人工智能技術、任務屬性與職業可替代風險
——來自微觀層面的經驗證據

文/王林輝 胡晟明 董直慶

伴隨人工智能技術創新場景及其應用領域不斷拓展，職業更替日益頻繁，職業內涵開始朝高端化方向演變。人工智能技術會借助機器學習、大數據和超強算力，將自動化能力推向更智能化領域，新技術情境中職業更替出現新變化，引發社會各界對人工智能技術可能造成大規模失業的擔憂。為此，精準評估人工智能技術對職業的可替代風險，對于制定適宜的就業政策及時應對人工智能技術沖擊，實現更充分更高質量就業意義突出。本文基于中國勞動力動態調查數據，采用機器學習模型測算人工智能技術引發的職業可替代風險，探究職業技能寬度與職業可替代率關系，考察職業可替代風險的組群性和勞動選擇偏好特性，拓展人工智能技術如何影響勞動工時和崗位更替，以及不同行業智能化程度的選擇問題。

研究假說

人工智能技術對不同職業的替代程度存在差異，這種差異主要源于職業的任務屬性。任務屬性是指從業人員執行生產任務需具備的思維能力、身體素質、技能專長以及任務自身等特征。職業能否被機器替代取決于其任務屬性，例如計算機技術可以按照程序命令執行具有高重復性、規則明確且易于編碼等常規屬性的任務。有別于傳統技術的替代范圍，人工智能技術可以進一步使得非常規任務面臨較高替代風險。然而，當前人工智能技術仍無法完全模仿人類行為，尤其無法執行需要較強思維能力和社交能力的任務。

假說1：人工智能技術存在職業替代效應，且職業可替代風險受制于任務屬性。其中，非程式化且對思維能力和社交能力要求高的任務，職業可替代風險相對較低。

在真實經濟中，一項工作可能要求多重技能協調完成。若將某一職業的任務屬性拆分成若干技能屬性，那么職業所涵蓋的技能屬性寬度越大，職業可替代風險越低。例如，銀行柜員僅需具備現金支付與結算核算等業務技能，但銀行信貸員不僅應掌握基本出納能力，還需具備貸款咨詢、了解客戶借款需求、評定信用與風險等級、簽訂借款合同等多種能力；打字員僅需具有速錄能力即可，但秘書不僅需要熟練操作各項辦公設備，而且應具備較強的語言表達能力、與領導和同事溝通能力、組織規劃能力以及團隊協作能力等，甚至還需要一定創新能力。可以預期，要求多種技能的職業可替代風險會明顯低于只需單一技能的職業。

假說2：職業技能寬度決定職業可替代風險，單一技能要求的職業往往比綜合技能職業可替代風險大；而職業技能寬度越大、綜合能力越強，職業被人工智能技術替代的風險越小。

有些職業可能會因具有某些相同任務屬性而表現出相似性，那么人工智能技術的職業替代可能存在組群性，即同一組群內職業可替代風險相近。一些職業會因思維復雜性或創新性相似形成職業組群，如科研人員、高校教師和工程技術人員等研究型職業，這類職業組群的可替代風險較低。還有一些群體如心理咨詢師、特殊教育教師和人力資源專業人員，需要較強的溝通、協作和交流等能力，這些職業形成的組群會因社交屬性相似而具有較低的可替代風險。相反，一些需要頻繁移動身體位置、從事繁重體力勞動和執行可重復任務的職業，如郵件分揀員、搬運工和包裝工，因常規屬性相似而形成職業組群，由于機器在完成常規型任務時比勞動者更精準且更有耐力，導致該組群面臨較高的可替代風險。

假說3：人工智能技術的職業可替代風險存在組群特征，職業因任務屬性相似而形成職業組群，同一組群內職業可替代風險相近，而不同組群的職業可替代風險存在差異。

不同職業可替代風險存在差異，暗示人工智能技術對不同特征勞動力存在選擇偏好。對于性別特征，不同性別勞動者會因先天稟賦、后天訓練和經驗累積差異而形成不同類型能力，導致不同性別個體所能勝任的職業不同。其中，女性更偏好社交能力要求較高且穩定的職業，因而面臨的替代風險可能低于男性。對于年齡特征，年齡差距會造成勞動者身體素質、知識儲備和工作經驗的差異，更具體能和知識優勢的青年人通常會選擇就職于創新型崗位，而中老年勞動者大多從事遠離前沿技術且任務程式化特征突出的傳統職業，因而人工智能技術對中老年勞動者的替代風險更高。對于受教育特征，受教育年限越長的勞動者技能水平越高，更能適應對思維、社交等綜合能力要求高的職業，因而職業可替代風險越低。

