人工智能如何影響就業(yè)：重組工作任務(wù)的新理解

中圖分類號：F061；F016 文獻標(biāo)識碼：A 文章編號：1000-176X（2025）07-0032-10

一、引言

2025年春節(jié)，DeepSeek橫空出世。短短7天之內(nèi)，用戶增長超過1億人，體現(xiàn)了人工智能在新一輪技術(shù)變革中的引領(lǐng)性地位，也表明當(dāng)前中國人工智能大模型發(fā)展處于全球第一梯隊。中國高度重視人工智能的發(fā)展，2024年《政府工作報告》提出開展“人工智能+”行動，2025年《政府工作報告》則強調(diào)要持續(xù)推進“人工智能 + ”行動。這些部署有利于將人工智能與中國的制造優(yōu)勢、市場優(yōu)勢更好地結(jié)合起來，從而激發(fā)數(shù)字經(jīng)濟創(chuàng)新活力，推動經(jīng)濟高質(zhì)量發(fā)展。

人工智能在經(jīng)濟中應(yīng)用得越快越廣，其潛在影響就越深越遠(yuǎn)，特別是其對就業(yè)可能產(chǎn)生的影響已然引發(fā)全球范圍內(nèi)一定程度的擔(dān)憂。斯坦福大學(xué)發(fā)布的《2024年人工智能指數(shù)報告》顯示，在過去的一年中，認(rèn)為人工智能將在未來三年到五年內(nèi)顯著影響其生活的人的比重由 60% 提升到 66% ， 52% 的人表示對通用人工智能感到更加擔(dān)憂而不是興奮。這種擔(dān)憂的情緒不禁讓人思考：人工智能真的將替代所有人的工作嗎？如果答案是否定的，它又將對就業(yè)產(chǎn)生怎樣的影響？

現(xiàn)有關(guān)于人工智能與就業(yè)的研究，主要集中于分析人工智能對就業(yè)規(guī)模的影響。Acemoglu和Pascual認(rèn)為，人工智能并未明顯減少就業(yè)。王林輝等2認(rèn)為，人工智能會引發(fā)職業(yè)替代風(fēng)險。在中國， 19.05% 的勞動就業(yè)面臨高替代風(fēng)險。黃旭和許文立[3]認(rèn)為，隨著人工智能的發(fā)展，失業(yè)率將攀升。尹志鋒等[4]認(rèn)為，人工智能引發(fā)就業(yè)結(jié)構(gòu)變化，既會帶動就業(yè)增長，也會導(dǎo)致結(jié)構(gòu)性失業(yè)。從現(xiàn)有研究中不難發(fā)現(xiàn)，對于人工智能到底是增加就業(yè)還是減少就業(yè)，目前仍存在分歧。實際上，人工智能會減少就業(yè)還是增加就業(yè)，關(guān)鍵在于人工智能引發(fā)的替代效應(yīng)與創(chuàng)造效應(yīng)之間的平衡。其中，替代效應(yīng)是指技術(shù)引人生產(chǎn)過程后對原有勞動者的替代，而創(chuàng)造效應(yīng)是指技術(shù)引入生產(chǎn)過程后對勞動力需求的增加。盡管人工智能對就業(yè)規(guī)模的影響尚未達(dá)成一致意見，但現(xiàn)有研究普遍認(rèn)同其在區(qū)域、行業(yè)、崗位和技能等多個方面對就業(yè)結(jié)構(gòu)有顯著影響。從區(qū)域看，發(fā)達(dá)地區(qū)的人工智能對就業(yè)的創(chuàng)造效應(yīng)顯著高于欠發(fā)達(dá)地區(qū)「5]。從行業(yè)看，人工智能對就業(yè)的影響存在行業(yè)差異[6]。從崗位看，人工智能減少了常規(guī)職業(yè)的工作崗位需求和崗位類別，卻增加了非常規(guī)職業(yè)的工作崗位需求和崗位類別[7]。從技能看，短期內(nèi)人工智能具有提高技能溢價的特點[8]。

然而，僅從就業(yè)規(guī)模的角度討論這一議題，或許不足以解釋人工智能給就業(yè)帶來的復(fù)雜影響。以生成式人工智能為代表的新一代人工智能①具備強大的半監(jiān)督或無監(jiān)督學(xué)習(xí)能力與多場域適應(yīng)性，這決定了人工智能對就業(yè)的影響已不再像手工織布工人被織布機替代那樣呈現(xiàn)簡單的線性關(guān)系，而是會滲透到具體工作的各個任務(wù)環(huán)節(jié)，進而產(chǎn)生非線性的影響。因此，為更好地解釋人工智能對就業(yè)的影響，需關(guān)注人工智能給工作本質(zhì)和內(nèi)涵帶來的深層變革[9]。任務(wù)偏向型技術(shù)變革假說[10-1]為理解人工智能對就業(yè)的影響提供了一種新的視角。與技能偏向型技術(shù)變革假說不同，任務(wù)偏向型技術(shù)變革假說以工作任務(wù)為主要分析對象，認(rèn)為工作可以被視為一系列任務(wù)，其中一些工作任務(wù)比其他工作任務(wù)更適合引入自動化。因此，本文認(rèn)為，人工智能對就業(yè)的影響主要表現(xiàn)為重組工作任務(wù)，而非直接替代整個工作崗位。這一判斷的依據(jù)在于人工智能在技術(shù)一經(jīng)濟邏輯下呈現(xiàn)的“嵌入式”應(yīng)用特征。該特征使得人工智能可以深度融人工作任務(wù)，促使工作任務(wù)在執(zhí)行方式、流程和邊界等方面發(fā)生改變，進而引發(fā)工作任務(wù)的重組。

對此，本文圍繞人工智能對就業(yè)的影響，重點探討以下四個關(guān)鍵問題：一是人工智能究竟如何影響就業(yè)？二是人工智能影響就業(yè)的作用方式是什么？三是這種影響可能帶來哪些挑戰(zhàn)？四是如何應(yīng)對這些挑戰(zhàn)？針對這些問題，首先，本文在現(xiàn)有研究基礎(chǔ)上引入任務(wù)偏向型技術(shù)變革假說，為分析人工智能對就業(yè)的影響提供新的理論視角。其次，基于人工智能的“嵌入式”應(yīng)用特征及其技術(shù)一經(jīng)濟邏輯，本文論證人工智能影響就業(yè)的主要路徑是重組工作任務(wù)，而非直接替代整個工作崗位。再次，本文將人工智能對工作任務(wù)的重組方式概括為“4R”，即替代（Replace）操作型和認(rèn)知型常規(guī)工作任務(wù)、補充（Replenish）認(rèn)知型非常規(guī)工作任務(wù)、保留（Retain）操作型非常規(guī)工作任務(wù)、創(chuàng)造（Regenerate）更復(fù)雜高級的新工作任務(wù)，以深入解讀人工智能對就業(yè)的影響。最后，本文探討人工智能在重組工作任務(wù)過程中可能帶來的如結(jié)構(gòu)性失業(yè)、技能分化加劇和技能轉(zhuǎn)型困難等挑戰(zhàn)，并就此提出應(yīng)對思考。

