人工智能與高質量充分就業

關鍵發現

●從城市層面來看，人工智能發展對就業水平產生顯著正向影響，且這種積極影響主要集中在東部地區。

●人工智能發展對不同技能勞動者就業水平的影響具有異質性，對低技能勞動者存在一定的擠出效應。

●從就業質量來看，人工智能發展整體上提升了城市就業質量，并且對工資報酬、醫療保險和養老保險覆蓋率等分指標均具有積極影響，但對城鎮單位就業比例具有一定的負向影響。分區域來看，就業質量提升效應也同樣突出表現在東部地區。

●人工智能發展也使得不同技能勞動者就業質量產生分化，對高技能勞動者影響為正，但顯著降低了低技能勞動者就業質量。人工智能使得低技能勞動者發生教育—職業誤配的概率提升。

●分時間段來看，2011—2015年人工智能發展對就業數量的影響顯著為正，而2016—2019年人工智能發展對就業數量產生負向影響，2020—2022年為正向影響，但影響系數大幅度減小。長期來看，人工智能對就業數量的影響存在一定的不確定性。人工智能對就業質量的影響在觀察期內均顯著為正。

一、人工智能影響高質量充分就業的機制分析

（一）人工智能影響就業數量的機制分析

人工智能影響就業數量的機制可以歸納為就業替代機制、就業創造機制和生產率機制三種機制a，而其對就業數量的影響取決于三種效應的動態平衡（見圖1）。當替代效應大于其他兩個效應時，人工智能的廣泛應用會導致就業數量減少。當就業創造效應和生產率效應占主導地位時，人工智能技術的發展會增加就業數量。

第一，就業替代機制。人工智能不僅僅是自動化程度的延續，生成式人工智能的發展擴展了對腦力勞動的替代范圍。在人工智能具有相對優勢的崗位上，為了節省勞動力成本，提高生產效率，企業會使用人工智能替代勞動者。隨著人工智能的發展和應用，可被替代的勞動力范圍呈不斷擴大的趨勢，高技能勞動力也出現被替代的情況，從而減少企業對勞動力的需求，降低就業數量。

第二，就業創造機制。人工智能在替代勞動力的同時，也催生和創造出新業態和新的工作崗位，例如AI訓練師、提示詞工程師、微調工程師等。因此，在就業創造效應的作用下，人工智能會增加企業的勞動力需求，從而增加總體的就業數量。

第三，生產率機制。一方面，人工智能的應用通過顯著提高生產率來降低生產成本，引起相應產品價格降低，增加消費者對商品的需求，引起相關產業規模擴大，進而增加對勞動力的需求（AutorSalomons，2018）。另一方面，企業生產率的提高，有利于企業自主擴大生產規模、增加銷售額，從而增加勞動力需求。因此，在生產率機制下，人工智能會通過價格效應和規模效應增加企業對勞動力的需求，從而增加就業數量。

（二）人工智能影響就業質量的機制分析

從宏觀層面來看，人工智能通過提高生產效率和推動產業結構升級，從而改善整體就業質量。其一，人工智能技術應用有助于提升生產效率，企業能夠以較低的成本提供更高質量的產品和服務，從而促進市場擴張。這種擴張可能帶來新的就業機會，為員工提供更高的工資和福利，使得企業具備更多資源和更穩定的員工隊伍，從而提升就業質量。其二，人工智能發展能促進產業結構升級，推動產業從勞動密集型向技術和知識密集型轉變，提升了行業附加值，也增加了高技能、高收入就業崗位的比例。同時，產業升級也帶來崗位技能需求的變化，人工智能技術的應用使企業對員工的技能要求提升，這種技能升級促使勞動者通過培訓或教育提升技能，而人力資本的增值為其提供職業發展前景更好的就業環境，有助于提升勞動者的長期工作滿意度。因此，人工智能通過促進產業升級直接和間接地改善了勞動者就業質量。

