【摘要】文章从人工智能的概念出发，在总结已有研究方法的基础上，回顾了人工智能对就业的产业分布、岗位、工资等方面影响的理论与实证研究。文章发现，人工智能技术在替代部分岗位、促使劳动力在不同产业间流动的同时，还会加快劳动力市场中岗位极化的进程，并在这一过程中引起工资不平等问题。从长远看，替代与创造效应将长期共存，但后者的影响会越来越明显；工资不平等可以通过长期社会政策予以弥补；岗位极化现象并不会持续很长时间；劳动者在产业间的流动本质上是劳动技能在技术变革后与任务需求相匹配的结果。更多学者认为未来人工智能对就业的影响是可控的，关键在于通过教育、培训提升劳动者技能水平以实现广泛而有效的人机合作。【关键词】人工智能产业结构岗位工资【作者】杨伟国中国人民大学劳动人事学院，教授；邱子童中国人民大学劳动人事学院，博士研究生；吴清军中国人民大学劳动人事学院，副教授。*本文为中国人民大学科学研究基金重大规划项目“数字技术革命与工作世界的未来”（编号：17XNLG06）的阶段性成果。一、引言近年来，人工智能的影响已成为就业研究中难以回避的主题。围绕产业、岗位、工资等方面进行人工智能应用的就业效应研究，既能从宏观层面了解人工智能对就业形势的方向性影响，也能在微观层面观察现有的工作任务、收入分配在面临人工智能时出现的具体变化。在讨论各方面的影响之前，需要首先明确人工智能的概念及其应用和现阶段对其就业效应研究的主要方法。国外学者对于人工智能的概念有不同的理解。在发展初期，人工智能被描述为具备等同于人类的思维、行动能力并在未来能够超越人类相应能力的“思考机器”（McCorduck，1979）。也有学者认为能力的发挥需要特定的载体与外部环境，Dreyfus（1972）对人工智能的经典批判①和Searle（1992）的“生物自然主义”观点①都认为实现类人的智能需要像人一样的身体体现和社会背景。目前对人工智能概念较为全面的描述来自MIT电气工程领域的研究，即人工智能是一个有机整体，是通过模型建立的关于思维、感知和行动的表达系统，以生成测试法为基本运行方式，这一系统存在一定的约束条件，并通过算法（程序或方法）实现约束条件的作用（Finlayson等，2010）。由于人工智能正在全面进入和重塑生产、生活空间，对其描述既要避免认识论上的卢德主义，又要避免技术决定论，以保持对人工智能技术的客观认识②（张成岗，2018）。因此，本文对人工智能的理解是：为实现特定任务目标而创造的能够表现出与人类能力（认知、思维或行动）相似水平的技术，这一技术需要借助相应的载体（工具）及应用环境发挥作用。在现有技术条件下，人工智能的应用载体主要是计算机化和自动化设备，应用环境即为工作任务执行环境。现阶段国外学者进行人工智能对就业影响的研究，通常基于任务模型方法。Autor等（2003）区分认知和手工任务、常规和非常规任务的主要目的是了解计算机化③如何改变工作技能的需求。从“机器视觉”出发将具体的工作拆解为不同的任务，判断哪些任务可以由计算机执行，并给出了工作场所中四类不同任务可被计算机替代的若干情况，即替代、互补及有条件的替代或互补。Autor等认为，计算机已经成为许多日常任务的替代劳动力，同时与执行非常规认知任务的劳动力具有很强的互补性。但Autor等并没有预测与执行非常规手工任务（非常规体力劳动）的劳动力之间的互补性④（Frey等，2017）。二、对就业的产业分布的影响从目前的研究结果看，农业生产部门受人工智能的影响较小，制造业部门劳动者受人工智能替代效应的影响将逐步转移到服务业领域（Autor等，2013），钟仁耀等（2013）认为这种情况与原从业人员的知识结构和变化适应能力有关。美国劳工统计局的研究显示，到2024年，几乎所有新增就业机会将集中于服务业，尤其是在医疗保健和社会援助服务领域（Trajtenberg，2018）。（一）对农业的影响虽然现阶段人工智能应用并未对农民数量产生显著影响（Manyika等，2017；Frey等，2017），但人工智能技术确实会转变农民生产劳作的习惯与方式，并强化与市场的联系。一是从农业生产角度考虑，Ampatzidis等（2017）指出，目前的自动化和机器人可以实现从作物选择、播种到灾害预防等直到作物收获，即整个农业生产流程的人机合作。