假說4：人工智能技術對不同勞動者的職業替代存在選擇偏好，性別、年齡和受教育年限在其中扮演著重要角色，年齡越大、受教育年限越短的勞動者可替代風險可能越高。

研究方法設計

本文基于任務方法利用勞動個體從事的任務屬性變量，測算人工智能技術的職業可替代率，且引入職業特征、工作環境與經濟環境因素進行修正，使結果更貼近現實。測算原理為監督學習算法，利用已知輸入與輸出變量的訓練集估計機器學習模型參數，以建立輸入與輸出變量之間的映射關系，進而可以在模型中輸入新變量預測對應的輸出變量。本文測算思路遵循機器學習模型的一般步驟，主要包括輸入變量選擇、訓練集構建、機器學習模型訓練、可替代率預測。本文與既有文獻的不同之處在于：一是數據方面，本文采用中國勞動個體數據，考慮職業內任務差異，規避基于職業整體高估風險的可能；二是訓練集構建方面，依據當前中國職業中可智能化和難以智能化任務的特征，構造符合中國實際情境的訓練集；三是輸入變量方面，不僅選取任務屬性變量，還引入職業特征、工作環境和經濟環境因素；四是機器學習模型方面，選擇邏輯回歸（LR）、支持向量機（SVM）與隨機森林（RF）三類機器學習模型，并通過調參確定最優參數。本文數據源于中山大學社會科學調查中心的中國勞動力動態調查（CLDS）數據庫。

人工智能技術的職業可替代率測算結果與評價

LR、SVM和RF三類機器學習模型測得的職業可替代率分布基本一致，均呈現“單極化”右偏分布特征，多數職業可替代率位于（0.2,0.3］區間，較少群體的可替代率超過0.9，表明我國勞動力市場面臨的人工智能技術替代風險總體偏低，但仍有部分勞動者面臨較高替代風險。通過將職業可替代率處于［0,0.3］、［0.3,0.7］和［0.7,1］區間，依次劃分為低、中、高風險計算，可知我國低、中、高風險就業份額分別為35.94%、45.01%和19.05%，預示未來人工智能產業化發展將對中國勞動力市場產生較大沖擊。表1列舉了部分代表性職業可替代率測算結果，發現職業可替代率的測算結果基本符合常識性認知。

表1 代表性職業可替代率測算結果

通過統計各行業不同風險程度就業份額可知，農林牧漁業、采礦業、制造業和建筑業的高風險就業份額均高于20%，表明這些行業面臨較高的可替代風險。交通運輸、倉儲和郵政業、住宿和餐飲業、居民服務、修理和其他服務業的高風險就業份額在10%以上，也存在一定程度替代風險。需要較強學習能力、創新能力、社交能力等綜合素養的行業，如金融業、科學研究和技術服務業、教育、衛生和社會工作、文化、體育和娛樂業等行業的高風險就業份額均低于5%，表明該類行業面臨的可替代風險較低。

任務屬性與職業可替代率

任務屬性貢獻率的測算結果顯示，與思維能力相關的任務屬性對職業可替代率的貢獻率較高。任務屬性與可替代率的相關性分析表明，掌握工作技能時間、能力和技能使用狀況、專業技術資格數量等思維類屬性，以及與他人打交道頻率、外語能力、管理能力等社交類屬性與可替代率顯著負相關，表明職業的這些任務屬性評分越高，則可替代風險越低。相反，繁重體力勞動頻率和頻繁移動身體位置頻率等常規類屬性與可替代率正相關，若職業常規類屬性評分越高，則職業可替代風險越高。

為回答技能屬性種類越多的職業可替代風險是否越低，本文采用計數法、貢獻法與熵權法3種方法構造職業技能寬度，可得職業技能寬度與職業可替代率負相關，表明要求多種類型技能的職業比只要求單一技能的職業被人工智能技術取代的風險更低，技能種類越多則職業被替代的可能性越小，反映未來人工智能環境中人類從事的職業往往要求技能更具綜合性。