二、人工智能以重組工作任務(wù)的方式影響就業(yè)的原因

與傳統(tǒng)自動化技術(shù)相比，當(dāng)前人工智能的應(yīng)用往往呈現(xiàn)嵌入到某個技術(shù)或某些領(lǐng)域的特征。這一特征具有深刻的技術(shù)一經(jīng)濟邏輯基礎(chǔ)：從技術(shù)層面看，人工智能兼具通用性和創(chuàng)新性，既能夠?qū)崿F(xiàn)跨領(lǐng)域融合，又能夠不斷突破創(chuàng)新邊界；從經(jīng)濟層面看，其具有高固定成本和低邊際成本的特點，可以促使企業(yè)通過規(guī)模化應(yīng)用分?jǐn)偝跏纪度氩崿F(xiàn)收益最大化。

（一）人工智能的“嵌入式”應(yīng)用特征

相關(guān)研究報告提供了人工智能具有“嵌人式”應(yīng)用特征的經(jīng)驗證據(jù)。2024年，國家工業(yè)信息安全發(fā)展研究中心、工業(yè)和信息化部電子知識產(chǎn)權(quán)中心發(fā)布的《新一代人工智能專利技術(shù)分析報告》（以下簡稱《報告》）定量揭示了中國人工智能技術(shù)專利的最新發(fā)展態(tài)勢。《報告》指出，自2017年以來，人工智能專利申請的年均增長率超過 43% 。其中，自然語言處理和計算機視覺是目前發(fā)展最迅速、產(chǎn)業(yè)應(yīng)用最快的兩個技術(shù)分支。自然語言處理可以理解、生成和處理人類語言，嵌人生成式搜索、智能文檔、智能客服等場景；計算機視覺可以收集、解析和理解圖像或視頻中的內(nèi)容，嵌入安全監(jiān)控、自動駕駛、醫(yī)學(xué)影像分析等場景。《報告》進一步指出，生成式搜索與智能文檔處理成為人工智能率先實現(xiàn)商業(yè)化落地的典型場景，這主要得益于技術(shù)驅(qū)動效應(yīng)、模型訓(xùn)練范式的成熟和數(shù)據(jù)基礎(chǔ)設(shè)施的相對完善。例如，百度文庫率先嵌入文心大模型，其創(chuàng)建的“一站式AI內(nèi)容創(chuàng)作平臺”能夠使用戶一鍵生成文本、思維導(dǎo)圖和研究報告等。騰訊文檔通過嵌人混元大模型并推出了智能助手，支持?jǐn)?shù)十種文本創(chuàng)作場景。這些案例直觀地展現(xiàn)了主要創(chuàng)新主體的專利布局側(cè)重和研發(fā)策略，同時也反映了人工智能的“嵌入式”應(yīng)用特征。

（二）決定人工智能“嵌入式”應(yīng)用特征的技術(shù)一經(jīng)濟邏輯

人工智能之所以呈現(xiàn)“嵌入式”應(yīng)用特征，是由其本身的技術(shù)一經(jīng)濟邏輯決定的。從技術(shù)層面看，一方面，人工智能具備通用性。具體而言，人工智能可以被應(yīng)用于從金融服務(wù)業(yè)到醫(yī)療保健業(yè)的不同場景，體現(xiàn)了普遍適用性；算法、算力和海量數(shù)據(jù)可以實現(xiàn)快速迭代更新，體現(xiàn)了技術(shù)動態(tài)性；人工智能可以與多領(lǐng)域知識實現(xiàn)深度融合，體現(xiàn)了創(chuàng)新互補性。另一方面，人工智能具備創(chuàng)新性。Boiko等[12]認(rèn)為，人工智能具有創(chuàng)新潛能，由GPT-4驅(qū)動的人工智能系統(tǒng)通過整合文檔搜索、代碼執(zhí)行和實驗自動化等工具，可以實現(xiàn)半自主的實驗設(shè)計、規(guī)劃并執(zhí)行，從而成功加速和優(yōu)化復(fù)雜實驗。可見，人工智能兼具通用性和創(chuàng)新性的技術(shù)特征，使其不是被簡單地疊加到現(xiàn)有技術(shù)體系之上或者替代現(xiàn)有技術(shù)體系，而是作為關(guān)鍵組件嵌人其中。

從經(jīng)濟層面看，人工智能具有高固定成本和低邊際成本的特點。其前期開發(fā)成本較高，涵蓋技術(shù)研發(fā)、數(shù)據(jù)收集與處理、模型訓(xùn)練等多個環(huán)節(jié)。這一過程類似于構(gòu)建一個高度復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，在大量的輸入與輸出的過程中建立起復(fù)雜而精細(xì)的關(guān)聯(lián)，以實現(xiàn)智能學(xué)習(xí)與決策。然而，核心系統(tǒng)一旦建成，其邊際應(yīng)用成本將顯著降低。這主要得益于人工智能集成所需要的大部分基礎(chǔ)設(shè)施已相對完善，如云計算、應(yīng)用程序編程接口、應(yīng)用程序商店等。這有效解釋了諸如DeepSeek在短期內(nèi)用戶迅速增長的現(xiàn)象。這種高固定成本和低邊際成本的特點與傳統(tǒng)自動化技術(shù)形成鮮明對比：后者側(cè)重于理解和模擬物理世界的運動規(guī)律，通常需要配套專用機械設(shè)備和工作場所，其應(yīng)用規(guī)模和深度受制于物理基礎(chǔ)設(shè)施的邊際成本。正是這種差異使得企業(yè)在部署人工智能時更傾向于采取漸進式的融合策略，將人工智能有機整合至原有產(chǎn)品或服務(wù)上，通過重組和優(yōu)化任務(wù)結(jié)構(gòu)而非完全替代現(xiàn)有勞動力實現(xiàn)成本一收益的平衡。

（三）人工智能以重組工作任務(wù)的方式影響就業(yè)

