生成式人工智能的就業效應與應對策略

［摘"要］"文章探討了數字經濟時代生成式人工智能相較于傳統人工智能在推動經濟變革和就業形態轉型中的獨特作用，梳理了兩者在影響勞動力就業方式和勞動力市場結構上的不同機制。基于馬克思主義的生產力與生產關系理論，構建了“新質生產力-新型生產關系-高質量就業”的理論分析框架，深入分析了生成式人工智能從就業總量、結構、質量及形態四個維度對就業的深遠影響。此外，識別了生成式人工智能在大規模應用中的潛在就業風險，涵蓋技能失匹配與勞動力淘汰、勞動過程中的監控與隱私泄露，以及社會不公平與數字鴻溝加劇等問題。為應對這些挑戰，文章提出了政策建議，以期實現生成式人工智能與勞動力市場的協同發展，推動高質量就業的實現。

［關鍵詞］生成式人工智能；就業；高質量發展

［中圖分類號］""F2492；F49"［文獻標識碼］""A"［文章編號］"1673-0461（2025）04-0073-15

一、引言

在數字經濟時代，生成式人工智能（Generative"Artificial"Intelligence，GAI）作為一項創新性技術正迅速崛起，已成為我國產業改造升級的重要舉措和選擇因素。GAI采用神經網絡和機器學習算法生成文本和代碼，模仿人類創造力。在翻譯、分類、創意寫作和代碼生成等各種應用中，GAI表現出色，甚至能夠自動化完成需要人類決策和創造力的任務。然而，與傳統人工智能（Traditional"Artificial"Intelligence，TAI）相比，GAI在功能和應用上存在一定差異。它為各行業提高生產效率、提升競爭力創造了有利條件，同時也帶來了生產力和生產方式的變革，對我國就業環境產生了廣泛和深遠的影響，其對就業所帶來的沖擊一度成為社會熱議的話題。人們關心的問題包括：GAI是否會導致大面積失業，能否創造足夠多的新職業來彌補潛在的損失，以及勞動力如何適應這種快速變化的技術環境。這些問題不僅關系到就業市場的穩定，也影響著社會經濟的整體健康發展。

在2024年5月27日中共中央政治局第十四次集體學習中，習近平總書記強調，“促進高質量充分就業，是新時代新征程就業工作的新定位、新使命”。“要堅持以人民為中心的發展思想，全面貫徹勞動者自主就業、市場調節就業、政府促進就業和鼓勵創業的方針，持續促進就業質的有效提升和量的合理增長，不斷增強廣大勞動者的獲得感幸福感安全感，為以中國式現代化全面推進強國建設、民族復興偉業提供有力支撐。”①黨的二十大報告指出，我國應“實施就業優先戰略”，“就業是最基本的民生”，“強化就業優先政策，健全就業促進機制，促進高質量充分就業”②。該戰略的提出既植根于深刻的經濟社會發展背景，也是應對我國嚴峻就業形勢的緊迫需求。目前，我國面臨老齡化和少子化的人口困境，結構性就業矛盾不斷凸顯。在這一背景下，GAI技術的出現是否能緩解上述問題，促進高質量就業，日益成為學界關注的重要話題。

本文將從多個關鍵角度展開深入研究，探討GAI對勞動力就業的潛在影響。首先，本文將關注就業數量，分析GAI技術對傳統勞動力市場的沖擊，探討GAI是否會導致就業數量的減少或增加。其次，本文將研究就業結構的變化，探討GAI對各行業和職業的影響，以及可能出現的新的就業領域和職位。再次，本文將重點關注就業質量，分析GAI對勞動者技能需求的變化，以及可能帶來的職業轉型和技能培訓需求。最后，本文將分析GAI對就業形態的影響，分析GAI的“平臺化”效應和“協作化”效應。通過深入研究這四個關鍵角度，本文能夠更全面地了解GAI對勞動力就業所帶來的挑戰和機遇，為未來勞動市場的發展提供重要參考和建議。在上述基礎上，本文進一步探究了GAI對勞動力就業可能產生的風險。

本文的創新之處在于：第一，使用馬克思生產力和生產關系的理論構建了“新質生產力—新型生產關系—高質量就業”的理論分析框架，從就業總量、就業結構、就業質量和就業形態四個角度分析了GAI的就業效應。第二，對比了GAI與TAI對就業的不同影響。第三，闡述了GAI對勞動力就業產生的風險，為合理應對GAI對就業的沖擊形成了合理的應對策略。

二、文獻綜述

研究表明，人工智能對就業的影響將更廣泛、更強烈，且持續時間更長。技術進步對就業既有強大的替代效應，也有多種補償效應［1］。一方面，技術進步提高了勞動生產率，可能導致部分勞動力被替代，減少就業機會。另一方面，技術進步也可能提升就業崗位需求，例如通過擴大生產規模擴大崗位需求。然而，對于哪種效應占主導地位，經濟學家尚未達成一致意見。歷史數據顯示，雖然失業率會隨著周期變化，但技術進步并未造成大規模失業。人工智能具有前所未有的替代速度和規模，可能對許多職業產生沖擊。現有文獻在就業總量、就業結構和就業質量方面取得了豐富的研究成果。

關于人工智能對就業總量的影響。一方面，部分學者認為人工智能技術的廣泛應用可能增加失業風險，因為它可以代替許多工作任務［2］。例如，FREY和OSBORNE（2017）［3］發現美國大約47%的崗位面臨高自動化風險。另一方面，人工智能應用也可能增加勞動力就業總量。盡管在一些任務上替代了勞動力，但同時也創造了更多的就業機會，總體上促進了勞動力需求的增加［4］。具體來說，人工智能應用通過降低生產成本促進非自動化任務勞動力需求增加，這體現為人工智能的生產率效應。此外，人工智能還會創造出勞動力具有比較優勢或與智能機器互補的新工作任務，增加勞動力需求，這被稱為補償效應或恢復效應［5］。也有研究認為人工智能應用對勞動力就業總量沒有明顯影響，消極的替代效應和積極的創造效應共同作用下導致就業總量變化不明顯［6］。實證研究也發現，基于多個國家的數據，人工智能對就業總量的影響并不顯著［7-8］。

關于人工智能對就業結構的影響。人工智能應用與勞動力就業總量的關系仍存在爭議，但可以明確的是人工智能應用對勞動力就業結構的沖擊要遠遠大于對就業總量的沖擊［9］。①就業兩極分化。就業兩極分化是一種現象，表現為相對于低技能和高技能勞動力需求，中等技能勞動力需求下降。這種趨勢部分歸因于技術進步，導致常規任務自動化，從而減少了中等技能勞動力的需求。研究表明，工業機器人等智能設備的應用擴大了這種趨勢，影響企業的自動化決策與崗位的職業培訓要求和任務復雜度，進而影響了勞動力就業結構［10-11］。②就業單向極化。部分研究認為，人工智能應用可能導致技能偏向型技術進步，即相對于非技能勞動力，提高了對技能勞動力的需求，表現為就業結構的單向極化趨勢。這種趨勢可能導致中低技能勞動力需求減少，而高技能勞動力需求增加。然而，也有研究指出，人工智能技術的進步可能導致生產過程的“去技能化”，使得低技能勞動力與人工智能系統協作，從而增加對低技能勞動力的需求，減少對中高技能勞動力的需求［12］。③就業反向極化。一些研究指出，雖然中等技能職業表面上可能最容易被人工智能取代，但實際上它們也可能是與人工智能協同工作的職業之一，因此人工智能應用可能與中等技能勞動力之間存在一定程度的互補性，導致勞動力就業結構呈現反向極化趨勢。一些研究發現，人工智能投入數量的增加顯著促進了中等技能勞動力的就業，相比之下，高技能勞動力的就業需求增幅較小，低技能勞動力的就業需求則顯著下降［13］。

