雷火竞技首页

国际知名智库:目前说AI重创劳动力市场的说法可能都是错的
发布时间:2026-04-12
 国际知名智库彼得森研究所最近发表报告说,人工智能与劳动力市场的研究仍处于起步阶段,现在很多结论可能都是错的。  自大型语言模型(LLM)广泛应用以来,关于人工智能(AI)将如何影响劳动力市场以及何时产生影响的研究和预测层出不穷。  此外,关于人工智能目前如何影响劳动力市场的研究和推测也层出不穷。然而,所有这些研究都不是,也不可能是最终定论。本文回顾了一些近期研究,发现关于人工智能如何影响当前劳

  国际知名智库彼得森研究所最近发表报告说,人工智能与劳动力市场的研究仍处于起步阶段,现在很多结论可能都是错的。

  自大型语言模型(LLM)广泛应用以来,关于人工智能(AI)将如何影响劳动力市场以及何时产生影响的研究和预测层出不穷。

  此外,关于人工智能目前如何影响劳动力市场的研究和推测也层出不穷。然而,所有这些研究都不是,也不可能是最终定论。本文回顾了一些近期研究,发现关于人工智能如何影响当前劳动力市场的证据尚无定论,关于人工智能会对特定群体工人造成有害影响的说法也为时尚早。

  人工智能对劳动力市场影响的研究尚处于起步阶段,所有关于人工智能对劳动力市场影响的重要问题仍未得到解答,原因有三。

  首先,早期研究主要关注人工智能如何影响劳动力需求,但这些研究结果总体上尚无定论。其次,任何基于当前人工智能和劳动力市场数据的研究结果,都只能对未来做出较为保守的预测。第三,现有关于劳动力需求的研究仅仅是人工智能亟待解决的众多研究问题中的一个角落,许多可能对劳动力市场产生影响的渠道,相对于劳动力需求而言,尚未得到充分探索。

  人工智能与劳动力市场之间的关系亟需更多研究,也需要更优质的数据。本文最后总结了一些原则,旨在最大限度地发挥人工智能与劳动力市场研究的价值和效用。

  近期关于人工智能与劳动力市场的研究大多聚焦于劳动力需求:即人工智能将如何改变雇主愿意为员工支付报酬的工作、技能或任务。这类研究通常对职业(或行业)进行排名或分类,评估其受人工智能影响的程度,然后分析受人工智能影响较大的职业与影响较小的职业在趋势或模式上的差异。由于现有的劳动力市场数据更容易获取,因此大多数研究都侧重于职业或行业,而非技能或任务。

  为了对职业进行排名或分类,研究人员开发或使用一种或多种人工智能暴露度或使用度指标。人工智能暴露度指的是某个职业(或构成该职业的任务)被人工智能增强或取代的可能性,而人工智能使用度指的是该职业中的人们目前使用人工智能的方式和程度。

  值得注意的是,目前人工智能研究中使用的人工智能暴露度和使用度指标种类繁多,而且它们之间并不完全一致,这多少令人困惑。人工智能接触度和人工智能使用度是不同的概念,许多职业在接触度和使用度方面的排名也不同,正如Gimbel等人(图1)所示。其中一些排名或分类基于人为判断,而另一些则由LLM(人工智能学习模型)自行生成。

  例如,一些文员和办公室行政人员的当前人工智能使用率较低,但潜在的人工智能暴露度却很高。即使在不同的暴露度衡量指标中,也存在分歧。当然,随着人工智能的功能、成本和规范的演变,使用率或暴露度最高的职业也可能发生变化。

  一种运用这些暴露度或使用率衡量指标的方法是,将它们与职业的描述性特征(例如地理分布或人口统计特征)相结合,以预测哪些地区或人口群体可能更容易受到人工智能的影响。Manning和Aguirre就采用了这种方法来了解哪些人口群体和地区可能最容易受到人工智能的影响,以及哪些群体和地区在面临人工智能导致的失业时更有可能适应。