從微觀視角看，人工智能對不同技能水平勞動者就業質量的影響具有異質性。人工智能與高技能勞動者通過“人機協作”提升高技能勞動者的勞動效率，促進就業質量提高（Cazzaniga et al.，2024）。人工智能的引入增強了高技能勞動者在數據分析、戰略決策等復雜任務方面的生產效率，通過技能互補的方式，進一步拓展了高技能勞動者執行任務的邊界，提高了生產效率和專業價值，使其職業角色向更高價值的方向轉變，從而有利于提升其就業質量。對于低技能勞動者，人工智能技術發展推動了工作任務的自動化，尤其是那些重復性高、規則明確的任務，如果沒有相應的技能培訓和轉崗安排，低技能工人則面臨失業風險或工作條件惡化的困境。因此，人工智能技術發展使得就業市場對勞動力技能的要求發生變化，高技能勞動者在就業市場中占據更有利的地位。整體而言，人工智能發展引致的就業技能結構轉型可能加劇不同技能水平勞動者就業質量的分化。

二、人工智能對就業數量的影響分析

本文將結合宏觀和微觀數據，分別從城市和個體兩個層面剖析人工智能對就業數量的影響。

（一）人工智能發展與就業水平：基于城市層面數據

在城市層面，利用《中國城市統計年鑒》、各地級市統計年鑒2011—2019年在崗職工平均人數和常住人口數據，計算就業人口占比，以衡量城市層面就業水平。使用各城市人工智能企業數量和常住人口數據，計算各城市人均人工智能企業數量，表征人工智能發展水平。首先對二者進行相關性分析，人工智能發展水平與就業水平之間呈現正相關關系，即人工智能發展水平越高，城市的就業水平也相對越高（見圖2）。

在相關性分析基礎上，我們進一步選取人均生產總值、公共支出占比、教育支出占比、產業結構、外資實際使用金額、人均郵電業務量作為控制變量，進行普通最小二乘回歸，考察人工智能對就業水平的影響（見圖3）。整體上，人工智能發展對就業水平具有顯著的積極影響，人工智能發展水平每提高一個單位，就業水平將提升0.271個單位，這表明人工智能的就業創造效應和生產率效應大于就業替代效應，整體上表現為對就業水平提升的促進效應。分區域來看，人工智能對東部地區和西部地區就業水平具有正向影響，且對東部地區的影響在10%的統計水平下顯著。人工智能技術發展創造的崗位需要更多高技能人才，從資源分布來看，東部地區的人力資本水平相對較高，能夠匹配人工智能發展對人才的需求，從而表現出人工智能的發展對東部地區就業水平提高的促進作用。

本文進一步采用人工智能專利授權數據a，并將其分為規劃與調度（Planning and Scheduling）、知識表示與推理（Knowledge Representation and Reasoning）、語言處理（Speech Processing）、預測性分析（Predictive Analysis）、分布式人工智能（Distributed AI）、自然語言處理（Natural Language Processing）、機器人學（Robotics）、計算機視覺（Computer Vision）和控制方法（Control Methods）。整體上，不同種類人工智能技術對就業數量均具有正向影響，但不顯著。

（二）人工智能發展與就業數量變化：基于微觀調查數據

本部分進一步使用微觀調查數據考察人工智能對勞動者就業水平的影響。微觀數據來源于2014—2020年中國家庭追蹤調查（CFPS）共計四輪調查數據。CFPS中包含受訪者所有工作收入、職業、行業、個體特征和家庭經濟特征等變量，為本研究提供了較好的數據支撐。人工智能發展水平仍然采用城市層面人工智能企業數量來衡量，并取對數處理。此外，勞動者就業水平按如下方法衡量：如果勞動者當前工作狀態為有工作，則就業水平為1，否則為0。控制變量包含個體、家庭和地區層面的變量，具體包括：勞動者年齡、性別、受教育程度、婚姻狀況、健康程度、城鄉、家庭人口規模、家庭凈資產（取對數處理）。地區層面控制變量包括經濟發展水平和產業結構，其中經濟發展水平用人均GDP表征（取對數處理），產業結構使用第三產業占地區生產總值的比重表示。此外，我們將勞動者按照受教育程度劃分為兩類，將大專及以上學歷勞動者界定為高技能勞動者，而將高中及以下學歷勞動者界定為低技能勞動者。