關于人工智能對就業質量的影響。隨著勞動力市場的演變，勞動力就業質量也隨之發生變化。人工智能的應用提升了勞動者的報酬水平和休息時間，同時改善了勞動環境，從而提高了就業質量。①勞動力工資影響。理論和實證研究表明，人工智能應用對勞動力工資具有復雜的影響機制。一方面，替代效應可能導致工資下降，但另一方面，生產率效應可能提升工資水平。此外，人工智能應用還可能影響技能和性別工資差距［14］。②工作穩定性影響。對于人工智能應用對工作穩定性的影響，現有研究尚不一致。一些研究發現人工智能應用能提高工作穩定性［15］，但也有研究指出人工智能可能導致工作頻繁變動［16］。③工作強度影響。關于人工智能應用對工作強度的影響，研究結果不一。一些研究認為人工智能應用有助于降低工作強度，但也有研究指出可能導致工作強度增加［17］。④職業安全與健康影響。人工智能應用對職業安全與健康具有雙重影響，一方面，它可以提升職業安全與健康水平，但另一方面也可能增加職業傷害風險［18］。

上述研究主要集中于TAI對就業的影響，關于GAI的研究正在逐漸增加。①GAI對就業總量的影響。YU和QI（2024）［19］調查了美國最大的100家上市公司，研究發現GAI不僅未減少就業，反而提高了勞動生產率。ELOUNDOU"等（2023）［20］

研究進一步指出，GAI有可能至少影響美國約80％工作任務中的10％，這表明GAI的應用范圍廣泛，但并不意味著會導致大規模失業，而是提升了部分工作的效率。HUI等（2023）［21］的研究發現，GAI對高薪、高學歷的知識工作者影響顯著，許多涉及決策、協作和專業知識運用的工作被GAI替代，這種替代效應可能會重新分配這些工作者的任務，而不是減少他們的就業總量。②GAI對就業結構的影響。CHEN等（2023）［22］研究發現，當前勞動力市場中約28%的職業需要ChatGPT相關技能，未來有望增至45%，這表明GAI技術的發展正在重塑勞動力市場結構，推動人機合作的趨勢。ZARIFHONARVAR（2024）［23］的研究指出，328%的職業可能完全受到ChatGPT的影響，365%可能部分受到影響，而307%的職業可能不受影響，這表明GAI對不同職業的影響存在顯著差異。YILMAZ等（2023）［24］的研究表明，基于神經網絡的翻譯技術對人工翻譯產生了替代效應，顯示出GAI技術對特定職業的顯著影響。③GAI對就業質量的影響。LIU等（2023）［25］研究發現，受ChatGPT直接影響的兼職和自由職業者的交易量顯著減少，但那些能夠靈活運用新技術并與ChatGPT互補的自由職業者卻從中受益，這表明具備技術適應能力的勞動者在GAI環境下能夠提升其就業質量。HUSEYNOV（2023）［26］調查了GAI對美國學生未來收入預期的影響，發現學生在了解到GAI可能帶來的負面影響后，會降低對未來收入的信心，尤其是非STEM專業和非男性學生，這反映了GAI對就業質量的潛在負面影響。GMYREK等（2023）［27］研究發現，不同收入組別國家的潛在就業影響差異顯著，低收入國家僅04%的就業可能面臨自動化影響，而高收入國家則為55%；性別影響也明顯，女性受自動化影響的比例是男性的兩倍以上，顯示出GAI對就業質量的影響在不同國家和性別群體中存在顯著差異。

政府應采取積極政策管理"GAI"對就業的影響，關注工作質量，確保公平過渡，并通過政策和法規進行管理，具體建議包括制定職業培訓計劃、提供再就業支持，及改進社會保障體系。在特定國家的政策研究中，加拿大通過改進工作分離和失業數據，以識別勞動力市場沖擊的早期指標，并激勵教育項目適應"AI"工具的學習需求，準備未來的工作［28］。澳大利亞建議教育政策與"GAI"應用對齊，避免不適當使用帶來的風險［29］。OECD"的研究指出，GAI"在教育、娛樂、醫療和科研等多個部門有變革潛力，但也帶來了勞動力市場轉變、版權不確定性，及社會偏見和虛假信息等問題。政府需采取措施應對這些挑戰，促進GAI負責任和透明使用［30］。

三、TAI與GAI的對比

（一）TAI與GAI定義及特征

1TAI與GAI的定義

TAI是一種基于事先定義的規則和邏輯的技術，旨在實現特定任務的自動化。它通常依賴于預先設定的規則和算法，執行既定的任務。TAI方法著重于通過手動設置實現特定領域內任務的自動化，例如機器人技術、自動控制系統和專家系統等。

GAI則是數字經濟時代一種基于大規模數據和深度學習模型的方法，其核心特征在于通過對大量文本或其他類型數據的預訓練，使模型具備理解、生成和優化語言表達的能力。GAI強調通過深度學習模型和數據驅動的方式實現對語言的理解和生成，使模型能夠生成具有一定創造性和邏輯性的文本或其他內容。代表性的GAI模型包括GPT（Generative"Pretrained"Transformer）系列。

GAI的基本原理涉及數據層、算力層、模型層和商業化應用層四個關鍵層次。在數據層，GAI依賴龐大的數據集進行模型訓練，這些數據集包含各種類型的信息，如文本、圖像和音頻等。通過對這些數據的深度學習，模型得以理解并模擬數據中的模式和特征，生成符合特定模式的新數據。在算力層，GAI需要充足的計算資源來支撐模型的訓練和部署。通常情況下，這需要在高性能的計算平臺上進行，如GPU、TPU等。這些平臺能夠加速模型的訓練過程，提高模型的性能，從而使得GAI能夠更加高效地生成數據。在模型層，GAI采用多種深度學習模型來實現數據的生成和創造。其中，Transformer模型作為一種基于自注意力機制的模型，具有較強的表征能力。該模型通過自注意力機制能夠更好地捕捉輸入序列中的長距離依賴關系，從而在生成文本、圖像等方面取得了顯著的成效。在商業化應用層，GAI被廣泛應用于多個領域，如自然語言處理、計算機視覺、音頻處理等。在自然語言處理領域，GAI可用于文本生成、對話系統等應用；在計算機視覺領域，可用于圖像生成、圖像修復等任務。這些應用為商業和社會帶來了豐富的價值和便利，推動了人工智能技術的發展和應用。

2TAI與GAI的特征

TAI基于符號推理系統，試圖通過嚴格的邏輯和規則來解決問題。這種方法的核心在于人工設計和編碼規則，將問題分解為邏輯步驟并進行符號推理。然而，TAI在面對復雜、不確定或大規模數據時存在困難。這是因為人工設計的規則和特征可能無法涵蓋所有情況，導致泛化能力受限。此外，依賴于人類編程的過程也限制了TAI的發展速度和適應能力。因此，盡管TAI在某些特定領域取得了一定成就，但它在處理現實世界的復雜問題時往往表現不佳，因為現實世界的問題通常具有高度的不確定性和復雜性。

GAI則是一種基于數據驅動的新范式，通過機器學習和深度學習技術來解決問題。GAI不再依賴于人工設計和編碼規則，而是通過大規模數據的學習來自動學習數據的特征和規律。這種數據驅動的方法使得GAI具有更強大的泛化能力，能夠更好地適應新的環境和任務。

此外，生成式方法通常采用端到端的學習方式，直接從原始輸入到輸出進行學習，無需人工介入。這使得GAI能夠自動地從數據中提取特征，減輕了人工智能開發者的工作負擔，加速了模型的訓練和部署過程。TAI與GAI的特征對比如表1，總的來說，GAI代表了人工智能領域的一次重大進步，為解決復雜問題提供了更有效的方法。

（二）TAI與GAI對就業的影響

TAI主要側重于特定任務的自動化，涉及機器人技術、自動控制系統和專家系統等領域。TAI的應用通常導致勞動力的替代，特別是那些重復性高、機械性強的勞動崗位。然而，TAI的興起也創造了一些新的崗位，尤其是在維護和管理人工智能系統方面。例如，機器人維護工程師、系統管理員等新興職業隨著TAI技術的應用而逐漸興起，這些崗位對于維護和管理人工智能系統起著重要作用。

與TAI不同，GAI強調通過大規模數據和深度學習模型實現對語言的理解和生成（TAI與GAI對就業的影響如表2）。GAI的應用更多地側重于知識型、創造性強的任務，例如數據分析、算法開發等。雖然GAI的發展可能導致一些傳統崗位的替代，如在線翻譯和基礎的編程工作，但同時也為許多新的高技能、高智力水平的崗位創造了機會。例如，智能算法工程師、數據科學家等新興職業的需求不斷增加，為勞動力市場提供了更多發展機會。