  一些备受瞩目的研究项目已将人工智能暴露度或使用率衡量指标与近期职业就业数据相结合,以分析就业趋势与职业人工智能暴露度或使用率之间的相关性。 Brynjolfsson、Chandar和Chen将他们首选的人工智能暴露指标与来自薪资处理公司 ADP 的详细就业记录相结合,这些数据包含非常具体的职业细节和人口统计信息。

  他们发现,在人工智能暴露程度较高的职业中,年轻工人的就业率下降幅度更大,但在人工智能暴露程度较低的职业中则没有这种现象;对于老年工人而言,不同职业人工智能暴露程度下的就业变化差异很小。

  他们发现,在人工智能暴露程度较高的职业中,年轻工人的就业率下降幅度更大,但在人工智能暴露程度较低的职业中则没有这种现象;对于老年工人而言,不同职业人工智能暴露程度下的就业变化差异很小(图2)。

  相比之下,Eckhardt 和 Goldschlag利用美国人口普查局(CPS)的公开就业数据发现,人工智能(AI)暴露程度较高的职业,其失业率上升幅度较小(图 3)。CPS的样本量远小于ADP的专有数据,这限制了他们按AI暴露程度五分位数对特定年龄组进行分析。

  值得一提的是,他们使用不同的AI暴露程度指标重复了分析:总体结论在不同指标下基本一致,仅存在一些细微差异。Iscenko和Millet采用了与Brynjolfsson等人类似的方法,发现AI暴露程度较高的职业的职位发布数量下降幅度更大,但这一趋势始于2022年,早于ChatGPT的公开发布。他们认为,职位发布数量下降的时间点与利率上升的宏观经济变化更为吻合,而非与LLM的推出更为吻合。Frank等人也发现了类似的结果。

  这些关于人工智能与劳动力需求的论文自然聚焦于现有的职业,因为这些职业的就业数据以及人工智能的普及程度和使用情况指标都已具备。人工智能可能会催生全新的职业,或者在现有职业中创造新的工作类型,这可能成为就业增长的重要来源。对以往技术变革浪潮的研究表明,新创造的职业确实有助于就业增长,尤其是在创新增强而非自动化工作活动的情况下。

  这些早期研究共同展现了将人工智能的新指标与现有劳动力市场数据相结合的价值,同时也说明了为什么仅仅从人工智能的角度来解读这些结果既具有挑战性,甚至可以说是根本性的。研究结果可能对所选择的人工智能指标非常敏感。人工智能的普及程度或使用情况可能与其他职业差异相关,例如疫情期间的过度招聘程度、远程办公的适用性、关税影响或对移民劳动力的依赖程度——所有这些因素都可以解释近年来不同职业的就业模式为何存在差异。

  即使是关于人工智能对劳动力市场当前影响的最可靠的研究发现或最令人信服的轶事,也应谨慎对待。当前一代大型语言模型(LLM)的商业化普及时间尚短,任何持久的经济影响都可能需要数年时间才能在就业、产出或生产力数据中体现出来。以往的技术革命都是在数年甚至数十年后才在经济数据中显现出来,前提是商业流程已经调整到位,能够充分利用新技术带来的经济效益。

  此外,人工智能正在飞速发展。突破性进展层出不穷,目前对人工智能能力的认知远超去年,但很可能远低于明年。随着人工智能能力的不断变化,其对劳动力市场的影响也会随之改变。即使是关于当前一代LLM如何影响劳动力市场或可能改变特定任务或职业需求的可靠结论,也可能很快过时。

  此外,目前的研究工具和方法尚不成熟。随着人工智能能力的日益清晰和相关研究文献的日趋成熟,研究人员和政策制定者将就人工智能的接触、使用和采纳的定义,以及衡量经济影响的标准达成共识。