人工智能的“嵌入式”應(yīng)用特征決定了其影響就業(yè)的主要方式是重組工作任務(wù)，而非直接替代整個工作崗位。這種“嵌入式”應(yīng)用特征的表現(xiàn)是：人工智能正在變得更高效、更實惠、更容易獲得。斯坦福大學(xué)發(fā)布的《2025年人工智能指數(shù)報告》顯示，從醫(yī)療健康到交通出行，人工智能正在融入日常生活的方方面面。在醫(yī)療健康方面，美國食品藥品監(jiān)督管理局批準(zhǔn)的人工智能醫(yī)療設(shè)備數(shù)量從2015年的6臺激增至2023年的223臺，8年間增長近40倍。在交通出行方面，自動駕駛技術(shù)已實現(xiàn)規(guī)模化商用。美國最大的自動駕駛運營商之一Waymo每周提供的自動駕駛服務(wù)超過15萬次，標(biāo)志著該技術(shù)已突破實驗階段，并進人實際應(yīng)用階段。這些數(shù)據(jù)印證了人工智能正在深度嵌入傳統(tǒng)產(chǎn)業(yè)，推動傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型。

未來，受開發(fā)類型、部署方式、市場條件和政策環(huán)境等因素的共同影響，人工智能可能增加就業(yè)，也可能減少就業(yè)。目前，應(yīng)對人工智能對就業(yè)的影響，最關(guān)鍵的問題在于深刻理解其重組工作任務(wù)的過程與方式。基于任務(wù)視角對工作進行分解，可以便于識別哪些工作任務(wù)易于引入人工智能，而哪些難以被其替代。從已有的經(jīng)驗事實看，高技能職業(yè)中也可能包含一些可以被人工智能替代的工作任務(wù)，低技能職業(yè)中也可能包含高度依賴人類獨特技能的工作任務(wù)。這種理解超越了簡單的工作崗位增減視角，意味著需更加辯證地看待人工智能對就業(yè)的影響，以更加合理地規(guī)劃就業(yè)政策部署和人工智能發(fā)展方向。

三、人工智能重組工作任務(wù)的“4R”方式

任務(wù)偏向型技術(shù)變革假說對工作任務(wù)的劃分包括兩個層次：第一層，把工作任務(wù)劃分為常規(guī)工作任務(wù)和非常規(guī)工作任務(wù)；第二層，進一步把常規(guī)工作任務(wù)、非常規(guī)工作任務(wù)均劃分為操作型任務(wù)和認(rèn)知型任務(wù)。基于該框架，結(jié)合技術(shù)可行性和成本收益考量，當(dāng)前人工智能重組工作任務(wù)的方式可以概括為四類：替代操作型和認(rèn)知型常規(guī)工作任務(wù)、補充認(rèn)知型非常規(guī)工作任務(wù)、保留操作型非常規(guī)工作任務(wù)、創(chuàng)造更復(fù)雜高級的新工作任務(wù)。

（一）替代操作型和認(rèn)知型常規(guī)工作任務(wù)

人工智能更傾向于替代那些具備明確規(guī)則且能夠編碼化的體力或腦力勞動，其中不僅包括生產(chǎn)裝配、焊接作業(yè)等操作型常規(guī)工作任務(wù)，還包括數(shù)據(jù)錄人、基礎(chǔ)客服等認(rèn)知型常規(guī)工作任務(wù)。具體而言，操作型常規(guī)工作任務(wù)可以理解為具備明確規(guī)則且能夠編碼化的體力勞動，采用機器處理這類任務(wù)比采用人工處理具有更大的經(jīng)濟效益。以擋風(fēng)玻璃裝配線為例，工程師只需依據(jù)擋風(fēng)玻璃的尺寸規(guī)格、安裝位置和緊固方式等明確參數(shù)，編寫相應(yīng)的控制程序，機器便能精準(zhǔn)地按照預(yù)設(shè)流程完成抓取、定位、安裝和緊固等一系列操作。采用這種方式完成的操作型常規(guī)工作任務(wù)，其精確性、穩(wěn)定性和安全性遠(yuǎn)超人工且能夠長時間持續(xù)工作，極大地提高了生產(chǎn)效率和產(chǎn)品質(zhì)量。由于工業(yè)領(lǐng)域工作任務(wù)的高度結(jié)構(gòu)化特征，該領(lǐng)域尤其適合人工智能與機器人技術(shù)的結(jié)合應(yīng)用。2025年，中國信息通信研究院和蘇州機器人產(chǎn)業(yè)協(xié)會聯(lián)合發(fā)布的《“機器人 + 人工智能”工業(yè)應(yīng)用研究報告》顯示，工業(yè)領(lǐng)域是“機器人 .+ 人工智能”應(yīng)用落地的首要方向。2023年，中國的“機器流程自動化（RPA）+AI”解決方案的市場規(guī)模已達(dá)24.70億元，預(yù)計2026年將突破70億元。

除了替代操作型常規(guī)任務(wù)，相較于傳統(tǒng)自動化技術(shù)，人工智能還能夠替代部分認(rèn)知型常規(guī)工作任務(wù)。這類任務(wù)可以理解為具備明確規(guī)則且能夠編碼化的腦力勞動，包括分析消費者需求偏好、分析醫(yī)療影像、審核法律文書等。這些領(lǐng)域曾長期被視為人類腦力勞動的專屬。從技術(shù)層面看，人工智能的替代能力主要得益于機器學(xué)習(xí)和深度學(xué)習(xí)等關(guān)鍵技術(shù)的發(fā)展。作為一種統(tǒng)計技術(shù)，機器學(xué)習(xí)使計算機能夠從海量數(shù)據(jù)中自主學(xué)習(xí)和預(yù)測，而無需基于特定規(guī)則的編程；深度學(xué)習(xí)則通過神經(jīng)網(wǎng)絡(luò)等復(fù)雜算法，進一步提升了機器的認(rèn)知和決策能力。這些關(guān)鍵技術(shù)使人工智能可以精準(zhǔn)模擬人類基于經(jīng)驗的認(rèn)知過程，從而有效執(zhí)行規(guī)則明確、可編碼化的認(rèn)知型常規(guī)工作任務(wù)。從經(jīng)濟效益看，由于完成這類任務(wù)通常需要一定的專業(yè)知識，引人人工智能解決這類任務(wù)具有較好的經(jīng)濟效益。以醫(yī)療領(lǐng)域為例，2024年，哈佛醫(yī)學(xué)院推出的CHIEF癌癥檢測模型在19種不同癌癥的診斷中準(zhǔn)確率高達(dá) 94% 。與傳統(tǒng)診斷方式相比，該模型的應(yīng)用不僅提高了診斷效率，還極大降低了醫(yī)療成本。