處理各種下游任務。因此，與TAI相比，GAI對現有工作的影響（無論是替代還是補充）可能更加廣泛。

其次，由于其能夠解決超出其原始設計參數的任務，GAI具有被吸收到各種應用程序中的潛力，例如API和搜索引擎，從而基于單一模型不斷產生新的就業機會，這在歷史上是前所未有的［31］。

再次，由于其用戶友好和實用的屬性，基于LLM的GAI需要消費者的預先掌握的知識較少，這表明它具備在普通大眾中被廣泛采用的潛力，這將顯著改變勞動力市場的動態需求［32］。

最后，相比TAI，GAI表現出更強的人機協作能力。TAI主要在自動化流程中發揮作用，而GAI則能夠輔助人類進行更復雜和創造性的任務。比如，AI輔助設計、AI生成音樂和藝術創作等，激發和提升了人類工作的創意和效率，這意味著勞動力市場需要更多具備協作能力和跨學科技能的人才。

GAI能夠幫助被TAI替代的低技能勞動力重新就業。

首先，學習成本降低。相比TAI，GAI的使用和學習門檻更低。TAI通常需要復雜的編程和專業知識，因此對于低技能勞動力而言，重新學習和適應可能是一項巨大的挑戰。而GAI的出現使得這些人能夠更容易學習和使用新技術，無需深入的編程技能或專業背景。通過簡單的培訓和學習，他們可以快速掌握使用GAI工具所需的技能，從而提高他們在勞動力市場上的競爭力。

其次，人機協作能力。GAI可以與人類勞動者協同工作，提升勞動生產率。與TAI相比，GAI更注重創造性和人性化的交互，能夠與人類更自然地合作。低技能勞動力可以通過與GAI系統共同完成任務，利用GAI的智能化和創造性特點，提高工作效率和質量。這種人機協作不僅可以提升勞動生產率，也能夠為低技能勞動力提供更多發展機會和職業選擇。

TAI和GAI在促進就業方面相互作用。TAI的替代作用可能會推動勞動力向更高端、更高技能的領域轉移，同時為新型智能系統的維護和管理創造新的就業機會。GAI的興起為需要大量數據分析和深度學習技術的領域提供了更多就業機會，同時也推動了傳統行業的數字化轉型和智能化發展，為勞動力市場的結構性優化提供了新的動力。

四、理論分析框架

馬克思主義的生產力與生產關系理論為我們理解GAI對就業的深遠影響提供了關鍵視角。在這一理論框架下，生產力和生產關系的互動直接影響到社會經濟結構的變遷，特別是在勞動分工、權力結構，以及就業形態等方面。2024年1月31日在中共中央政治局第十一次集體學習時，習近平總書記強調：“生產關系必須與生產力發展要求相適應。發展新質生產力，必須進一步全面深化改革，形成與之相適應的新型生產關系。”③習近平總書記的重要論述為加快發展新質生產力指明了清晰方向，即要通過全面深化改革，持續調整和優化生產關系。對這一方針的理解，需要立足于馬克思主義關于生產力和生產關系的基本理論，并結合我國當前經濟發展的實際情況來把握其深刻內涵。本文在此基礎上提出“新質生產力—新型生產關系—高質量就業”的遞進分析框架，以此深入探討GAI在社會經濟中的作用和影響（如圖1）。

（一）GAI催生新質生產力的形成

數字經濟時代，GAI的崛起標志著一種全新質生產力的形成，具體表現在勞動者、勞動資料和勞動對象三個關鍵要素上。與TAI不同，GAI通過大規模數據和深度學習技術，使生產力的各個方面發生了質的轉變。

型開發等高科技領域。這種轉變不僅提升了勞動者的生產能力，還推動了他們從事更具創造性和智力性挑戰的工作。

其次，勞動資料從傳統的物理工具和設備轉變為以數據、算法和模型為核心的新型勞動資料。數據成為生產的關鍵要素，GAI通過對海量數據的處理和分析，生成具有創新性和價值的信息。這種“數據驅動”的生產模式，使得生產過程更加靈活和智能化，能夠應對多變的市場需求和復雜的生產環境。

最后，勞動對象也從單一、靜態的任務轉變為更加多樣和動態的任務。GAI不僅能夠執行具體的任務，還能生成新的內容、解決復雜問題，勞動對象的范圍極大擴展。這使得GAI可以應用于內容創作、創新設計和復雜數據處理等高層次任務中，突破了傳統勞動對象的局限性。

（二）勞動者、勞動資料和勞動對象的優化升級構建新型生產關系

新質生產力的發展對傳統生產關系提出了挑戰，要求在生產、分配、交換和消費四個環節中構建與其相適應的新型生產關系。

1生產環節：勞動者角色轉型與勞動資料智能化升級

在生產環節中，新質生產力推動了勞動者角色的轉型，傳統體力勞動逐漸向腦力勞動轉變。知識型、技能型和創新型勞動者成為生產力提升的關鍵。然而，現有教育體制和職業培訓模式尚未完全適應這一轉變，導致高素質勞動者的短缺。因此，教育體制和職業培訓模式需要進行全面改革，以培養更多符合新質生產力要求的人才。與此同時，勞動資料也經歷了智能化的升級。算法、云計算和大數據等新型技術工具逐漸取代傳統的機械和設備，成為現代生產的重要資料。這一轉變要求企業在生產環節中優化技術架構，提升勞動資料的應用效率，并加強對新型基礎設施建設的投入，以支撐智能化生產的快速發展。

2分配環節：勞動對象的多樣化與分配機制創新

在分配環節中，新質生產力拓寬了勞動對象的內涵，使得勞動對象的選擇和處理方式愈加多樣。隨著科技進步的不斷深入，生產對象不僅限于傳統資源，還包括基因編輯、量子技術等新領域。這一變化要求我們重新審視勞動對象的價值，推動分配機制的創新。具體而言，數據作為新型勞動對象的核心，正逐漸成為價值創造的重要來源。通過合理的數據產權和利益分配機制，確保各方在數據使用中的公平和合理，從而實現生產力提升與社會財富共享的雙贏局面。同時，這也呼喚建立靈活的分配機制，以適應新型勞動對象所帶來的價值多元化。

3交換環節：平臺經濟與靈活就業的保障

在交換環節中，平臺經濟的興起促使勞動者與企業之間的關系發生了深刻變化。傳統的雇傭關系逐漸被靈活的合作模式所取代，勞動者在多個平臺之間流動，形成松散的合作關系。這種靈活性雖然增強了市場活力，但也給勞動者帶來了保障和福利不足的問題。因此，新的生產關系應當在交換環節建立更加公正的規則，以保障勞動者的權益，維護市場公平。通過完善平臺經濟下的法律法規和社會保障體系，確保勞動者在新的合作模式中獲得合理的回報和保障，從而推動社會整體的穩定和發展。

4消費環節：推動綠色消費與可持續發展

在消費環節，新質生產力的發展不僅推動了產品和服務的多樣化，還改善了民生福祉。數字經濟的崛起使得消費者能夠享受到更多數字紅利，但也帶來了消費模式的轉變，消費者越來越注重產品的質量和可持續性。新型生產關系需要以提升民生福祉和可持續發展為導向，在消費環節加強產品質量的監管和資源消耗的控制。通過建立綠色消費機制和推廣可持續發展的理念，推動社會消費模式向更加環保、節能的方向轉變，確保經濟發展的同時，實現對生態環境的保護。

（三）勞動力市場結構的重塑與升級鑄就高質量就業

GAI推動了勞動力市場的深刻變革，特別是在就業結構、勞動技能需求、就業形態和社會保障方面。

首先，GAI通過提升生產效率和降低運營成本，優化了就業結構。GAI的廣泛應用使得許多重復性、機械化的低技能崗位被智能化替代，但同時也催生了對高技能崗位的需求，如智能算法工程師、數據科學家和AI產品經理等。勞動力從傳統的勞動密集型行業逐步轉向科技密集型行業，帶來了就業結構的優化和升級，企業能夠在更低成本下實現更高效的生產。

其次，GAI推動了勞動技能的升級。雖然GAI替代了一些基礎性的崗位，但也促進了勞動者技能的提升。特別是與GAI相關的崗位，如算法設計、模型優化和AI系統維護等，需要更高的專業技能和跨學科能力。這種技能升級不僅使得勞動者具備更強的市場競爭力，也推動了整個勞動力市場的升級，使更多勞動者能夠從事高附加值的工作。