二是从农民与市场的联系角度考虑，Lele等（2017）认为，现阶段智能、数字技术变革的速度和范围有利于包容性的农业和农村发展，真正实现农民与市场在每个生产环节上的密切联系，并可以通过提供更高水平的教育、卫生保健、金融和市场服务等间接提高农民收入。已有研究表明，人工智能对农业生产的影响主要集中在转变农业生产方式、提高生产效率、增加农民收益方面，对农民的替代效应并不明显。这可能是由于农业生产从机械化向自动化过渡的过程中，生产任务完成方式的变化并没有影响到农业生产过程对农民的需求，或者远未达到农业机械化设备应用时所产生的影响。（二）对制造业的影响Acemoglu等（2017）关注工业机器人的使用对美国劳动力市场的影响，研究了1993～2007年19个产业（主要是制造业）中工业机器人的大规模使用与722个通勤区就业率及工资之间的关系，发现工业机器人的大规模应用与就业、工资呈显著的负相关关系，并提出现阶段工业机器人对劳动力市场的替代作用大于其创造效应，每千名工人中每多1台机器人，就业人口比例降低0.18%～0.34%，工资下降0.25%～0.5%，并据此推断1990～2007年因工业机器人使用而造成的制造业失业人数达36万～67万人。同时，人工智能也深刻影响着制造业内部的生产模式与生产系统，并改变着对这些生产系统中劳动者的技能需求。Yin等（2017）在梳理历次工业革命的生产系统变化时发现，与第二次工业革命创造的流水线、丰田生产体系（TPS）及单元式制造相比，第三次工业革命催生的以计算机化和工业机器人为软、硬件基础的柔性制造系统（FMS）和Seru①生产系统更能满足工业4.0条件下产品市场对大规模定制的需求，这不仅会改变未来制造业发展的格局，也对劳动者技能提升有更高的要求。在人工智能影响就业的产业分布研究中突出制造业，不仅由于制造业本身容易受工业机器人和自动化的影响，还因为制造业吸纳了大量普通劳动力，其劳动力分布与农业、服务业相比也更为集中。人工智能对制造业的影响不仅局限于就业数量方面，也不完全是负面影响。具体的效应依赖于产业的特征和属性（Acemoglu等，2017），人们普遍预期工业机器人应用的积极成果直接关系到生产力，尤其是在工业环境中，对于特定任务中使用工业机器人会减少人的工作负担与可能承受的危险，同时还可以节约劳动时间，增加闲暇。而对消极影响首要的考虑是有关工业机器人对就业的冲击，其次是对工业机器人应用事故的问责存在困难。（三）对服务业的影响除了承接来自制造业的劳动者外，在Frey等（2017）的研究中，服务业的很多劳动者都存在被计算机化替代的风险。从事电话销售、保险承销、运输服务、摄影、数据维护等职业的劳动者被视为是极有可能被计算机化替代的群体。但人工智能的创造效应也促使一部分职业的劳动力需求有所上升，增长最快的是幼儿（及小学）教师、会计与财务人员、护士、健康顾问、康复师和社会资讯类工作者等。对于后者劳动力需求数量的上升，Deming（2017）认为，任务对社交能力的要求是计算机化、自动化技术还无法实现的，但会促使劳动者提升社交能力及相关技能并转变工作选择，并指出1980～2012年美国社交密集型工作增长了24%，同时期就业份额提高了7.2%，且工资水平上升了26%。三、对岗位的影响从已有文献看，人工智能对岗位的影响不仅涉及岗位数量和任务性质的变化，即替代和创造效应，还会造成岗位极化并加速岗位上的人机合作。（一）岗位极化20世纪计算机革命与21世纪人工智能技术飞速发展相结合对岗位的影响突出表现为中等收入、中等技能需求岗位数量的减少（Autor，2013；Frey等，2017）。与之相对应的是高收入的脑力劳动（认知工作）和低收入的体力劳动岗位均有所增加，就业人数也随之变化，劳动力市场两极分化的趋势已出现，并影响着劳动者的就业选择（Goos等，2007）。Autor等（2013）发现，美国劳动力市场中岗位极化趋势主要表现为低技能服务业岗位与就业人数的增加；且在常规的劳动密集型市场中，就业和工资的两极分化更加明显。