

近期不少关于AI与劳动力市场的研究，重点都放在劳动力需求上，即AI会如何改变雇主付薪让劳动者完成的工作、技能或任务。这类研究通常通过对职业或行业进行排序、分组，按照其受到AI影响的程度来划分。

“AI暴露”与“AI使用”：两个不同概念

项目

含义

主要区别

AI暴露程度

某一职业被AI增强或替代的概率（面向未来）

文职岗位：暴露排名高，使用排名低

AI使用程度

该职业中的人当前如何、以及在多大程度上使用AI（当前状态）

同一职业在不同指标下的排名可能差异很大

主要发现及其局限

▶年轻劳动者在AI暴露较高的职业中，就业降幅更明显；年长劳动者则几乎看不出差别

▶使用CPS数据的研究却显示：AI暴露较高的职业里，失业率的上升反而更小

▶不同AI指标会带来不同结果——AI暴露或使用程度可能与其他职业特征产生混杂

▶例如疫情期间是否过度扩招、是否更适合远程办公、是否面临关税压力、对移民劳动力的依赖程度等

研究空白

现有研究主要聚焦存量职业，忽略了AI可能催生的新职业，或现有职业中的新任务——而这恰恰可能是就业增长的重要来源。

局限二：早期发现只是弱信号，不宜过度延伸

即便是目前最有说服力的研究结论，也应保持谨慎。现阶段这一代LLM的商业化扩散仍然较新，任何持续性的经济影响，大概率都要经过数年，才会在就业、产出或生产率数据中体现出来。

四个信号偏差