最后，GAI為社會提供了更多元化的就業機會，推動了就業形態的多樣化。GAI在多個領域的應用，如AI輔助設計、內容生成和數據分析等，催生了大量新的職業形式和靈活的就業模式。自雇、遠程工作和項目制工作等新型工作方式逐漸成為主流，為勞動者提供了更多的職業選擇空間。此外，GAI的創新性還促進了社會保障制度的調整和優化，隨著新的就業形式出現，社會保障體系也需要更加靈活和包容，以適應新的就業需求和市場環境的變化。

綜上所述，GAI通過改變生產力、重塑生產關系，推動了高質量就業的實現。這一遞進分析框架為理解GAI在經濟和社會中的作用提供了系統的理論支持，也揭示了其在未來社會中的深遠影響。

五、GAI對就業的影響機理

（一）GAI對就業數量的影響

根據麥肯錫報告，2019—2022年，美國勞動力市場出現860萬次職業變動，比前三年增加了50%。主要變動包括勞動力離開餐飲服務、面對面銷售和白領等行業，選擇從事其他職業。然而，GAI更可能增強創意、商業和法律等專業人士的工作方式，而非直接淘汰工作崗位。辦公室支持、客戶服務和餐飲服務的就業可能持續下降，到2030年，可能需要進行1"200萬次職業轉換。隨著人們離開萎縮的職業，經濟可能會重新聚焦于高薪工作，低薪員工轉換工作的可能性比高薪員工高14倍，而且大多數人需要額外技能才能成功轉行，女性需要轉行的可能性比男性高15倍④。

1GAI對就業的替代效應

GAI的替代效應指的是GAI技術在執行某些任務時，取代了原本由人類勞動者完成的工作，從而導致相應崗位需求減少或消失的現象。這種替代效應不僅體現在低技能崗位上，也影響了知識型和創造性工作崗位，進而對整個勞動力市場產生深遠影響。例如，GAI在內容創作、數據分析和程序代碼生成等領域展現出了強大的能力，能夠生成高質量的文本、圖像和視頻內容，快速處理和分析大規模數據，甚至生成代碼并進行調試。這些應用不僅提高了工作效率，也替代了部分傳統內容創作者、數據分析師和初級程序員的工作。

下文將從緩解勞動力短缺、降低生產成本、提高生產力和加劇失業風險四個角度，對GAI替代效應的影響機理進行詳細闡述，以期深入理解其對就業的影響。

（1）緩解勞動力短缺。隨著人口老齡化和生育率下降的趨勢加劇，GAI作為新質生產力的代表發揮了重要作用，部分緩解了勞動力短缺的壓力。這種替代效應在重復性高、機械性強的工作崗位上尤其顯著，例如GAI技術的應用使得一些生產線上的簡單裝配工作或基礎數據處理工作可以被自動化替代，從而減少了對勞動力的需求。這種技術替代不僅提高了生產效率，也為勞動力市場帶來了新的結構性調整，促進了勞動力資源的優化配置。

（2）降低生產成本。GAI技術的廣泛應用不僅改善了生產效率，還降低了企業的生產成本，進而減少了對勞動力的需求。這種降低成本的效應主要來自自動化機器人和智能制造系統的運用，它們能夠取代傳統的人工勞動力，從而降低了生產過程中的人工成本，提高了生產效率。通過降低成本，企業可以更加靈活地進行資源配置，進而提升競爭力，推動經濟的可持續發展。

（3）提高生產力。GAI的應用極大地提高了生產力，即在同等或更高產出的情況下減少了勞動力投入。這一效應體現在生產流程的優化和資源的智能配置上。例如，智能制造系統可以通過實時監測和優化生產流程，合理配置資源，從而提高生產效率，實現更高水平的產出。這種提高生產力的趨勢不僅促進了經濟的增長，也為社會創造了更多的就業機會和價值。

（4）加劇失業風險。GAI的廣泛應用在提升生產效率的同時，也加劇了失業風險，尤其是對低技能和部分知識型工作的影響尤為明顯。隨著技術的不斷進步，許多傳統崗位正被GAI取代，導致大量勞動者面臨失業或轉崗的風險。低技能崗位，如數據輸入和簡單文檔處理，已經顯著減少，預計到2030年，低薪勞動者的工作崗位將減少近110萬個。此外，GAI在內容創作和數據分析等領域的能力增強，也使得一些知識型崗位受到威脅，進一步加劇了勞動力市場的不平衡和收入差距。為應對這一挑戰，必須通過加強職業培訓、促進就業服務和完善社會保障體系，幫助勞動者適應新技術，實現經濟的可持續發展與社會的和諧穩定。

2GAI的就業創造效應

GAI的就業創造效應指的是GAI技術通過其應用和發展，創造出新的工作崗位和職業類別，從而對勞動力市場產生積極影響的現象，這種效應不僅涉及高技能和高智力水平的崗位，還涵蓋了跨學科的協作型工作。《中華人民共和國職業分類大典（2022年版）》新增了97個數字職業，占新增總數的61%，多數職業直接或間接體現了生成式人工智能技術的廣泛應用。這些職業如數字化解決方案設計師、數據安全工程技術人員、數字孿生應用技術員、商務數據分析師和農業數字化技術員等，都在各自領域借助GAI實現創新與突破。例如，數字化解決方案設計師可以利用GAI優化設計方案并加速問題解決；數據安全工程技術人員借助GAI生成漏洞檢測模型，提高網絡安全防護水平；數字孿生應用技術員通過GAI構建虛擬模型，實現對物理系統的實時監控和優化；商務數據分析師運用GAI技術輔助企業決策；而農業數字化技術員則可利用GAI生成農作物產量預測模型或優化農田管理方案。這些職業的出現，不僅反映了GAI在促進經濟數字化轉型中的核心作用，也為推動社會創新和高質量就業提供了新機遇。

GAI的就業創造效應可以從以下幾個方面詳細闡述。

首先，GAI技術的發展催生了對高技能人才的需求。例如，數據科學家、AI工程師、機器學習專家和算法開發者等新興職業的需求量大幅增加。這些高技能崗位需要深入的技術知識和專業技能，推動了相關領域的職業教育和培訓。這種需求不僅提升了整體勞動力的技能水平，也促進了高等教育和專業培訓機構的發展。

其次，GAI的應用促進跨學科協作型工作的涌現。例如，AI輔助設計、AI生成音樂和藝術創作等領域的工作，通常需要計算機科學、藝術設計和人文學科的跨學科協作。這種協作型工作推動了勞動力市場對跨學科人才的需求，創造了更多具有創意和創新性的崗位。此外，GAI技術在醫療、法律、金融等領域的應用也促進了這些行業與AI技術的深度融合，創造了新的職業機會。

最后，GAI技術的發展帶動了新興產業和業務模式的興起。例如，智能內容創作平臺、AI驅動的營銷和廣告服務、自動化客服解決方案等新型業務模式的出現，創造了大量的就業機會。這些新興產業不僅吸引了技術人才，也為市場營銷、客戶服務和業務管理等傳統崗位提供了新的發展方向。

下文將從生產率效應、資本累積和新生任務三個角度闡述GAI的就業創造效應對就業的影響機理。

（1）生產率效應。生產率效應在GAI的就業創造效應中扮演著重要角色。隨著GAI技術的廣泛應用，生產效率得到了顯著提升，因為GAI系統能夠在短時間內處理大量數據并執行復雜任務。這種提高生產效率的效應使得企業能夠更有效地利用資源，從而增加產量，滿足不斷增長的市場需求。隨著生產效率的提高，企業通常會增加投資研發和創新，進一步推動了就業機會的增長。此外，GAI的應用還促進了勞動力市場的升級和轉型，因為傳統工作崗位的替代通常會帶來更高技能要求的新崗位，這意味著勞動者可能需要接受更多培訓和教育，以適應新的職業環境，從而推動了人力資源的有效利用和提升。

（2）資本累積。資本累積是另一個重要的創造性影響機理。GAI技術的引入需要大量的資金投入研發、部署和維護。這種資金投入不僅為技術的進步提供了支持，也創造了大量的就業機會，涉及科學家、工程師、技術支持人員等多個領域。此外，GAI技術的應用通常需要建立大規模的數據中心和基礎設施，這進一步推動了建筑和基礎設施領域的發展，為更多的工人提供了就業機會。與此同時，GAI技術的發展也會吸引更多的投資者和創業者進入市場，推動資本市場的繁榮，進而刺激經濟的增長和就業的增加。