同时，Jerbashian（2016）聚焦于单一技术领域，利用欧洲10个国家的数据证明信息技术价格的下跌与中等工资岗位份额降低和高工资岗位份额提升有关，但对最低收入职业的岗位比重影响较小，证明了以计算机化为代表的智能技术存在引起岗位单极化发展的可能性。对于极化的趋势，Autor（2013）认为，其他领域的互补性和劳动力市场需求上升的抵消效应目前难以确定，岗位极化现象不会无限期持续下去。Frey等（2017）指出，在现阶段计算机化主要局限于低技能和低工资岗位的情况下，当前劳动力市场极化范围不会继续扩大，其影响可以通过相应措施予以缓解，即低技能的劳动者将重新分配到那些不受计算机化影响的任务中去，但劳动者为了赢得这些机会必须提高创造性思维能力和社交能力。（二）岗位替代人工智能的替代效应比以往任何技术进步的影响都要明显（曹静、周亚林，2018）。世界银行调查显示，2013年超过50个国家57%的工作受到了自动化技术的影响（Manyika等，2017）。在美国，47%的劳动岗位被替代（计算机化）的风险较高，且被替代率同工资和岗位技能需求呈负相关关系。在702种职业中，工作在交通运输、后勤服务、办公文员及部分生产部门岗位的劳动者都面临被替代的风险（Frey等，2017）。Arntz等（2016）分析了21个OECD国家的岗位可被自动化替代的程度，结果显示，在美国有9%的岗位处于高风险状态①。David（2017）发现，在日本有55%的岗位处于“危险”状态，且非正规就业的劳动者及其岗位被替代的可能性更大。2016年德国联邦劳动和社会事务部（BMAS）对其国内机器替代岗位可能性的计算结果为13%。但是，Oschinski等（2017）通过对加拿大劳动力市场的研究发现加拿大的高自动化风险岗位占比很小，仅为1.7%。不同学者计算结果的差异可能是由于统计口径、被高估的技术能力与滞后的利用水平和工作场所的异质性造成的（Arntz等，2016）。此外，不同行业、不同时序的替代效应表现也不一样，姜金秋、杜育红（2015）发现，在短期、中期和长期阶段不同行业就业对技术进步有不同的反应。关于岗位替代的发展趋势，以技术性失业为代表的传统观点仍然有着很强的声音。Trajtenberg（2018）指出，仍然有新的“技术狂热者”认为人工智能将在可预期的时间内取代大部分人的工作，释放出巨大的生产力，随之会出现对就业预期、收入分配的负面影响。对此，也有学者持不同观点，Arntz等（2016）提出现有替代效应被夸大了，以区分任务为基础的研究结果代表的只是替代的可能性，而不是真实情况；Autor（2015）、Brynjolfsson等（2018）指出，大多数自动化系统缺乏灵活性，仍无法适应部分非常规任务的需要。曹静、周亚林（2018）也认为工作被自动化的风险并不意味着实际的工作损失。此外，较为折中的观点是从长远来看，技术进步对大家都有益。但从短期考虑，并非所有人都是赢家（Cortes等，2014）。Manyika等（2017）通过考察自动化对工作（职业）的影响，认为现阶段的转型充满挑战，但到2030年大部分工作场所能够提供维持充分就业所需的工作岗位①。（三）岗位创造虽然人工智能应用（现阶段的计算机化、自动化）所表现出的替代效应较为明显，但是其创造效应仍然存在。Acemoglu（2017）提出自动化在减少就业的同时会通过创造新的工作任务衍生出新的就业机会。创造的岗位由两部分构成，一是由于人工智能应用提升业务量引起的对劳动力需求的增加；二是围绕人工智能产生的新类型的岗位（算法开发、训机师、智能设备维护等）。两者的就业群体存在共性，即与新兴的通用技术②行业本身相关的劳动者，以及在主要应用领域中部署通用技术前沿领域相关的劳动者，其特征是年轻，具有创业精神，同时具备了新的通用技术所要求的技术知识储备和技能（Trajtenberg，2018）。除岗位数量增加外，王君、杨威（2017）提出人工智能等新技术进步对就业总量的影响具有拓展性，有利于改善工作质量。根据Kremer（1993）的O-ring模型，任务生产率的提高会增加生产链条中剩余任务的价值，而人工智能在提升常规体力劳动效率的同时也会带动剩余的人工生产环节价值的提升。实现改进的首要前提是人机之间在任务过程中的互补性。