人工智能對常規(guī)工作任務(wù)的替代在不同勞動力群體中呈現(xiàn)明顯的結(jié)構(gòu)性特征。一方面，人工智能主要沖擊從事第二產(chǎn)業(yè)標(biāo)準(zhǔn)化體力勞動的低技能群體，如替代制造業(yè)中的生產(chǎn)線裝配工、焊接工等基礎(chǔ)操作崗位。另一方面，人工智能正逐步影響具備中等專業(yè)技能的腦力勞動者，包括行政文員、財務(wù)會計、基礎(chǔ)法律顧問等。人工智能從體力勞動向認(rèn)知勞動領(lǐng)域的替代延伸趨勢已得到國際勞工組織和世界銀行相關(guān)研究的證實[13]，如零售業(yè)的商業(yè)決策，Palumbo和Edelman[14]認(rèn)為，過去許多零售商會從競爭對手的網(wǎng)站搜集價格信息，并利用這些信息人為或自動設(shè)定合適的價格。現(xiàn)在越來越多的零售商通過挖掘關(guān)于購買情況、價格水平和產(chǎn)品特征的歷史數(shù)據(jù)趨勢，將價格變化與銷售變化聯(lián)系起來，使用人工智能指導(dǎo)定價決策。可以推斷，基于技術(shù)可行性和成本收益考量，人工智能對常規(guī)工作任務(wù)的替代是必然趨勢。

（二）補充認(rèn)知型非常規(guī)工作任務(wù)

認(rèn)知型非常規(guī)工作任務(wù)是指那些需要依靠直覺、創(chuàng)造力、說服力、抽象力和分析力解決復(fù)雜問題的工作任務(wù)。現(xiàn)階段，人工智能尚不能獨立完成這類工作任務(wù)，但其能夠通過提供輔助和支持提高勞動者完成這些工作任務(wù)的效率和質(zhì)量，如Eapen等[15]認(rèn)為，人工智能并非直接替代人類的獨創(chuàng)性，而是通過培養(yǎng)發(fā)散思維、挑戰(zhàn)現(xiàn)有偏見、提供評估意見和促進人機協(xié)作等方式，成為提升人類集體創(chuàng)造力的強大合作伙伴。Noy和Zhang[16]認(rèn)為，對于中等難度的專業(yè)寫作工作任務(wù)而言，ChatGPT的使用讓完成工作的平均時耗下降 40% 、產(chǎn)出質(zhì)量提高 18% ，顯著提高了生產(chǎn)效率。姚加權(quán)等[17認(rèn)為，人工智能通過促使企業(yè)減少常規(guī)低技能勞動力需求、增加非常規(guī)高技能勞動力需求的方式提升企業(yè)的生產(chǎn)率。以上研究表明，人工智能在補充認(rèn)知型非常規(guī)工作任務(wù)方面具有多重價值。

人工智能在補充認(rèn)知型非常規(guī)工作任務(wù)方面之所以能取得顯著進展，主要原因在于，從技術(shù)層面看，人工智能的創(chuàng)新性特質(zhì)使其成為一種“發(fā)明方法的發(fā)明”。Leung等[i8]將這種能力描述為“學(xué)習(xí)閱讀基因組”，其主要體現(xiàn)為，人工智能可以通過機器學(xué)習(xí)優(yōu)化自身算法，甚至生成新的解決方案。從經(jīng)濟效益層面看，在輔助勞動者完成認(rèn)知型非常規(guī)工作任務(wù)的過程中，人工智能也具有較好的經(jīng)濟效益。例如，通過模擬多種生物分子及其復(fù)合物的結(jié)構(gòu)和相互作用，人工智能可以為生命科學(xué)和醫(yī)學(xué)研究提供強大的虛擬實驗室[19]。這不僅降低了研發(fā)人員的勞動邊際成本，還提高了生產(chǎn)率。殷杰[20]認(rèn)為，在與人類交互的過程中，人工智能體現(xiàn)的主體性取決于由語言生成驅(qū)動的交互能力，并體現(xiàn)出一種新的人工主體性形式。因此，在人機交互的過程中，人工智能是認(rèn)知型非常規(guī)工作任務(wù)的理想補充工具。從勞動力群體分布看，人工智能對認(rèn)知型非常規(guī)工作任務(wù)的補充作用呈現(xiàn)出明顯的差異化特征。朱嘉蔚和金曉貝[21]認(rèn)為，人工智能發(fā)展對低技能就業(yè)的影響呈現(xiàn)正U型，對高技能就業(yè)的影響呈現(xiàn)倒U型。Brynjolfsson等[22]認(rèn)為，人工智能會話助理雖能普遍提高生產(chǎn)率，但效果存在顯著異質(zhì)性。經(jīng)驗不足和技能較低的勞動者在產(chǎn)出速度和質(zhì)量上均有提升，而經(jīng)驗最豐富的高技能勞動者僅呈現(xiàn)產(chǎn)出速度的小幅提升但質(zhì)量卻略有下降。以上研究表明，人工智能雖能補充部分認(rèn)知型非常規(guī)工作任務(wù)，從而促進創(chuàng)新、提高生產(chǎn)率，但對不同勞動力群體的影響存在較大差異。2024年，埃森哲發(fā)布的《工作、勞動力、工人：在生成式人工智能時代的重塑》報告進一步預(yù)測，未來在中國，勞動者 33% 的工作時間可能受到人工智能的影響，其中 15% 的工作時間將因人工智能的補充而實現(xiàn)更高效率的產(chǎn)出。可以推斷，當(dāng)人工智能逐步整合到辦公軟件、電子郵件和智能手機及其應(yīng)用程序中時，越來越多的勞動者將有可能更快、更高效地利用人工智能補充認(rèn)知型非常規(guī)工作任務(wù)，使其成為日常工作流程的有機組成部分。

（三）保留操作型非常規(guī)工作任務(wù)