（3）新生任務。新生任務是GAI對就業產生創造性影響的重要方面之一。盡管GAI技術的普及會導致部分傳統工作崗位的消失，但同時也會創造出許多新的任務和職業。例如，智能家居和智能城市的興起需要大量的技術人員來進行安裝、維護和管理，這為工程師、技術專家和維護人員等提供了新的就業機會。此外，隨著GAI技術在醫療、金融和教育等領域的應用，也會創造出許多新的職業需求，如醫療數據分析師、金融科技專家和在線教育導師等。這些新興職業的出現為勞動力市場帶來了更多的選擇，同時也為勞動者提供了更廣闊的發展空間，促進了就業市場的多樣化和創新。

（二）GAI對就業結構的影響

就業結構指的是一個國家或地區的勞動力市場中，不同行業、職業、教育水平和技能要求的就業分布情況。它反映了一個經濟體內不同行業和職業的相對重要性，以及勞動力在各個行業和職業中的分布比例。未來ChatGPT可能會使約45%的職業獲得發展機會，其中，約7%的職業將需要求職者具備高級的ChatGPT應用技能，而約33%的職業需要對該技術及其應用有基本了解。預計這些新角色將出現在制造業、服務業、教育業和技術領域。雖然制造業、服務業和教育業未來會有更多ChatGPT支持的職業，但對求職者的熟練要求不會太高。例如，機械繪圖員、銷售推廣員和課程編輯等職業可能只需要對ChatGPT等人工智能工具及其功能有基本了解。然而，技術相關的職業對ChatGPT應用技能的要求會更高，求職者需要深入了解ChatGPT，甚至要精通其使用原理。在發展中國家，由于技術和基礎設施的限制，GAI的應用面臨更多挑戰。為了確保GAI促進包容性發展，必須提供必要的支持和基礎設施，避免加劇現有的不平等［33］。

1就業轉移效應

GAI的快速發展引致顯著的就業轉移效應和技能結構效應。就業轉移效應可以分為“內部轉移”和“外部轉移”。“內部轉移”是指不同產品價值鏈崗位之間的勞動力轉移。例如，視頻生成AI模型“Sora”的出現降低了視頻制作的門檻，提升了內容創作和營銷等環節的附加值和利潤空間，推動傳媒和影視行業的勞動力向高附加值崗位轉移。“外部轉移”是指不同行業之間的勞動力轉移。例如，金融科技行業大量采用生成式AI技術，增加了對技術型人才的需求，使得從事傳統銀行業務的低技能勞動力需要轉向其他行業尋找就業機會，從而促進勞動力在不同行業之間的流動。

2技能結構調整

在技能結構方面，GAI的應用將強調對數據科學、機器學習和自然語言處理等人工智能相關技能的需求。傳統的技能結構可能需要通過教育和培訓機構進行調整，以滿足新型人才的需求。此外，創新和解決問題的能力、跨學科合作能力，以及適應快速變化的能力也將成為未來勞動力市場的重要競爭力。GAI對不同技能層級的勞動力影響顯著。高技能勞動力由于具備專業技能和適應技術變革的能力，其需求將持續增長，推動就業水平提升。中技能勞動力可能面臨“層次分割”現象，導致就業機會減少。低技能勞動力在重復性工作和簡單任務方面容易被AI替代，可能轉向不易被替代的行業，但也面臨勞動力過剩和競爭加劇的風險。盡管高技能勞動力在人工智能技術變革中更具優勢，中低技能勞動力也有機會通過不斷學習和提升混合技能來適應技術變革，實現人機協作的工作模式，從而在就業市場中獲得更多的適應空間。

3行業和職業結構的轉變

從行業結構的角度看，GAI的廣泛應用將推動傳統產業向數字化、智能化方向發展。在制造業領域，隨著智能制造技術的普及，生產流程將更加自動化和智能化，從而減少了傳統生產線上的勞動力需求，但增加了對技術人員和工程師的需求。同時，新興的信息技術和人工智能行業將迎來快速增長，吸引大量人才投入研發和創新，創造出更多的高薪就業機會。

在職業結構方面，GAI的發展將催生出一系列新的職業類型。除了傳統的程序員、數據科學家等技術崗位外，還會涌現出一批新興職業，如智能系統設計師、數據倫理學家、機器學習工程師等。這些新興職業往往需要跨學科的知識和技能，以應對快速發展的人工智能技術，因此對于具備復合型能力的人才需求量也會增加。

4勞動力供需結構的變化

在勞動力供需結構方面，隨著人工智能技術的普及，高技能勞動力的需求將迅速增長，而低技能勞動力的需求可能會減少。這將導致勞動力市場供需結構的分化，需要政府、企業和教育機構共同合作，推動勞動力的再培訓和職業轉換，以縮小高低技能勞動力之間的差距，保持勞動力市場的穩定和平衡。女性在受GAI影響方面更為顯著，這一趨勢可能部分歸因于女性在文職工作領域的占比較高，而文職工作往往是GAI的主要應用領域之一。因此，GAI對文職工作的影響可能導致女性就業面臨更大的變革和挑戰。鑒于這種情況，制定針對性的政策和措施是至關重要的。例如，可以通過提供專門的職業培訓計劃，幫助女性獲取GAI相關的技能和知識，從而增強她們在面對職業變革時的競爭力。此外，增加對托兒教育等投資，可以減輕女性的家庭壓力，使她們更能專注于自身的職業發展。

結合“新質生產力-新型生產關系-高質量就業”的理論框架，本文進一步對GAI影響就業結構的機理進行深入的剖析。

GAI作為新一代信息技術的代表，推動了生產方式和組織形式的全面升級。在新質生產力方面，GAI的應用催生了一系列新的職業類型，并且為現有職業賦予了新的內涵。智能系統設計師、數據倫理學家和機器學習工程師等新興職業的涌現，不僅反映了生產力的升級，更突顯了新質生產力的特征：智能化、自主性和創造性。這些新興職業的興起為勞動力提供了更廣泛、更多樣的就業選擇，同時也推動了就業結構的多樣化和專業化發展。

新質生產力的涌現，如GAI等新型技術的引入，正在重塑傳統的生產方式和組織形式。這種技術的應用推動了工業化進程向智能化、數字化方向發展，導致勞動力需求的結構性變化。傳統勞動密集型崗位可能受到影響，引發一定程度的結構性失業。這種失業現象不僅是暫時性的，更是深層次的生產關系變遷和生產力提升所導致的。然而，新興行業和技術領域的發展也創造出新的高技能、高智能化就業機會，例如數據分析師、人工智能工程師等，這些職位要求勞動力具備更高水平的技能。通過勞動力市場的調整和勞動者自身的適應能力，勞動力將逐步實現轉型，重新定位到適應新技術的崗位上。

在高質量就業方面，GAI的發展帶來了就業結構的優化和更新。隨著高技能勞動力需求的不斷增長，低技能勞動力的需求可能會逐漸減少，從而導致勞動力市場供需結構的分化。為實現高質量的發展和就業，政府、企業和教育機構需要緊密合作，推動勞動力的再培訓和職業轉換，以適應新質生產力技術的發展需求，從而維護勞動力市場的穩定和平衡。

（三）GAI對就業質量的影響

就業質量指的是一個人在工作中所獲得的各種福利、條件和滿足程度，包括但不限于工資水平、工作穩定性、工作環境和工作內容的挑戰性與發展空間、社會保障和職業發展機會等。簡言之，就業質量反映了一個人在工作中所獲得的經濟、社會和心理方面的各種滿意度和福利水平。GAI對就業質量的影響是一個多維度的問題，可以從工資收入、工作穩定性、工作環境、社會保障和職業發展等五個角度進行闡述。

1工資收入

在工資收入方面，GAI的廣泛應用可能會對不同行業的工資水平產生影響。一方面，擁有GAI專業技能的員工可能因為其稀缺性而獲得更高的薪酬，進而提高了部分人群的經濟收入水平。如在中級專業寫作任務中，GAI提高了生產力，使得平均完成時間減少了40%，輸出質量提高了18%。這不僅提升了整體生產力，還減少了工人的生產力不平等［34］。另一方面，對于一些傳統的勞動力密集型工作，例如生產線工作或客服工作，由于這些工作更容易被GAI替代，可能會導致相關崗位的工資水平下降，造成部分人群收入減少的情況。