  在此之前,研究结果可能对定义和分类的差异高度敏感。正如上文所述,近期涌现的大量文献探讨了那些可能比其他职业更容易受到人工智能影响的职业的就业趋势,这些文献采用了多种衡量职业层面人工智能接触和使用情况的指标。然而,研究人员对于这些指标以及如何衡量人工智能的采纳程度,尚未达成共识。

  由于人工智能比以往的技术创新更有可能影响专业白领工作,因此相关研究和研究人员也可能更容易受到尚未被充分认识和考虑的偏见的影响。例如,当前关于人工智能与就业的公共辩论在某些方面与十年前关于自动化与就业的辩论遥相呼应。

  但是,那些撰写关于人工智能和劳动力市场的研究报告、叙述和故事的人们,可能比十年前更容易受到自动化的影响,而自动化曾被认为会对工厂和办公室的“常规”工作构成最大风险。如今,研究人员、记者、顾问和内容创作者都能轻易地看到自己的工作如何受到人工智能的影响,这种“叙述者偏见”可能会影响研究结果的解读和语气。

  我们应该关注那些引用企业自身关于人工智能对其业务影响的声明的研究。人们对人工智能的热情、投入以及其令人瞩目的进步,都给雇主、员工和政策制定者带来了压力,迫使他们展示自己是如何利用人工智能的。如果你经常被问及计划如何利用人工智能来节省成本、提高生产力或提升效率,你就有动机将你的投资、招聘或运营决策过度归因于人工智能。相比承认疫情后过度招聘,首席执行官们更乐于将招聘冻结或裁员归咎于人工智能。

  最后,要警惕“路灯偏见”,它可能会影响我们对人工智能的早期理解:那些数据充足、方法尚不成熟的研究课题,其结论可能与那些因数据匮乏或方法不成熟而处于“黑暗”状态的研究课题截然不同。随着相关数据的增多和研究方法的日趋完善,这种偏见也会逐渐消退,但这也应该让我们对早期出现的人工智能及其劳动力市场研究保持更谨慎的态度。

  上述关于劳动力需求和人工智能的研究只是人工智能研究领域的一部分。虽然它们比关于生产力影响、劳动力供给和转型动态的研究更受公众关注,但有三个领域值得更多关注才能充分理解人工智能可能如何影响劳动力市场。

  生产力:越来越多的文献探讨了人工智能如何影响企业生产力,主要通过对团队或公司的深入分析。Imas对这些研究进行了总结。许多研究关注编码或客户服务活动。大多数研究发现人工智能提高了生产力,但也存在一些显著的例外:一项研究发现人工智能降低了开发人员的效率,另一项研究发现咨询顾问过度依赖人工智能来完成一些超出其能力范围的任务,导致绩效下降。个人生产力并非唯一的影响因素。DellAcqua等人发现人工智能改善了团队协作并打破了传统的职能壁垒,而Jiang等人则发现人工智能的使用增加了工作时间并降低了员工满意度。

  与劳动力需求一样,我们不应期望这些关于人工智能和生产力的研究能够达成共识或得出统一的结论。人工智能对不同职业、公司、行业或不同类型员工的生产力影响可能各不相同,而且随着人工智能能力的不断发展,所有这些影响都可能发生变化。

  此外,由于目前使用人工智能的公司类型有限,这些早期研究发现的影响可能并不具有普遍性。美国人口普查局商业趋势与展望调查的最新数据显示,只有不到五分之一的公司以任何形式使用人工智能,而直接使用人工智能生产商品和服务的公司则更少。目前使用人工智能的公司仍处于早期采用阶段,而目前发表的企业生产力研究也主要基于这些早期采用者。

  劳动力供给:研究对人工智能对劳动力供给的潜在影响关注较少。理论上,人工智能可以通过多种渠道影响人们的工作兴趣和工作意愿。人工智能可以改善求职过程,使人们更容易找到工作机会并找到合适的职位。