操作型非常規(guī)工作任務(wù)是指那些需要高度身體靈活性或社交靈活性的工作任務(wù)，如個人護理。現(xiàn)實情況表明，盡管人工智能已經(jīng)在汽車制造、交通運輸、醫(yī)療保健等多個行業(yè)中實現(xiàn)了初步應(yīng)用，但在餐飲服務(wù)、個人護理等行業(yè)應(yīng)用不足。從技術(shù)層面著，這類任務(wù)面臨莫拉維克悖論的困境：要讓電腦如成人般下棋是相對容易的，但要讓電腦具有如一歲小孩般的感知和行動能力卻是相當(dāng)困難甚至是不可能的。這是由于人類所獨有的如推理等高階智慧能力僅需較少的運算能力，而無意識的技能和直覺卻需要極大的運算能力。正如Moravec[23」在書中所言：“機器人完成視覺捕捉需要大量的計算和時間，但人類的視覺在每十分之一秒內(nèi)就能夠做得更多。”由此可見，完成任何一項工作任務(wù)都需要智力、體力、溝通能力和適應(yīng)能力等多方面能力，通常這些能力都是必不可少的，單方面能力的提升并不意味著可以替代其他方面的能力。從經(jīng)濟效益看，由于操作型非常規(guī)工作任務(wù)通過人工智能實現(xiàn)完全自動化的成本過高，因而勞動力在此方面仍具有比較優(yōu)勢。以保潔工作任務(wù)為例，2025年，斯坦福大學(xué)推出一款名為BRS的保姆機器人，該機器人能夠完成倒垃圾、整理衣物、刷馬桶等多種日常家務(wù)[24]。然而，在保潔工作中，雖然體力是完成這項工作的重要基礎(chǔ)，但如果缺乏溝通能力和適應(yīng)能力，可能難以準(zhǔn)確理解客戶需求并有效處理客戶反饋，從而影響服務(wù)質(zhì)量。鑒于此，雖然在前沿科技的助推下，部分操作型非常規(guī)任務(wù)也有可能完全被人工智能化，但出于要素價格的考量，勞動力比資本在這類任務(wù)中更具有比較優(yōu)勢。為此，替代這類任務(wù)不如替代操作型常規(guī)工作任務(wù)那樣有成本優(yōu)勢，因而保留這類工作任務(wù)的可能性就更大。從勞動力群體分布看，謝宇和阿維拉[25]認(rèn)為，人工智能革命可能會催生一個“后知識社會”，在這個社會中，知識本身不再像今天這樣重要。相反，個體關(guān)系、社會身份和軟技能將變得更加重要。這將超越傳統(tǒng)教育的技能劃分邏輯。即使傳統(tǒng)觀念中被認(rèn)為是低學(xué)歷、低技能、容易被技術(shù)替代的群體，也擁有難以被替代的人類獨特技能，如共情能力。這一趨勢在就業(yè)市場已有體現(xiàn)，Autor和Dorm[26]認(rèn)為，1980—2005年美國就業(yè)和工資呈現(xiàn)兩極分化，同時伴隨低技能服務(wù)業(yè)的就業(yè)增長。同樣，潘珊和郭凱明[27]認(rèn)為，在人工智能技術(shù)偏向生產(chǎn)崗位且生產(chǎn)崗位和服務(wù)崗位的替代彈性較低時，人工智能會在制造業(yè)內(nèi)部推動由生產(chǎn)轉(zhuǎn)向服務(wù)的崗位結(jié)構(gòu)變遷。可以推斷，未來人工智能仍將難以替代擁有人類獨特技能的勞動力群體。

（四）創(chuàng)造更復(fù)雜高級的新工作任務(wù)

從經(jīng)濟動態(tài)發(fā)展和一般均衡的角度看，技術(shù)變革既能替代舊任務(wù)，也會創(chuàng)造新任務(wù)。因此，人工智能對就業(yè)的影響不僅體現(xiàn)在重組現(xiàn)有工作任務(wù)，還體現(xiàn)在創(chuàng)造新的工作任務(wù)。Acemoglu等[28]基于2010—2018年與人工智能相關(guān)職位的數(shù)據(jù)研究發(fā)現(xiàn)，增加的職位并不局限于信息技術(shù)領(lǐng)域，在其他領(lǐng)域也有體現(xiàn)。同樣，2022年《中華人民共和國職業(yè)分類大典》標(biāo)注了97個數(shù)字職業(yè)。這些職業(yè)分布廣泛，既涵蓋信息技術(shù)領(lǐng)域，如數(shù)字孿生應(yīng)用技術(shù)員等職業(yè)；也涉及其他領(lǐng)域，如農(nóng)業(yè)數(shù)字化技術(shù)員等職業(yè)。這些證據(jù)表明，人工智能正在重構(gòu)工作任務(wù)體系，同時催生具有新技能需求的工作崗位。

在與人工智能技術(shù)發(fā)展和產(chǎn)業(yè)部署相關(guān)的領(lǐng)域，人工智能可能會直接創(chuàng)造出新的工作任務(wù)。這些工作任務(wù)往往因人工智能的發(fā)展而出現(xiàn)，并需要由人類執(zhí)行，以確保人工智能的使用既有效又安全。具體而言，至少包括三個層面的任務(wù)：其一，負(fù)責(zé)人工智能系統(tǒng)的設(shè)計開發(fā)與實際應(yīng)用；其二，開展對人工智能的“規(guī)訓(xùn)”工作，包括數(shù)據(jù)訓(xùn)練和算法優(yōu)化等；其三，深人理解人機智能差異，并對人工智能的工作原理進行專業(yè)解釋與評估。此外，人工智能還可以在其本領(lǐng)域之外間接地創(chuàng)造一系列新的工作任務(wù)。例如，2025年《數(shù)智化電商產(chǎn)業(yè)帶發(fā)展研究報告》顯示，直播場次每增加 1% ，與直播電商相關(guān)總就業(yè)人數(shù)便增加 0.29% ，表明數(shù)智化電商產(chǎn)業(yè)的發(fā)展不僅改變了產(chǎn)業(yè)格局，也創(chuàng)造了大量就業(yè)機會。

人工智能創(chuàng)造的新工作任務(wù)可能是更復(fù)雜高級的工作任務(wù)。人工智能在短期任務(wù)執(zhí)行中展現(xiàn)出顯著優(yōu)勢，而人類專家則在更復(fù)雜、更具挑戰(zhàn)性的長期任務(wù)中表現(xiàn)得更為出色[29]。要理解這一現(xiàn)象，可以將人工智能與另一種相關(guān)但不同的技術(shù)——機器人技術(shù)進行對比。機器人技術(shù)經(jīng)常利用人工智能和其他數(shù)字技術(shù)處理數(shù)據(jù)，但與人工智能的不同之處在于，其專注于與物理世界的交互，包括移動、轉(zhuǎn)換和連接等。因此，機器人技術(shù)的經(jīng)濟用途非常特殊，主要集中在狹義任務(wù)的自動化上，即用機器代替以前由人工執(zhí)行的某些特定任務(wù)。相較于機器人技術(shù)，人工智能兼具通用性和創(chuàng)新性。中國正在推行的“人工智能 + ”行動正是最佳例證，通過賦能各行各業(yè)、融入各類應(yīng)用場景，人工智能不斷向外擴展生產(chǎn)可能性邊界，催生全新的高階工作任務(wù)。以上分析表明，人工智能對工作任務(wù)的重組是其與人類技能互嵌融合的過程。