2工作穩定性

在工作穩定性方面，GAI的發展可能會帶來積極和消極的影響。一方面，GAI技術的應用可以提高企業的生產效率和競爭力，從而增加了一些行業的就業穩定性，有利于員工的工作保障。另一方面，對于一些被GAI技術替代的傳統工作崗位，員工可能面臨失業風險或職業轉型的挑戰，從而降低了工作的穩定性，對部分人群造成了不確定性。

3工作環境

在工作環境方面，GAI的應用可能會帶來一定的改善和挑戰。自動化和智能化的生產設備可以降低工人在危險環境中的暴露，提高工作環境的安全性，從而保障了員工的健康和安全。在客戶支持領域，GAI輔助工具的使用提高了新手和低技能工人的生產力，并改善了客戶情緒，減少了管理干預請求，提高了員工保留率。然而，一些傳統工作環境可能會因為GAI技術的普及而發生改變，導致一些工作崗位逐漸消失，從而影響員工的就業體驗和工作滿意度，造成一定程度的不利影響。

4社會保障

在社會保障方面，政府和社會機構可能會采取一些措施來應對GAI技術對就業的影響。例如，提供再培訓和轉崗的機會，幫助員工適應新的就業環境。這些措施有助于減輕因GAI技術發展而帶來的失業壓力，提高了部分人群的社會保障水平。然而，GAI技術的應用也可能引發社會保障體系的調整和變革，可能會對一些人群的福利待遇和保障范圍產生一定的負面影響。

5職業發展

在職業發展方面，GAI的發展可能會創造出新的職業發展機會，對部分人群提供更多的就業選擇和晉升機會，促進個人的職業發展。然而，對于一些缺乏相關技能或受到AI技術替代的傳統工作者來說，他們可能面臨職業發展的瓶頸和挑戰，需要通過再培訓或轉行來適應新的就業環境，造成部分人群的職業發展受限的情況。基于技能偏向技術變革的理論，創新通常會改善工作質量，但也可能加劇社會不平等。QuInnE項目的研究發現，創新與高質量工作之間存在強關聯，高質量的工作也會促進創新。

在結合“新質生產力-新型生產關系-高質量就業”的理論分析框架下，可以進一步分析GAI對就業質量的影響。

在探討GAI對就業質量的影響時，首先需要深入探究技術進步的本質。GAI代表了人工智能技術的前沿，其應用不僅是技術的進步，更是生產方式和組織形式的深刻變革。這種技術進步并非僅僅是生產力的提升，而是一場深刻的革命，將影響到工作崗位的本質和人們從事工作的方式。因此，GAI技術的應用將直接影響到工作環境的變化，進而對就業質量產生廣泛而深遠的影響。

在探討新質生產力的形成時，不僅要考慮到技術的創新，還需要重視其對社會、經濟結構的影響。GAI的出現不僅是一種技術的進步，更是生產關系和生產組織形式的深刻變革。新質生產力所帶來的不僅僅是生產效率的提升，更是就業結構和職業分工的調整。因此，GAI的發展將創造出新的就業機會，但也會影響到傳統勞動力崗位的需求，進而對就業質量產生復雜而深遠的影響。

在探究高質量就業時，需要認識到GAI的廣泛應用將促進經濟的升級和轉型，從而影響到就業質量。GAI技術的發展將提升一部分人群的就業機會和收入水平，但也可能導致一些傳統勞動力崗位的消失，對一部分人群的就業穩定性和收入水平產生不利影響。因此，政府和企業需要采取積極措施，確保GAI技術的應用能夠促進高質量就業，保障全體勞動者的權益和福祉。

（四）GAI對就業形態的影響

GAI對就業形態產生了深遠的影響，主要體現在兩個方面：一是“平臺化”效應，二是“協作化”效應。

1“平臺化”效應

GAI技術的廣泛應用催生了各種智能化平臺，這些平臺以技術為核心，為不同領域的從業者提供了各種服務和工具。

首先，這種趨勢體現在新型就業平臺的興起。例如，智能招聘平臺、在線教育平臺，以及內容創作平臺等如雨后春筍般涌現，它們以GAI技術為基礎，為勞動者提供了新的就業機會和靈活的工作方式。

其次，GAI技術使得職業邊界變得模糊化，這意味著越來越多的人可以通過智能化平臺進行遠程或自由職業。通過智能化的遠程辦公平臺，人們可以在全球范圍內與雇主或客戶進行合作，打破了地域和行業的限制。

最后，GAI技術的應用也降低了創業門檻，任何人都可以借助智能化平臺進行創業或做副業，這促進了個人創業者的發展和創業環境的多樣化。

2“協作化”效應

GAI技術的普及使得勞動過程更加智能化和協作化，這種趨勢體現在幾個方面。

首先，GAI技術的應用使得生產過程更加智能化和自動化。不同的智能系統可以實現協同工作，共同完成復雜的任務，從而提高了生產效率和質量。

其次，GAI技術促進了人機協同作業的發展。勞動者與智能系統共同完成任務，例如醫療領域的智能診斷系統，它提高了醫療效率和診斷準確性。

最后，GAI技術通過數據分析和智能化算法對勞動力資源進行優化配置，實現了勞動力的合理調配和利用。例如，智能招聘系統可以根據企業需求和求職者匹配度快速匹配合適的人才，提高了用人效率和員工匹配度。

結合“新質生產力-新型生產關系-高質量就業”的理論框架，本文可以進一步分析GAI的“平臺化”效應和“協作化”效應。

首先，從生產力的角度看，GAI作為一種新質生產力技術，具有顛覆性的創新和推動力。馬克思認為，生產力的提升是推動社會變革的基礎，而GAI的普及應用無疑是生產力水平的飛躍。通過深度學習和大數據分析，GAI能夠快速處理海量數據并生成高質量的結果，從而提高了生產效率和產品質量。這種技術進步不僅改變了生產方式，也改變了生產組織形式，形成了智能化、自動化的生產平臺，推動了經濟的快速發展。

其次，從生產關系的角度來看，GAI的“平臺化”效應和“協作化”效應直接影響到了生產關系的構建和調整。馬克思認為，生產關系的性質決定了生產力的運用和分配方式。GAI技術的廣泛應用改變了傳統的生產關系模式，加速了勞動力市場的轉型。一方面，GAI的普及推動了新型生產關系的形成，例如智能化生產平臺和數據驅動的生產管理系統。這些新型生產關系更加靈活、高效，具有更強的適應性和創新性。另一方面，GAI的應用也導致了傳統生產關系的瓦解與重構。傳統的勞動力崗位面臨著被技術取代的風險，勞動力市場結構發生了深刻變化，出現了結構性失業現象。因此，GAI的“平臺化”效應和“協作化”效應對生產關系的重構產生了重要影響，需要政府和企業采取相應措施，確保勞動者權益和社會穩定。

最后，從高質量就業的角度來看，GAI的“平臺化”效應和“協作化”效應對就業質量產生了雙重影響。一方面，GAI的普及應用為新興產業帶來了大量就業機會，尤其是在技術領域和新興產業中，提升了就業質量和勞動者的收入水平。另一方面，GAI的應用也加劇了勞動力市場的不平等現象，部分傳統勞動力崗位面臨淘汰，勞動者的就業穩定性受到挑戰。因此，政府和企業需要采取積極措施，確保GAI技術的應用能夠促進高質量就業，保障全體勞動者的權益和福祉。GAI對就業的影響機理見圖2。

圖2"GAI對就業的影響機理

六、GAI對勞動力就業產生的風險

GAI的廣泛應用在勞動力就業領域可能會帶來一系列風險和挑戰，其中包括技能失匹配與勞動力淘汰、勞動過程中的監控與隱私泄露和社會不公與數字鴻溝等問題。

（一）技能失匹配與勞動力淘汰

GAI的廣泛應用可能導致一些傳統勞動力技能的失匹配。某些職業可能會面臨被自動化或智能化取代的風險，從而導致勞動力淘汰和失業率上升。因此，勞動者需要及時調整自己的技能和知識結構，以適應人工智能時代的需求。

隨著GAI技術的不斷發展和普及，傳統勞動力的技能結構可能無法與新型技術的要求相匹配。例如，一些機械化、重復性較強的勞動崗位可能會被自動化設備或GAI所取代，導致勞動力在市場上失去競爭力。這種失匹配可能會導致大量勞動者陷入技能斷層，難以適應新的就業環境，進而增加長期失業和貧困的風險。