從全樣本來看，人工智能發展水平對就業水平的影響不顯著。分樣本來看，其對低技能勞動者的就業數量具有顯著的負向影響，對高技能勞動者就業數量的影響為正，但不顯著。這表明人工智能創造的崗位更多地偏向對高技能勞動者的需求，而在一定程度上替代了執行簡單重復任務的低技能勞動者，對其就業數量產生負向影響。

三、人工智能對就業質量的影響分析

本文結合宏觀和微觀數據，分別從城市和微觀個體兩個層面剖析人工智能對就業質量的影響。

（一）人工智能發展與就業質量變化：基于城市數據

首先，就業質量指標使用前文中城市就業質量的測度結果，人工智能發展水平指標采用城市人均人工智能企業數量進行測度。對二者進行相關性分析發現，人工智能發展水平與就業質量之間也呈現正相關關系（見圖4）。

控制變量包括人均生產總值、公共支出占比、教育支出占比、產業結構、外資實際使用金額、人均郵電業務量。進行普通最小二乘回歸發現，整體上，人工智能發展顯著提升了就業質量水平。分區域來看，人工智能發展顯著提升了東部地區和西部地區就業質量。相較于中部地區，東部地區高技能勞動力占比相對較高，勞動者能夠更好地適應人工智能發展帶來的變化與挑戰，與人工智能發展匹配度高，從而提升了地區勞動生產率和就業質量水平。對西部地區而言，人工智能技術發展帶來了傳統行業的改造升級，對于改善勞動條件、提升工作滿意度等有更顯著的積極影響，因此對西部地區就業質量提升作用顯著。

分維度來看，人工智能對職工工資報酬和養老保險覆蓋率、醫療保險覆蓋率提升均具有顯著的促進作用，但對城鎮單位就業比例具有負向影響。分區域來看，人工智能顯著提升了東部地區和中部地區的工資報酬水平，對中西部地區的城鎮單位就業比例具有顯著的負向作用。從勞動保障水平來看，人工智能對東部地區和西部地區養老保險覆蓋率的正向影響顯著，對東部地區醫療保險覆蓋率具有顯著正向作用。綜合分析發現，人工智能對工資報酬、就業環境和勞動保障的正向作用主要集中在東部地區。

不同人工智能技術整體上對就業質量有顯著正向影響。其中，機器人技術對就業質量的正向影響最大。這可能是由于機器人技術有較為廣泛的應用場景。例如在醫療領域，智能機器人可以協助醫生進行手術操作，減少手術風險和提高手術精確度；在工業領域，智能機器人可以在一些危險或惡劣的環境中代替人類完成任務，降低了人員傷害風險，改善勞動者的工作條件。

（二）人工智能發展與就業質量變化：基于微觀調查數據

進一步采用微觀調查數據考察人工智能對勞動者就業質量的影響發現，結果與上文一致。微觀數據來源于2014—2020年中國家庭追蹤調查（CFPS）共計四輪調查數據。從全樣本的結果來看，人工智能對勞動者就業質量影響不顯著。分樣本的結果顯示，人工智能對高技能勞動者就業質量具有正向影響，而對低技能勞動者就業質量具有顯著的負向影響，且在10%的統計水平下顯著，這是由于人工智能對于低技能勞動者存在替代效應，導致低技能勞動者被迫轉崗，進入到門檻更低的次級勞動力市場中，對其工資收入、勞動保障水平和工作滿意度等方面產生負向影響。對高技能勞動者而言，人工智能創造新的崗位和任務，一方面增加了對高技能勞動者的需求，另一方面與高技能勞動者形成互補，提高了其工作效率，拓展了高技能勞動者執行任務的邊界，從而對其就業質量產生正向影響。

基于基準回歸分析，進一步從微觀視角探討人工智能對不同技能水平勞動者就業質量影響的機制，考察人工智能是否對不同技能勞動者的教育—職業匹配度產生影響，從而使得兩個群體的就業質量產生差異。研究發現，人工智能對高技能勞動者的教育—職業匹配度沒有顯著影響；但對于低技能勞動者而言，人工智能發展顯著提升低技能勞動者的教育—職業過度匹配概率，從而降低了勞動者人力資本利用率，使勞動者容易對職業發展前景產生負面評價，進而對其就業質量產生負面影響。