四、人工智能重組工作任務(wù)可能帶來的挑戰(zhàn)

人工智能在重組工作任務(wù)的過程中面臨結(jié)構(gòu)性失業(yè)、技能分化加劇和技能轉(zhuǎn)型困難相互交織的多重挑戰(zhàn)：替代操作型和認(rèn)知型常規(guī)工作任務(wù)可能引發(fā)結(jié)構(gòu)性失業(yè)；補充認(rèn)知型非常規(guī)工作任務(wù)雖然能夠提高生產(chǎn)率，但也可能加劇技能分化；而保留操作型非常規(guī)工作任務(wù)和創(chuàng)造更復(fù)雜高級的新工作任務(wù)雖然維持了勞動力市場的動態(tài)平衡，卻對勞動者技能轉(zhuǎn)型提出了更高的要求。

（一）重組過程中結(jié)構(gòu)性失業(yè)的挑戰(zhàn)

人工智能在重組工作任務(wù)的過程中，對特定行業(yè)和職業(yè)可能存在系統(tǒng)性替代，進而削弱相關(guān)崗位的就業(yè)安全性與穩(wěn)定性，甚至引發(fā)結(jié)構(gòu)性失業(yè)。這種失業(yè)并非由經(jīng)濟衰退或勞動力過剩引起，其本質(zhì)是技術(shù)進步驅(qū)動的就業(yè)體系的結(jié)構(gòu)性變革。從行業(yè)層面看，因?qū)ψ詣踊D(zhuǎn)型的迫切需求，制造業(yè)、零售業(yè)和金融業(yè)等領(lǐng)域可能率先成為人工智能應(yīng)用的重點領(lǐng)域。尤其是在制造業(yè)領(lǐng)域，當(dāng)人工智能嵌人機器人中時，焊接、組裝等工人將面臨更突出的結(jié)構(gòu)性失業(yè)風(fēng)險。從職業(yè)層面看，具有高度程序化特征的崗位（如基礎(chǔ)文員、電話銷售、法律顧問等）面臨較大替代風(fēng)險。例如，人工智能翻譯的普及不僅改變了翻譯人員的工作性質(zhì)，更對其職業(yè)前景構(gòu)成實質(zhì)性挑戰(zhàn)。可以看到，這種結(jié)構(gòu)性失業(yè)的挑戰(zhàn)并非只針對低技能勞動者，從制造業(yè)到金融業(yè)、從工人到翻譯人員，人工智能正在深刻影響著各行各業(yè)的常規(guī)化工作任務(wù)。

（二）重組過程中技能分化加劇的挑戰(zhàn)

人工智能在重組工作任務(wù)的過程中，會給不同技能水平的勞動者帶來不同的影響，可能會加劇技能分化的挑戰(zhàn)。對部分高技能勞動者而言，人工智能的引人不僅增加了其技能溢價，還擴大了其在勞動力市場中的競爭優(yōu)勢。例如，科研人員能夠利用人工智能加速研發(fā)過程。對部分中等技能勞動者而言，人工智能可以自動化其工作中標(biāo)準(zhǔn)化、程序化的部分，使其將注意力轉(zhuǎn)向更具創(chuàng)造性和價值性的工作任務(wù)。例如，保險核保員從簡單的規(guī)則應(yīng)用轉(zhuǎn)向復(fù)雜的風(fēng)險評估。對部分低技能勞動者而言，人工智能的普及帶來了雙重影響。一方面，技術(shù)的“隔離”凸顯了其情感交互等特有技能的勞動價值。另一方面，低技能勞動者缺乏接觸和利用人工智能的途徑，其技能水平難以隨著技術(shù)發(fā)展而同步提升，從而陷入“技術(shù)鴻溝”。這種技能分化類似一個“啞鈴”結(jié)構(gòu)，一端是能夠與人工智能深度協(xié)同的群體，另一端是能夠熟練處理人工智能難以勝任的情感交互等任務(wù)的群體，中間部分則會面臨巨大的轉(zhuǎn)型壓力。

（三）重組過程中重點群體技能轉(zhuǎn)型困難的挑戰(zhàn)

2025年《政府工作報告》指出：要“出臺促進高質(zhì)量充分就業(yè)的政策措施，強化對企業(yè)吸納就業(yè)的支持，高校畢業(yè)生、脫貧人口、農(nóng)民工等重點群體就業(yè)保持穩(wěn)定”。從工作任務(wù)視角看，這些重點群體共同面臨著技能供給與市場需求的結(jié)構(gòu)性錯配問題。具體而言，高校畢業(yè)生雖然具有系統(tǒng)的理論知識儲備，但人工智能的快速發(fā)展使其既有知識結(jié)構(gòu)跟不上從業(yè)技能需求，而教育體系對新興技能的培養(yǎng)也存在明顯滯后性，“招工難”“就業(yè)難”的矛盾持續(xù)存在。脫貧人口和農(nóng)民工群體長期從事傳統(tǒng)制造業(yè)和基礎(chǔ)服務(wù)業(yè)等領(lǐng)域的工作，其既有的技能儲備與傳統(tǒng)領(lǐng)域智能化轉(zhuǎn)型產(chǎn)生的新工作任務(wù)要求存在顯著差距。此外，技能轉(zhuǎn)型所需要的學(xué)習(xí)周期較長、學(xué)習(xí)培訓(xùn)成本高昂，加之轉(zhuǎn)型后職業(yè)前景與回報的不確定性，加劇了這些重點群體的心理壓力和經(jīng)濟負(fù)擔(dān)。總之，這三類群體的技能更新的速度普遍落后于工作任務(wù)迭代的速度，在人工智能重組工作任務(wù)的過程中處于相對弱勢地位。

五、應(yīng)對人工智能重組工作任務(wù)的思考

人工智能對新質(zhì)生產(chǎn)力的發(fā)展有著深刻影響，其通過提升勞動者技能培育新質(zhì)勞動者[30]。因此，為妥善應(yīng)對人工智能重組工作任務(wù)帶來的就業(yè)影響，更加有效地解決人工智能在重組工作任務(wù)的過程中可能帶來的結(jié)構(gòu)性失業(yè)、技能分化加劇和技能轉(zhuǎn)型困難的挑戰(zhàn)，可以采取“擴增量、重協(xié)同、扶重點”的思路，構(gòu)建一個涵蓋“促進、支持、保障”的就業(yè)體系。