一些職業會因任務屬性相似而表現出組群特征，本文為比較不同職業組群的可替代風險差異，將任務屬性分類為思維、社交及常規能力，采用K均值聚類法將233個職業分為4個組群，參考2×2矩陣分類法，以常規能力強弱區分“程式化”和“非程式化”，以思維和社交能力強弱區分“認知交互”和“非認知交互”，從而可以將4個組群分別定義為程式化非認知交互型、非程式化非認知交互型、程式化認知交互型和非程式化認知交互型組群。可知，非程式化認知交互型組群可替代風險最低，程式化非認知交互型組群可替代風險最高。

人工智能技術職業替代的勞動選擇偏好

上述分析是從任務或職業角度即就業需求方進行分析，而職業替代問題也需要關注就業供給方即勞動者。由于不同特征勞動者所能勝任的職業類型存在差異，分析人工智能技術的職業替代是否存在勞動選擇偏好具有重要意義。為此，本文探究職業中勞動者性別、年齡與受教育特征和職業可替代率的關系。首先，職業內男性比例與職業可替代率的相關性不顯著，表明人工智能技術職業替代的性別偏好不明顯，但男性相對女性可替代風險略高。其次，年齡與可替代率顯著正相關，表明年齡越大的勞動者面臨越高替代風險。再次，受教育年限與可替代率顯著負相關，表明受教育年限越長的勞動者越不易被替代。綜合可知，人工智能技術的職業替代存在勞動選擇偏好，年齡越大、受教育年限越短的勞動者替代風險越高。

進一步拓展

本文進一步思考在中國情境中，人工智能技術的勞動替代是縮減勞動工時還是引發勞動崗位更替？行業智能化程度是否一定越高越好？

首先，通過匹配CLDS數據庫中2012年和2014年連續兩次追蹤的勞動個體，測算工時變化率和崗位是否發生更替，基于勞動個體數據檢驗人工智能技術對勞動工時變化和崗位更替的影響，回歸結果顯示人工智能技術更有助于縮減勞動工時，表明當前我國人工智能技術可通過人機協作方式替代勞動執行部分繁重、重復性高或危險性高的任務，降低工作強度并提高生產效率，但也可能替代部分工作崗位。其次，本文在考察可替代屬性的基礎上，結合行業勞動年齡結構、工作強度、勞動成本、要素密集度等多重視角，綜合評估行業智能化發展需求。通過量化并對比分析不同行業可智能化程度的影響因素可知，行業智能化程度選擇由多方面因素共同決定，不能僅從人工智能技術可替代視角判斷，在依據任務屬性評估人工智能技術可替代風險的基礎上，應結合行業勞動年齡結構、工作強度、勞動成本和要素密集度等多重因素，選擇適宜的行業智能化方向。

基本結論

本文研究表明：（1）人工智能技術會引發職業替代風險，中國19.05%的勞動就業面臨高替代風險。人工智能技術對職業的替代風險受制于任務屬性，其中思維類屬性對可替代風險影響最大，而職業技能寬度越大則可替代風險越低。（2）人工智能技術的職業可替代風險存在組群性，非程式化認知交互型職業組群可替代風險最低，而程式化非認知交互型職業組群可替代風險最高。（3）人工智能技術的職業替代具有勞動選擇偏好，年齡越大與受教育年限越短的勞動者可替代風險越高。（4）現階段中國人工智能技術應用會顯著縮減勞動工時進而降低勞動強度，也會使勞動者崗位發生更替。行業智能化程度的選擇不應僅考慮職業可替代屬性，還需考量行業勞動年齡結構、工作強度、勞動成本和要素稟賦等多重因素。

本文提出如下建議：第一，高校要依據人工智能技術對勞動力市場的影響，建立學科專業增設、改造與撤銷的動態調整機制，科學地增補智能科學與技術、機器人工程、智能制造工程等相關專業，而對于高替代風險的專業，要縮減其招生規模甚至實施撤銷機制。第二，勞動者應不斷更新自身知識儲備，提高自身創新、社交、組織協調與合作等綜合能力，通過掌握多元化技能擴大自身技能寬度，以規避人工智能技術沖擊。第三，政府一方面應積極推動社會保障體系的建設，給予失業者基本生活保障；另一方面，注重為失業者提供就業信息咨詢、崗位推薦與職業技能培訓服務，以及公益性崗位的兜底援助，最大限度地降低人工智能技術對勞動力市場的負面沖擊。