1988～2004年，ATM造成美国银行分支机构柜员数量平均减少了1/3，但全美银行分支机构数量上升了40%以上；同时，柜员也从单一的现金结算业务中解放出来，其工作内容逐步转变为销售、客户业务，单一岗位创造的价值更高（Autor，2015）。（四）岗位合作关于岗位上劳动者与人工智能应用的关系研究，可以围绕McCarthy与Douglas之间的核心观点冲突来理解，即是用日益强大的计算机软件和硬件组合来替代工作场所里的劳动者，还是使用相同的工具在脑力、社会、经济等方面拓展劳动者的能力。这一争论并没有立场、观点方面的对错，只是对现象或趋势的争议，脱离现实情景单纯考虑这两个问题会使答案出现偏颇（Markoff，2015），而技术的实践应用反而会为我们提供更多启示。道格拉斯·恩格尔巴特（DouglasC.Engelbart）制造的计算机系统开启了办公自动化的大门，很多人工智能应用（程序、设备等）替代了部分岗位，但劳动者在工作中与其他岗位的劳动者仍然是合作关系，区别在于增加了劳动者与机器的合作。因此，人机合作、人机互动决定了我们将把人工智能载体视为伙伴（Markoff，2015），而要实现人机互动、促进这些载体在团队协作中作用的发挥，就需要其具备必要的任务知识、技能及其他必备特征，包括团队协作中的团队知识、领导、沟通、监控和反馈能力。2009年以来，面向深度学习的应用型研究有了显著的成果。人工智能创新过程的变化引出了一系列政策和管理领域的关键问题（Cockburn等，2018）。具体而言，机器学习可以纳入尽可能多的变量，从中剥离出传统方法无法得到的影响因素（Camerer，2018）。随着机器学习的发展，在研究预测与决策之间的关系时，人工智能应用对于不确定性下的预测能力有所加强，预测成本也有所下降，可以将人工智能思维视为人类判断的补充（Agrawal等，2018）。结合现有研究，未来在岗位中实现人机合作有着十分明显的优势，了解如何与人工智能合作也是未来劳动者就业时不可或缺的技能。四、对工资的影响现有研究重视人工智能等技术进步对工资的影响，不仅由于收入不平等这一主题的重要性，同时也因为工资分布的演变提供了不同类型技能的市场价值信息（Acemoglu等，2011）。此外，由人工智能引起的工作场所内劳动者的不平等问题可能与人工智能应用对工资的影响有直接的联系（Chace，2016）。（一）对劳动者个体的影响从技术进步已经替代劳动者的前提条件出发，Acemoglu等（2017）认为，制造业中工业机器人的应用对制造业劳动者的工资有较强的负面影响。Korinek等（2017）将人工智能对工资、福利的不同影响进行了分类：一是在最优情况下（完全市场，个人对技术进步进行投资和风险规避），技术进步总是让每个人都更富裕；二是在次优情况下（完全市场，伴随着无成本的再分配），如果再分配能够充分发挥作用，劳动者与技术进步之间是双赢，但如果没有足够的再分配能力弥补劳动者的损失，势必会产生抵制行为，同时，在收入差距过大的情况下，技术进步对生产的提升作用会受到影响；三是在完全市场中（存在有成本的再分配），工资、福利在短期内会受到影响，但帕累托改进从长远来看是存在的，技术进步在造成资本垄断的同时，会通过再分配实现资源配置的相对公平，这取决于再分配成本的高低；四是在不完全市场中，帕累托改进很难实现，技术进步会给工人的福利带来很大影响。从劳动者的教育回报角度考虑，Brown等（2002）认为，在技术冲击背景下，基于教育回报的工资不平等将会扩大，这是技能与资本互补水平的提高导致高技能劳动者需求上升的结果。但从长远角度看，除非受教育程度提高和技能提升受到限制，否则受教育程度较高的劳动者的教育回报会逐渐回归到市场平均水平。由此引出的对策是采取包括发展知识产权在内的措施努力实现次优，通过促使劳动者工资、福利提升和扩展智能技术应用的双赢形式实现人工智能产生的帕累托改进效应最大化；在次优情况无法实现时，要促使资源分配进行调整，为面对人工智能处于劣势的人提供支持。Trajtenberg（2018）从政治经济学角度出发，认为实现“人类强化创新”①是方向性的问题，政府政策起到了关键性作用，特别是在教育、劳动者培训、服务专业化等方面的政策上要有所侧重。