  另一方面,如果申请、招聘和候选人筛选等环节都变得更加自动化,要求候选人和招聘经理建立并采用一套新的流程和规范,那么人工智能也可能阻碍求职过程。人工智能还可能通过减轻个人家务负担(增加劳动力供给)或使个人休闲更具吸引力(降低劳动力供给)来影响劳动力供给。与人工智能对劳动力需求的影响类似,人工智能对劳动力供给的影响可能因人而异,并且会随着人工智能的发展而变化。

  经济研究一直低估了技术创新对劳动力供给的影响。如果问经济学家过去一个世纪中哪些技术对劳动力市场的影响最大,很少有人会提到避孕药。避孕药彻底改变了女性的教育和职业选择,并促成了20世纪后几十年女性劳动力参与率的显著提高。近年来,支持视频通信和远程办公的技术及规范也促进了幼儿母亲和残疾人士的劳动力供给。

  转型动态:除了人工智能最终对劳动力市场的长期影响之外,短期内也极有可能出现劳动力市场的动荡和流动性丧失。即便人工智能能够提高生产率,并为几乎所有想工作的人提供持续的就业机会,其发展路径也可能充满坎坷。研究技术变革以及其他政策和结构性变革带来的转型效应,有助于我们了解人工智能转型可能呈现的形态,即便人工智能对劳动力市场的最终影响可能与以往技术变革、政策变革和其他结构性变革的长期影响截然不同。

  Deming、Ong和Summers在对以往技术变革进行全面回顾时指出,即使在经济转型相对缓慢的时期,就业分配也可能发生显著变化。美国就业增长模式从20世纪90年代和21世纪初的杠铃型(低技能和高技能就业增长速度超过中等技能就业)转变为2016年至2022年的更直接的模式(高技能就业增长速度超过低技能和中等技能就业)(图4)。

  当冲击具有地域集中性时,其挑战性尤为突出。例如,Autor、Dorn 和 Hanson (2013) 的研究表明,在“中国冲击”期间,各地劳动力市场对中国进口商品的依赖程度差异显著,后续分析也显示出明显的局部经济和政治影响。Blanchard 和 Katz (1992) 的早期研究表明,州级冲击往往会持续存在,导致当地就业率长期下降。令人欣慰的是,许多高度依赖人工智能的职业——例如办公室行政和文员工作——并非集中于特定的本地劳动力市场;那些工作面临人工智能威胁的人们或许仍能在当地找到大量就业机会。

  初步证据表明,迄今为止,人工智能带来的转型冲击并未超过近期技术变革的速度。过去三年,职业结构的变化速度与商业计算机时代和商业互联网时代(1996 年)开始后的几年相似,并且自ChatGPT发布以来,这种变化并未加速。

  从更长的时间跨度来看,自疫情前基线年)以来,职业结构的变化速度比过去几十年都要快(图5)。然而,这些近期的职业转变远不及20世纪10年代和40、50年代的剧烈变化,当时农业向制造业的转型,以及随后向行政和专业服务业的转型,都经历了剧烈的转变。此外,与疫情前相比,人工智能并非劳动力市场唯一显著的变化。当前的人工智能转型或许并非史无前例,过去的经验教训可能仍然具有借鉴意义。

  人工智能可能成为劳动力市场剧烈变革的驱动力,而预测并记录这些变革的研究至关重要。早期关于人工智能与劳动力市场的研究揭示了一系列机遇,同时也指出了挑战和差距,并提出了未来研究的四项原则。

  第一,全面思考对劳动力市场的影响。迄今为止,大部分研究都集中在人工智能如何改变对技能、任务和工作的需求上。研究人员也应该考察劳动力供给侧;继续开展深入研究人工智能与生产力的实验和案例研究;并探索转型动态。研究应尽可能考虑劳动力市场动态的其他解释,并将人工智能的影响与其他技术、政策变化和宏观经济状况的影响区分开来。