勞動力淘汰可能會導致社會不穩定和不平等的加劇。在技術更新換代的過程中，一些行業和地區可能會面臨更大的沖擊，導致失業率上升和社會財富分配不均。這可能會引發社會動蕩和政治不穩定，加劇社會階層的分化和社會矛盾的加劇。長期來看，這種不平等可能會影響整個社會的可持續發展，并增加了政府應對風險和危機的壓力。

技能失匹配和勞動力淘汰也可能導致勞動力市場的結構性失業問題。隨著一些傳統行業和職業的減少，勞動力市場可能會出現結構性失業，即勞動力供求關系的不平衡。這可能會導致一部分勞動者長期失業，難以重新就業，從而增加了社會福利負擔和治安問題。

（二）勞動過程中的監控與隱私泄露

GAI在勞動領域的應用可能導致勞動過程中的監控增加，勞動者的隱私面臨被侵犯的風險。特別是在涉及個人數據收集和處理的情況下，個人隱私泄露的風險尤為突出。因此，需要建立嚴格的數據隱私保護法律和規范，確保勞動者的隱私權得到有效保護。

隨著GAI在勞動場景中的廣泛應用，勞動者可能會受到更加嚴格和全面的監控。GAI技術可以對勞動者的工作行為、生物特征等進行實時監測和分析，以提高生產效率和質量。然而，過度的監控可能會侵犯勞動者的個人隱私，導致勞動者感到壓力和焦慮，甚至影響到他們的工作表現和生活品質。

個人數據的收集和處理可能會導致勞動者隱私泄露的風險增加。在GAI的勞動應用中，勞動者的個人數據往往需要被收集和分析，以訓練和優化人工智能模型。然而，如果這些數據被濫用或泄露，勞動者的隱私權就會受到侵犯。例如，個人健康狀況、家庭情況等敏感信息可能會被不當使用，導致個人權益受損。

隱私泄露可能會對勞動者及其個人職業生涯造成長期影響。一旦個人隱私被泄露，勞動者可能會面臨身份被盜用、個人信用受損等問題，甚至可能導致就業機會受到影響。此外，隱私泄露還可能導致個人形象受損，影響到個人的社會關系和職業發展。

（三）社會不公與數字鴻溝

GAI的廣泛應用可能加劇社會的不公平現象，導致數字鴻溝的加劇。技術發展帶來的就業機會可能集中在某些行業或地區，而其他行業或地區的勞動者可能面臨失業或就業困難。因此，需要政府和企業采取措施，促進技術的普惠性發展，縮小數字鴻溝，實現勞動力就業的均衡和公平。

技術發展不平衡可能導致就業機會的不均衡分布。GAI的應用往往需要高度技術化的工作人員來進行開發、維護和管理，這些崗位往往集中在技術發達的城市或地區。而在其他地區，由于技術發展水平較低，可能缺乏相應的就業機會，導致勞動者面臨失業或就業困難。

技術發展可能加劇不同行業之間的就業差距。隨著GAI的應用，某些傳統行業可能會面臨自動化或智能化的挑戰，導致相關崗位的減少或淘汰。而新興行業或領域的崗位需求可能相對較少，無法完全彌補傳統行業的就業缺口，導致勞動者的失業率上升和就業結構的不平衡。

技術發展可能加劇勞動者之間的收入差距和社會階層分化。隨著技術化崗位的增加，高技能勞動者的收入可能會大幅增加，而低技能勞動者的收入可能會受到擠壓。這可能會導致社會階層的進一步分化，加劇社會的不公平現象。

（四）人機協同與勞動關系重構

GAI的廣泛應用可能改變傳統的勞動關系和勞動組織形式。勞動者與人工智能系統之間的關系可能由競爭轉變為協同合作，勞動力的組織和管理方式也可能發生變革。因此，需要重新思考勞動關系的建立和管理方式，促進人機協同，實現勞動生產力和效率的提升。

隨著GAI技術的普及，傳統勞動力與人工智能系統之間的合作模式可能發生改變。勞動者需要適應與人工智能系統協同工作的新方式，這可能需要他們掌握更多的技術知識和操作技能，以確保與人工智能系統的高效配合。然而，對于部分勞動者而言，這種轉變可能需要一定的學習和適應周期，存在技能匹配和學習成本較高的問題。

勞動關系的重構可能導致勞動者的權益受損。隨著人工智能系統在勞動生產中的廣泛應用，勞動者可能面臨由于技術替代而導致的失業風險，或者由于工作內容的改變而導致的薪酬下降等問題。同時，人工智能系統的運行可能受到企業利益的驅動，導致勞動者的工作環境和工作條件可能受到一定程度的忽視，存在勞動關系不公平的風險。

勞動力組織和管理方式的變革也可能引發勞資關系的重新調整。傳統的管理模式可能無法有效適應人機協同工作的需求，企業可能需要重新思考和設計管理體系，以更好地實現勞動生產力和效率的提升。然而，在管理體系的變革過程中，可能存在管理權力的集中化和勞動者參與度的不足，導致勞資關系的不穩定和勞動者權益的受損。

七、如何合理應對GAI對就業的沖擊

面對GAI對就業的沖擊，需要采取一系列創新且符合學術規范的措施，以有效緩解風險和挑戰，促進勞動力就業的穩定和可持續發展。

政府和企業應當積極推動智能化教育和培訓，采用先進的技術手段和個性化的學習方法。通過建立智能化教學平臺和引入虛擬現實技術，為勞動者提供更加沉浸式的學習體驗，從而促進技能的快速獲取和應用。這種教育模式不僅能夠提高勞動者的適應能力，還能夠培養其創新思維和解決問題能力，從而更好地適應人工智能時代的就業需求。

建立智能化的職業生涯規劃和就業匹配系統，利用大數據和人工智能技術為勞動者提供個性化的職業發展建議和就業機會推薦至關重要。這種系統能夠更加精準地分析勞動者的技能、興趣和職業傾向，為其量身定制符合個人發展需求的職業選擇和發展路徑。通過這種方式，勞動者能夠更好地規劃自己的職業生涯，并找到適合自己的就業崗位，提高就業質量和滿意度。

加強數據隱私保護并鼓勵技術創新和數據共享，是應對人工智能對就業沖擊的重要舉措之一。政府可以制定嚴格的數據隱私保護法律和政策，同時建立數據共享和開放創新的政策框架，促進企業和研究機構間的合作。這樣既能夠保護勞動者的個人隱私，又能夠促進技術的可持續發展和社會的共享價值，實現數據與人工智能的良性互動。

倡導社會資本的積極參與和人機協同的合作模式，也是有效應對人工智能對就業挑戰的重要舉措。通過公益組織和社區合作，為勞動者提供更多的技能培訓和就業機會，同時鼓勵企業采取開放式創新和共享經濟的模式，促進人機共生，實現勞動力和智能技術的良性互動。這樣能夠更好地發揮社會資源的整合和協同效應，為勞動者提供更多的發展機遇和支持。

政府應加強政策創新和國際合作，探索新型的勞動力就業政策和機制。鼓勵企業實施靈活的勞動制度和工作安排，為勞動者提供更多的工作選擇和生活保障。同時，加強與國際社會的交流與合作，分享經驗和資源，共同應對GAI對就業的挑戰，推動全球勞動力就業的可持續發展。這樣能夠更好地適應人工智能時代的就業需求，實現勞動力就業的穩定和可持續發展。

［注"釋］

①

參見《習近平在中共中央政治局第十四次集體學習時強調：促進高質量充分就業"不斷增強廣大勞動者的獲得感幸福感安全感》，https：//wwwgovcn/yaowen/liebiao/202405/content_6954068htm，最后訪問日期：2024年6月9日。

②"參見《習近平：高舉中國特色社會主義偉大旗幟"為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》，https：//wwwgovcn/xinwen/2022-10/25/content_5721685htm，最后訪問日期：2024年6月9日。

③"參見《習近平在中共中央政治局第十一次集體學習時強調：加快發展新質生產力"扎實推進高質量發展》，https：//wwwgovcn/yaowen/liebiao/202402/content_6929446htm，最后訪問日期：2024年11月8日。

④"資料來源：https：//wwwmckinseycom/mgi/ourresearch/generativeaiandthefutureofworkinamerica#/。

［參考文獻］

［1］ACEMOGLU"D，"RESTREPO"P."The"race"between"man"and"machine："implications"of"technology"for"growth，"factor"shares，"and"employment［J］."American"economic"review，"2018，"108（6）："1488-1542.