（二）对行业整体的影响首先，从同行业角度看，岗位极化本身就代表了基于技能水平的工资差异。在具体的差异程度方面，技术进步的飞速发展促使在工资分配过程中的中间与底部群体之间的差距越来越大，且这一趋势会持续很长时间（Kearney等，2015）。同时，人工智能应用水平较高的企业出于管理和成本方面的考虑，可能将低技术岗位外包给其他企业，并对保留在企业内部的技术工人给予高工资（Aghion等，2017），这也拉大了工资差距。其次，对于不同行业，由于工作性质的差异，比较工资的绝对数值没有太大的意义，但对比工资变动情况可以看出行业间对技术进步的不同反应。以服务业为例，Autor等（2013）的研究发现，在过去25年里，大多数低技能职业及其所属行业中劳动者的实际收入和就业率出现了停滞或下降，但服务业的就业和收入却是一个例外。1980～2005年，非大学学历员工在服务行业工作的时间增加了50%以上，与此同时，实际时薪增加了约11%，超过了其他低技能职业及行业的工资增长。五、结论与评价在现阶段研究中，现象描述、细节分析和趋势预测3个方面的内容构成了研究主体，理论与实证研究兼顾，存在积极和消极两种不同观点。出于研究角度与内容的不同，两种观点并无对错之分。虽然现阶段已出现了人工智能对就业的某些负面影响，破坏机制也得到众多学者认同，如替代效应、削减岗位数量、拉大工资差距等，但人工智能的突飞猛进需要其他产业的相应升级才能真正发挥其作用，这些负面作用是否在社会、产业或组织进行了相应调整后仍然存在，还需要继续观察。但对于未来趋势的把握还是有可能的，在应用于生产部门的人工智能及其载体仍处于计算机化、自动化背景下（Acemoglu等，2018；Frey等，2017），未来主要考虑的应是人工智能应用条件下劳动者技能水平的提升，通过教育、培训帮助其适应技术进步的需求（Arntz等，2016）。在考虑到实现有效的人机合作时，欧洲政治战略中心（EuropeanPoliticalStrategyCenter）在2018年的报告《人工智能时代：确立以人为本的欧洲战略》①中提出部分劳动者确实会因人工智能等技术的应用而失业，但未来的重点在于促进技能的过渡与提升，在为高风险劳动者提供支持与保障的基础上，应当注重发展人机共生关系，实现劳动者能力、价值与人工智能发展水平的同步提高。目前关于人工智能对就业影响的研究成果初具规模，但从文献回顾的过程中可以发现在研究方向、跨学科合作、研究对象等方面仍存在一些问题。一是现有研究方向多集中于人工智能对就业的替代、创造效应方面，重点考察就业数量的变化，较少探讨二者背后的产业、行业、岗位变动的经济、社会意义。马弘等（2013）认为，就业数量只是就业结构的一个方面，数字变化背后大量的就业创造、消失同时存在，对劳动力市场的意义截然不同。此外，现阶段还没有任何研究能准确量化人工智能发展对就业前景的影响。因此，未来的研究方向除了考察就业数量变化外，更应深挖数量变化背后所代表的对劳动力市场与经济社会的影响，体现出就业效应研究的现实意义。二是现有研究缺少与人工智能技术研究人员的合作。人工智能应用与其他技术应用的最大区别在于人工智能与工作结合得更深入、更复杂。经济学家、社会学家可以完成对工作任务的划分与权重分配，但并不了解某一任务是否能够完全由人工智能来完成，抑或有人的参与。Arntz等（2016）认为，现有研究容易高估人工智能技术能力并忽视落后的应用水平②。我们需要与技术研究人员合作实现任务与技术的准确匹配，以提高分析结果的针对性、准确性。三是现阶段国内的研究多集中于现状描述与趋势预测层面，缺少关于人工智能对就业具体影响的实证研究，这可能是由于国内目前劳动力市场数据统计不充分，无法支撑就业效应微观层面研究造成的。既有Autor等（2003）在其任务模型中提到的计算机资本及技术投入特殊性的原因，也涉及国内目前人工智能应用范围难以考察的因素，特别是制造业企业的自动化、计算机化设备应用范围与水平参差不齐，缺少形成代表性研究的实践基础。因此，随着国家对人工智能愈加重视和应用范围的不断扩展，未来需要更多的产业或行业、国家或地区层面的数据夯实这一领域实证研究的数据基础。