  第二,为集体数据基础设施做出贡献。人工智能研究尚处于起步阶段,研究人员仍在构建分类体系、分类方法和工具,例如人工智能暴露度评估工具。应将这些资源公开,并方便其他研究人员使用。研究成果越能被重复验证,数据与其他来源的结合使用,我们的集体知识库增长速度就越快。

  第三,让研究成果对政策制定者和决策者有用。人工智能和劳动力市场的研究并非仅限于学术研究。政策制定者、教育工作者、雇主以及所有考虑职业发展的人都渴望了解人工智能将如何影响就业。研究人员应该将研究成果表达或转化成对实践者有用的形式,或者提供足够的透明度,以便其他人能够完成这项至关重要的转化工作。

  第四,要对哪些历史经验有用提出清晰透明的假设。我们尚不清楚人工智能与以往的技术创新浪潮有多相似,也不清楚从历史技术创新中汲取的经验教训是否能帮助我们理解人工智能。即使人工智能对经济的最终影响与以往技术的影响截然不同,其转型过程也可能与过去相似,因此转型经验仍然具有参考价值。

  在文旅融合与新消费升级的双重驱动下,传统文化传播正从静态观展转向沉浸式、可体验、可分享的新型模式。作为茶饮行业的知名品牌,爷爷不泡茶一直在探索文化与新茶饮的融合方式,在当下,以博物馆为代表的文博机构与新茶饮品牌的深度协同,正在重构地域文化的当代传播逻辑。

  你是否好奇两千多年前的湖北先民是如何踏青赏春的?从战国楚人的车马游春到唐宋文人的诗词雅集再到我们如今的花海漫游湖北人对春天的追寻早已刻进了骨子里这个浪漫春天不妨循着古人足迹解锁别样春日趣味湖北省博物馆的玻璃展柜里,藏着楚人春游的初始密码。

  云南一工地3人窒息身亡,包括一对夫妻,遇难者儿子:母亲与包工头营救父亲均遇难

  伊朗代表团抵达巴基斯坦,美伊谈判今日举行,双方均强硬表态,特朗普:霍尔木兹海峡无论如何都会很快重新开放,会谈结果24小时见分晓

  当地时间11日凌晨,巴基斯坦官方确认,美伊谈判将于当天在巴首都堡的塞雷纳酒店举行。伊朗代表团已经抵达堡。美国副总统万斯则于10日早些时候启程前往堡。美伊双方均就谈判发出强硬表态。

  4月9日,极目新闻记者从湖北省市场监管局餐饮处获悉,今年以来,全省市场监管部门会同公安、商务等部门聚焦“幽灵外卖”、资质造假、环境不卫生、食品安全不达标、从业人员健康不合格等重点,大力开展治理网络餐饮食品安全问题专项行动,深入整治“幽灵外卖”等网络餐饮乱象,查处食品安全违法案件。

  湖北日报讯(记者刘郸、通讯员朱艳、李斌)近日,生态环境部发布长江经济带国家级自然保护区生态环境保护成效评估报告,我省神农架、五峰后河、石首麋鹿、青龙山恐龙蛋化石群等13处国家级自然保护区获评优级,优秀比例位居长江经济带省份前列。

  今天情绪比较暴躁,容易产生悲观情绪,并且做事冲动,鲁莽的行为更给你带来诸多不便,甚至影响到同事之间的和谐关系。建议你适当控制自己,敞开心扉迎接善意、迎接未来,迎接正能量吧!

  你的生活为何总像一团乱麻?别傻了,根源全在那个死赖着不走的吸血鬼身上。 每天鸡飞狗跳,手机提示音响个不停,工作大山压顶。你累得像条狗,满肚子苦水倒不出半滴。旁人轻飘飘一句“大家都挺难”,直接把你堵死在墙角。属鼠的人骨子里带着要强,打落牙齿和血吞,生怕辜负团队,唯恐惹家人失望。