［2］王林輝，錢圓圓，周慧琳，等.人工智能技術沖擊和中國職業變遷方向［J］.管理世界，2023，39（11）：74-95.

［3］FREY"C"B，"OSBORNE"M"A."The"future"of"employment："how"susceptible"are"jobs"to"computerisation？［J］."Technological"forecasting"and"social"change，"2017，114（2）："254-280.

［4］閆雪凌，李雯欣，高然.人工智能技術對我國勞動力市場的沖擊和影響［J］.產業經濟評論，2021（2）：65-77.

［5］ACEMOGLU"D，"RESTREPO"P."Lowskill"and"highskill"automation［J］."Journal"of"human"capital，"2018，"12（2）："204-232.

［6］ACEMOGLU"D，"RESTREPO"P."Tasks，"automation，"and"the"rise"in"us"wage"inequality［J］."Econometrica，"2022，"90（5）："1973-2016.

［7］WOFGANG"D，"SEBASTIAN"F，"JENS"S，"et"al."The"adjustment"of"labor"markets"to"robots［J］."Journal"of"the"European"economic"association，"2021，"19（6）："3104-3153.

［8］王文.數字經濟時代下工業智能化促進了高質量就業嗎［J］.經濟學家，2020（4）：89-98.

［9］黃旭，許文立.公共政策如何應對人工智能引發的失業風險？［J］.中央財經大學學報，2022（10）：71-84，93.

［10］黃旭，董志強.人工智能對勞動力市場極化的影響與對策［J］.系統工程理論與實踐，2024，44（1）：272-298.

［11］FENG"A，"GRAETZ"G."Training"requirements，"automation，"and"job"polarisation［J］."The"economic"journal，"2020，"130（631）："2249-2271.

［12］許怡，葉欣.技術升級勞動降級？——基于三家“機器換人”工廠的社會學考察［J］.社會學研究，2020，35（3）：23-46，242.

［13］李磊，王小霞，包群.機器人的就業效應：機制與中國經驗［J］.管理世界，2021，37（9）：104-119.

［14］孫早，韓穎.人工智能會加劇性別工資差距嗎？——基于我國工業部門的經驗研究［J］.統計研究，2022，39（3）：102-116.

［15］DOTTORI"D."Robots"and"employment："evidence"from"Italy［J］."Economia"politica，"2021，"38（2）："739-795.

［16］余玲錚，婁世艷，王建楠，等.城市的移民多樣性與創業選擇［J］.經濟科學，2021（2）：135-147.

［17］汪前元，魏守道，金山，等.工業智能化的就業效應研究——基于勞動者技能和性別的空間計量分析［J］.管理世界，2022，38（10）：110-126.

［18］閆雪凌，余沭樂，張雪原，等.機器人應用與勞動健康：基于宏微觀的實證證據［J］.系統工程理論與實踐，2024，44（1）：148-172.

［19］YU"J，"QI"C."The"impact"of"generative"AI"on"employment"and"labor"productivity［J］."Review"of"business，"2024，"44（1）："5-20.

［20］ELOUNDOU"T，"MANNING"S，"MISHKIN"P，"et"al."Gpts"are"gpts："an"early"look"at"the"labor"market"impact"potential"of"large"language"models［Z］."Working"paper，"2023.

［21］HUI"X，"RESHEF"O，"ZHOU"L."The"shortterm"effects"of"generative"artificial"intelligence"on"employment："evidence"from"an"online"labor"market［Z］."Working"paper，"2023.

［22］CHEN"L，"CHEN"X，"WU"S，"et"al."The"future"of"chatgptenabled"labor"market："anbsp;preliminary"study［Z］."Working"paper，"2023.

［23］ZARIFHONARVAR"A."Economics"of"ChatGPT："a"labor"market"view"on"the"occupational"impact"of"artificial"intelligence［J］."Journal"of"electronic"business"amp;"digital"economics，"2024，"3（2）："100-116.

［24］YILMAZ"E"D，"NAUMOVSKA"I，"AGGARWAL"V"A."AIdriven"labor"substitution："evidence"from"google"translate"and"ChatGPT［Z］."Working"paper，"2023.

［25］LIU"J，"XU"X，"LI"Y，"et"al."“Generate”"the"future"of"work"through"AI："empirical"evidence"from"online"labor"markets［Z］."Working"paper，"2023.

［26］HUSEYNOV"S."ChatGPT"and"the"labor"market："unraveling"the"effect"of"AI"discussions"on"students’"earnings"expectations［J］."Working"paper，"2023.

［27］GMYREK"P，"BERG"J，"BESCOND"D."Generative"AI"and"jobs："a"global"analysis"of"potential"effects"on"job"quantity"and"quality［Z］."Working"paper，"2023.

［28］FRANK"M"R."Brief"for"the"Canada"house"of"commons"study"on"the"implications"of"artificial"intelligence"technologies"for"the"Canadian"labor"force："generative"artificial"intelligence"shatters"models"of"AI"and"labor［Z］."Working"paper，"2023.

［29］KNIGHT"S，"DICKSON"D"C，"HEGGART"K，"et"al."Generative"AI"in"the"Australian"education"system："an"open"data"set"of"stakeholder"recommendations"and"emerging"analysis"from"a"public"inquiry［J］."Australasian"journal"of"educational"technology，"2023，"39（5）："101-124.

［30］LORENZnbsp;P，"PERSET"K，"BERRYHILL"J."Initial"policy"considerations"for"generative"artificial"intelligence［Z］."Working"paper，"2023.

［31］SCHICK"T，"DWIVEDIYU"J，"DESSI"R，"et"al."Toolformer："language"models"can"teach"themselves"to"use"tools［J］."Advances"in"neural"information"processing"systems，"2024，"98（5）："36.

［32］OUYANG"L，"WU"J，"JIANG"X，"et"al."Training"language"models"to"follow"instructions"with"human"feedback［J］."Advances"in"neural"information"processing"systems，"2022，"35："27730-27744.

［33］MANNURU"N"R，"SHAHRIAR"S，"TEEL"Z"A，"et"al."Artificial"intelligence"in"developing"countries："the"impact"of"generative"artificial"intelligence"（AI）"technologies"for"development［J］."Information"development，"2023，"55（14）："9-22.

［34］NOY"S，"ZHANG"W."Experimental"evidence"on"the"productivity"effects"of"generative"artificial"intelligence［J］."Science，"2023，"381（6654）："187-192.

The"Employment"Impact"of"Generative"AI"and"Policy"Responses

Huang""Xu1，""Liu""Hongying2，""Yan""Xueling3

（1School"of"Finance"and"Information，"Ningbo"University"of"Finance"amp;"Economics，"Ningbo"315175，"China;

2Business"School，"Shaoguan"University，"Shaoguan"512005，"China;

3School"of"Economics，"Sichuan"University，"Chengdu"610065，"China）

Abstract：

We"explore"the"unique"role"of"Generative"Artificial"Intelligence"（GAI）"in"driving"economic"transformation"and"employment"structure"changes"compared"to"traditional"Artificial"Intelligence"（TAI），"and"analyze"the"different"mechanisms"through"which"the"two"technologies"impact"labor"employment"and"labor"market"structure."Based"on"Marx’s"theory"of"productive"forces"and"relations"ofnbsp;production，"we"construct"a"theoretical"framework"of"“new"productive"forcesnew"production"relationshighquality"employment”"to"analyze"the"profound"impact"of"GAI"on"employment"from"four"dimensions："total"employment，"structure，"quality，"and"form."Furthermore，"we"identify"the"potential"employment"risks"associated"with"the"largescale"application"of"GAI，"including"skill"mismatches，"labor"displacement，"surveillance"in"the"labor"process，"privacy"concerns，"and"the"exacerbation"of"social"inequality"and"the"digital"divide."To"address"these"challenges，"we"propose"policy"recommendations"aimed"at"achieving"a"synergistic"development"between"GAI"and"the"labor"market，"and"promoting"the"realization"of"highquality"employment.

Key"words：GAI;"employment;"highquality"development

（責任編輯：蔡曉芹）