（一）擴增量：建立以人工智能創(chuàng)造工作任務(wù)為導(dǎo)向的就業(yè)促進機制

政府應(yīng)著力發(fā)揮人工智能在創(chuàng)造新工作任務(wù)中的正面效應(yīng)，推動技術(shù)進步與就業(yè)促進的良性互動。首先，應(yīng)關(guān)注前沿引領(lǐng)技術(shù)、現(xiàn)代工程技術(shù)和顛覆性技術(shù)的突破，同時重點研發(fā)具有創(chuàng)造新工作任務(wù)潛力的人工智能技術(shù)。其次，通過建立國家級人工智能研發(fā)平臺等措施，持續(xù)加大對人工智能基礎(chǔ)算法、算力平臺和數(shù)據(jù)資源等關(guān)鍵共性技術(shù)的研發(fā)投入。通過政策扶持、資金支持等方式，賦予有能力、有擔(dān)當(dāng)?shù)拿駹I企業(yè)更多自主權(quán)，鼓勵其牽頭承擔(dān)人工智能重大技術(shù)攻關(guān)任務(wù)，尤其是能夠顯著推動產(chǎn)業(yè)升級和就業(yè)增長的項目。最后，聚焦于高價值的應(yīng)用場景，制定人工智能全方位全鏈條普及應(yīng)用計劃。推動人工智能在智能制造、智慧醫(yī)療、智慧城市和農(nóng)業(yè)現(xiàn)代化等具有廣泛就業(yè)前景領(lǐng)域的深化應(yīng)用，通過催生新的服務(wù)模式和業(yè)態(tài)，擴大就業(yè)容量和提高就業(yè)質(zhì)量。

（二）重協(xié)同：構(gòu)建在任務(wù)層面與人工智能協(xié)同發(fā)展的就業(yè)支持體系

政府應(yīng)從任務(wù)層面而非行業(yè)或職業(yè)層面構(gòu)建與人工智能協(xié)同發(fā)展的就業(yè)支持體系。首先，應(yīng)建立任務(wù)層面的動態(tài)評估機制。通過分析不同行業(yè)、不同職業(yè)的工作任務(wù)特征，明確人工智能對不同類型工作任務(wù)的影響路徑，即哪些任務(wù)可能被替代、補充、保留或創(chuàng)造。其次，制定人機比較優(yōu)勢互補的技能提升方案。一方面，加強教育體系與人工智能的深度融合，加快培養(yǎng)人工智能相關(guān)領(lǐng)域的高水平人才。另一方面，勞動者應(yīng)強化人工智能難以替代的創(chuàng)新思維、情感交流和跨領(lǐng)域綜合分析等人類獨特技能。最后，完善適應(yīng)性發(fā)展保障機制。健全終身學(xué)習(xí)機制，幫助勞動者持續(xù)適應(yīng)任務(wù)結(jié)構(gòu)的動態(tài)演進，以構(gòu)建既能積極適應(yīng)、又能主動塑造人工智能時代就業(yè)變革的就業(yè)支持體系，最終實現(xiàn)人工智能與人力資源的互補共贏。

（三）扶重點：實施支持重點群體技能轉(zhuǎn)型的就業(yè)保障政策

制定針對性的就業(yè)保障政策以助力重點群體技能轉(zhuǎn)型，解決技能供給與市場需求的結(jié)構(gòu)性錯配問題，對于應(yīng)對人工智能重組工作任務(wù)的挑戰(zhàn)至關(guān)重要。針對高校畢業(yè)生，應(yīng)以促進供需適配為導(dǎo)向動態(tài)調(diào)整高等教育專業(yè)和資源結(jié)構(gòu)布局，構(gòu)建“人工智能 + 專業(yè)”的交叉培養(yǎng)體系，著重培養(yǎng)如創(chuàng)新思維、適應(yīng)能力、社交能力等軟技能，以增強核心競爭力，并助其順利進入職場。針對脫貧人口和農(nóng)民工群體，應(yīng)聚焦于技能轉(zhuǎn)換和技能提升，提供個性化的就業(yè)指導(dǎo)和職業(yè)培訓(xùn)。例如，在制造業(yè)智能化改造中設(shè)置人機協(xié)作過渡崗位，確保產(chǎn)業(yè)工人能夠平穩(wěn)適應(yīng)人工智能帶來的工作任務(wù)變革。同時，還應(yīng)以多種方式拓展脫貧人口和農(nóng)民工群體的就業(yè)機會，確保其就業(yè)權(quán)益。例如，開發(fā)符合脫貧人口和農(nóng)民工群體技能特征的靈活就業(yè)平臺，提供遠(yuǎn)程工作、兼職等多樣化就業(yè)信息。總之，人工智能的發(fā)展勢不可擋，與其合作共生是勞動者適應(yīng)數(shù)智經(jīng)濟時代的必然選擇。

參考文獻：

[1]ACEMOGLU D，PASCUAL R.The economics of artificial inteligence：anagenda[M]. Chicago：UniversityofChicago Press，2018：197-236.

[2]王林輝，胡晟明，董直慶.人工智能技術(shù)、任務(wù)屬性與職業(yè)可替代風(fēng)險：來自微觀層面的經(jīng)驗證據(jù)[J].管理世界，2022，38（7）：60-79.

[3］黃旭，許文立.公共政策如何應(yīng)對人工智能引發(fā)的失業(yè)風(fēng)險？[J].中央財經(jīng)大學(xué)學(xué)報，2022（10）：71-84+93.

[4］尹志鋒，曹愛家，郭家寶，等.基于專利數(shù)據(jù)的人工智能就業(yè)效應(yīng)研究——來自中關(guān)村企業(yè)的微觀證據(jù)[J].中國工業(yè)經(jīng)濟，2023（5）：137-154.

[5]邱新平，胡孜.人工智能發(fā)展、地區(qū)差異與就業(yè)影響[J].統(tǒng)計與決策，2023，39（4）：75-78.

26-33. ［7］陳琳，高悅蓬，余林徽.人工智能如何改變企業(yè)對勞動力的需求？一 一來自招聘平臺大數(shù)據(jù)的分析[J].管理世 界，2024，40（6）：74-93. [8］黃浩權(quán)，戴天仕，沈軍.人工智能發(fā)展、干中學(xué)效應(yīng)與技能溢價——基于內(nèi)生技術(shù)進步模型的分析[J].中國工 業(yè)經(jīng)濟，2024（2）：99-117.

[9]GALINDO R.How are science，technology and innovation going digital？ The statistical evidence[R].Paris：OECD， 2020.

[10]AUTOR D H，LEVYF，MURNANER J.The skillcontent of recent technological change ：an empirical exploration [J].The quarterly journal of economics，2003，118（4）： 1279-1333.

[11] ACEMOGLU D，AUTOR D. Skills，tasks and technologies：implications for employment and earnings [R]. Amsterdam：Elsevier，2011.