四、人工智能對高質量充分就業動態影響分析

前文分別分析了人工智能對就業數量和就業質量的影響，本節將分析人工智能對高質量充分就業的影響。根據前文對高質量充分就業內涵的界定，它既包含就業的高質量要求，又包含就業的充分性要求，這兩個目標在經濟周期運行的不同階段，將會有不同的權重和優先序。在經濟處于下行階段時，擴大就業容量成為宏觀調控的優先目標，在該階段人工智能的應用應重點關注提升生產效率和創造新就業機會。人工智能技術可通過智能化生產流程，提升生產效率并降低生產成本，進而擴大生產規模，創造更多的就業機會。此外，人工智能技術的發展也往往伴隨著新興產業和崗位的出現，需要對勞動者進行技能培訓，使被人工智能替代的勞動者能夠轉型到新崗位和新職業，進而增加就業總量。在經濟處于上升階段時，在實現充分就業目標的基礎上也需兼顧提升就業質量，改善勞動者工作環境、提升薪酬待遇、優化職業發展前景等。在該階段，政府應引導人工智能技術朝著提升就業質量的方向發展。一方面，機器人技術的廣泛和深入應用，可以降低勞動強度、改善工作環境。例如在制造業中，智能機器人可以承擔危險、繁重和惡劣環境下的工作，從而改善勞動者工作環境。另一方面，人工智能技術發展創造了更多高附加值職業，例如大語言模型等的發展和應用，可以通過人機協作大幅提升生產效率，使得勞動者更專注地從事創造性強、附加值高的工作，從而提升就業質量。

本文將利用城市層面數據進一步分時間段進行計量分析a，結果如圖5所示。從長期來看，人工智能對就業水平的正向影響減小，對就業質量的正向影響也呈現逐漸遞減的趨勢。分階段來看，2011—2015年人工智能對就業水平的正向作用在5%的水平下顯著，2016—2019年人工智能對就業水平的影響為負，但不顯著，2020—2022年人工智能對就業水平的影響為正，但系數相較于2011—2015年大幅度減小。從就業質量來看，人工智能對就業質量均具有顯著的正向影響，但這種影響呈現遞減的趨勢。綜上，隨著人工智能的發展，未來其對就業數量的影響存在一定的不確定性。同時，結合上文的分析結果來看，人工智能主要擠出了低技能勞動者，對其就業產生負面作用。因此，從發展趨勢來看，需要重點關注低技能勞動者群體，加強職業培訓，為其提供技能提升的機會，同時引導人工智能技術在多個行業中的應用，創造新的就業機會，特別是需要勞動力參與操作、維護和支持AI技術的崗位。

綜上，人工智能對高質量充分就業的影響在不同經濟發展階段的側重點有所不同。在經濟發展下行階段，需要對勞動者進行技能培訓，尤其是被人工智能替代的低技能勞動者，使其能夠轉型到新崗位和新職業，從而實現穩就業的目標。在經濟發展增長階段，人工智能技術發展的重點則聚焦在提升就業質量上，通過改善工作條件和創造高附加值的職業來實現高質量就業。在不同經濟發展階段，政策制定者需要因地制宜地制定相應的政策和措施，以充分挖掘人工智能技術的潛力，推動實現高質量充分就業。

（本文節選自《人工智能背景下的高質量充分就業》，王春超等著，中國發展出版社2024年11月第1版，內容略有刪減）

a 三種機制也分別叫就業替代效應、就業創造效應和生產率效應。

a 人工智能專利數據來自incoPat。WIPO（2019）的分類方法將人工智能分為9類，但由于語言處理專利更多是從2018年之后開始出現，與本書的研究范圍重疊較少，因此本節僅分析其余8類人工智能技術產生的影響。

a 本節進一步加入2020—2022年數據，并將樣本分為三個時間段，分別是2011—2015年、2016—2019年、2020—2022年。