[12] BOIKO D A，MACKNIGHT R，KLINE B，et al.Autonomous chemical research with large language models[J]. Nature，2023（624） ：570-578.

[13]GMYREK P，WINKLER H，GARGANTA S.Bufer or bottleneck？ Generative AI，employment exposure and the digital divide in Latin America[R].Geneva： International Labour Organization，2024.

[14]PALUMBO S，EDELMAN D.What smart companies know about integrating AI[J]. Harvard businessreview，2023， 101（7-8） ：116-125.

[15]EAPEN TT，F(xiàn)INKENSTADT D J，F(xiàn)OLK J，et al.How generative AI can augment human creativity[J].Harvard business review，2023，101（4）：105-120.

[16]NOY S，ZHANG W.Experimental evidence on the productivity effects of generative artificial intellgence[J]. Science，2023（381）：187-192. [17］姚加權(quán)，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動力技能結(jié)構(gòu)調(diào)整的視角［J].管 理世界，2024，40（2）：101-116.

[18]LEUNG M K K，DELONG A，ALIPANAHI B，et al. Machine learning in genomic medicine： a review of computational problems and data sets[J]. Proceedings of the IEEE，2015，104（1）：176-197.

[19]ABRAMSON J，ADLER J，DUNGER J，et al.Accurate structure prediction of biomolecular interactions with AlphaFold3[J].Nature，2024（630）：493-500. [20]殷杰.生成式人工智能的主體性問題[J].中國社會科學(xué)，2024（8）：124-145+207. [21] 朱嘉蔚，金曉貝.人工智能發(fā)展對中國制造業(yè)就業(yè)的影響[J].勞動經(jīng)濟研究，2023，11（5）：121-143. [22] BRYNJOLFSSON E，LI D，RAYMOND L.Generative AI at work[J]. The quarterly journal of economics，2025，1 （4）：102-120. [23]MORAVEC HP.Robot： mere machine to transcendent mind[M].Oxford：Oxford UniversityPress，1999：80-85. [24]JIANG Y，ZHANG R，WONG J，et al.Behavior robot suite：streamlining real-world whole-body manipulation for everyday household activities[J/OL].arXiv，（2025-03-07）[2025-03-10].htps：//arxiv.org/abs/2503.05652. [25]謝宇，索菲婭·阿維拉.基于大語言模型的生成式人工智能的社會影響[J].經(jīng)濟學(xué)（季刊），2025，25（2）： 273-292. [26]AUTOR D H，DORN D.The growth of low-skillservice jobsand the polarization of the US labor market[J].The American economic review，2013，103（5）：1553-1597. [27]潘珊，郭凱明.人工智能、崗位結(jié)構(gòu)變遷與服務(wù)型制造[J].中國工業(yè)經(jīng)濟，2024（4）：57-75. [28]ACEMOGLU D，AUTOR D，HAZELL J，et al. Artificial intellgence and jobs：evidence from online vacancies[J]. Journal of labor economics，2022，40（1）：293-340. [29]WIJK H，LIN T，BECKER J，et al.Re-bench： evaluating frontier AI Ramp;D capabilities of language model agents against human experts[J/OL].arXiv，（2024-11-22）[2025-03-10]. https：/arxiv.org/abs/2411.15114. [30]李曉紅.人工智能與新質(zhì)生產(chǎn)力：多維契合、雙重影響與政策啟示[J].東北財經(jīng)大學(xué)學(xué)報，2024（4）：27-36.

How Artificial Intelligence Affects Employment： ANewUnderstandingofRestructuring Work Tasks

LI Xiaohong'， DAI Zhu1， 2

（1.School of Economics，Guizhou University，Guiyang 55oo25，China; 2.School of Management （Business School）， Zunyi Normal College，Zunyi 563oOo， China）

Summary：Chinaataches greatimportance tothedevelopment ofartificial inteligence （AI），withthe2O24Government Work Report proposing tocarryout the“AI+”initiative，andthe 2O25 Government Work Report emphasizing the need to continuouslypromote the“AI+”initiative.This isconducive tobeter combining AI with manufacturingand market advantages，threbystimulatingtheinnovationvitalityofthedigitaleconomyacceleratingtheformationofnewquality productivityandpromoting hghqualityconomicdevelopment.ThelatestwaveofIspeciallgenerativeIsdriving transformativechangesacross industriesduetoitsstrong learningcapabilitiesandadaptability.Atthesame time，ithas raised global concernsabout employment.Most existing studies focuson whether AI increases ordecreasesoverall employment.However，thisbinarydiscussionoftenoverlooks thecomplexwaysAIafectsjobsandfails toaddressits broader impacts.

Based onthe task-biased technological change hypothesis，this paper argues that AI’s influenceon employment goes beyond simplejobreplacement.Instead，AIrestructures diferent types of work tasks in various ways.Byanalyzing AI's embeddedapplication featureswithinthetechnological-economicframework，thispaper proposesa“4Rmodel\"（replace， replenish，retainandregenerate）texplainhowAIaffctsemployment.Specificalyroutineoperationalandcogniietasks with clearrulesaremore likelytobereplacedbyAI; non-routinecognitive tasksrequiringcomplex problem-solvingare morelikely to bereplenishedthroughAI support; non-routinemanual and socialtasks needingphysical or interpersonal flexibilityaremorelikelytoberetained;andnew，advancedtasksmayberegeneratedasAIbecomesintegrated into workflows.

This paper contributes to previous research in two ways.First，itprovides atask-level perspective for understanding therelationshipbetweenAIandemployment.Second，itsystematicallyidentifiesfourpathwaysthrough whichafects employment，oferingacleareranalyticalframework.Forexample，inhealthcare，AIdiagnostictoolscanreplacerepetitive imageanalysis tasks，asisting doctors in diagnosis.However，tasksrequiring personal interaction，such aspatient counseling，areretained，whilenewroles likeAIethicsreview emerge.Thisstudy highlights theimportanceofaligning technologyadoptionwithreal-worldneeds ratherthanpursuingonlythe mostadvancedsolutions.Itoffers policyinsightsfor promoting innovationandhigh-qualityemploymentintheageofAI.Inordertoappropriatelyadresstheemployment impact ofthereorganization ofwork tasks byAI，anemployment system covering“promotion，supportand protection”can beconstructedalong the linesof“expanding incrementalcapacity，emphasizing synergy，andprovidingsupport for key areas\"，as a means of adapting to the challenges posed by AI.

KeyWords：artificialinteligence;employment;restructuring work tasks；task-biased technologicalchange hypothesis

（責(zé)任編輯：劉欣琦）