阿西莫格鲁：错误的人工智能人工智能与未来的劳动力需求
来源：雪球App，作者：用户8952115082，（https://xueqiu.com/8952115082/129356391）
现在很多人担心AI会带来安全风险及其他难以预料的后果（这些后果通常体现在非经济领域），但我们认为现在有初步的迹象表明不利于经济发展的AI技术正在大行其道，并为未来的技术发展奠定基础。AI技术发展潜力巨大，这意味着我们需要审慎思考它们带来的影响，仔细斟酌如何最好地发展这一充满前景的技术平台。亡羊补牢，为时未晚。财新网链接：网页链接
本文原载《比较》第102辑。
近期精彩内容链接：中国经济增长十年展望(2019-2028):建设高标准市场经济|比较
题图：希腊神话中的智能机械巨人塔罗斯
作者：
达龙·阿西莫格鲁（DaronAcemoglu），麻省理工学院经济学教授
帕斯卡尔·雷斯特雷珀（PascualRestrepo），波士顿大学经济学教授
AI（人工智能）是当前正在研发和应用的技术中，前途最为光明的技术之一。从广义上说，AI指对“智能（机器）代理”的研究和开发。“智能（机器）代理”指能够通过识别周围环境并对其做出反应，进而采取智能行动的机器、软件或算法。谈到AI对我们的安全、社会和经济产生的意义，很多人激动不已，很多人大肆宣扬，还有不少人忧心忡忡。不过我们普遍忽略了一个关键问题：我们是否在投资“正确”的AI技术，即可以最大程度地提高生产率，创造出普遍繁荣的AI技术？迄今为止我们还没有一个明确的答案，实际上没有人知道它的答案。不过目前我们仍然可以影响AI的研究方向以及研究前景，所以现在是提出这个问题的绝佳时机。
作为技术平台的AI
人类（或自然）智能包括多种心智活动，如简单计算、数据处理、模式识别、预测、各类问题解决、判断、创造力和沟通。在20世纪50年代，马文·明斯基等（MarvinMinsky、SeymourPapert、JohnMcCarthy、HerbertSimonandAllenNewell）计算机科学、心理学和经济领域的研究者首次提出AI。早期的AI力求开发出可以从事各类心智活动的机器智能，以创造出真正的智能机器。譬如，赫伯特·西蒙等人（HerbertSimonandAllenNewell）在1958年时声称，“现在世界上已经存在可以思考、学习和创造的机器。此外，它们完成这些任务的能力会迅速提升，直至——在可见的未来——它们能够解决问题的范围与人类心智可达的范围不相上下”。
这些模棱两可的目标很快就破灭了。20世纪90年代，AI再度盛行，但它的志向和之前迥然不同，而且不再那么高调——它的目标是复制并提高模式识别和预测方面的人类智能（早在AI出现前，计算机就已经在计算和数据处理方面超越了人类）。我们日常从事的很多决策问题和活动可以看作模式识别和预测的范例，如（可视数据中的）人脸识别，（听觉数据中的）语音识别，从人们提供的数据中识别抽象范式，根据过去的体验和现有信息做出决策。尽管研究者从事的领域叫作“通用人工智能”（ArtificialGeneralIntelligence），但绝大多数研究和AI的所有商业应用几乎都集中在“窄人工智能”（NarrowAI）这个更狭窄的领域，不过相关应用不胜枚举而且五花八门。AI在硬件和算法方面取得的重大突破使人们重新对它欢欣雀跃。这种突破可以对海量非结构化数据进行处理和分析（譬如，无法用常规结构方法，如类似Excel表的简单数据库展示的语音数据）。AI能够卷土重来的核心原因始终是机器学习的方法和所谓的“深度学习”。机器学习的方法是指帮助计算机和算法在没有显性编程的情况下从海量数据中学习、预测并完成任务的统计学技巧。“深度学习”指利用多层次方案（如神经网络）提升机器学习、统计推断和实现最优化的算法。
即使我们聚焦于狭义AI，仍然应该把AI看作一个科技平台——人们可以通过多种方式将AI技术开发为商用技术或生产技术，而且它的具体应用变化多端，包罗万象。在某种程度上，所有技术集群都表现出这种特点，但在AI上表现得尤为明显。为了更清楚地展示这一点，我们将AI与另一个息息相关但迥然不同的新科技——机器人学——进行比较。机器人学常常利用AI和其他数字科技处理数据，不过与其他数字科技不同的是，它的关注点在于和实体世界的互动（如四处走动、变形、重新摆放物体或把物体连接起来）。工业机器人已经广泛用于很多制造业和零售/批发机构中，不过它们的经济用途只用于特定领域，而且重点关注有限领域内的任务如何实现自动化操作。换句话说，它们要用机器取代之前由人类完成的特定活动和功能。
技术对工作和劳动力的影响
新技术对生产和工作的本质会造成什么影响？对各类工人的就业情况和工资会造成什么影响？无论在民众的讨论还是学术文章中，人们惯常采用的方法是假定任何能够提高生产率（即每个工人创造的增加值）的技术进步也会提升对劳动力的需求，进而促进就业，推高工资水平。当然，技术水平不同的工人从技术进步中获得的益处不尽相同，某个行业的生产率提高会导致该行业的就业机会减少。不过即使某些行业的就业减少，人们通常认为其他行业会相应扩张，推动总体就业和工资水平的上涨。
人们对新科技产生的经济影响进行概念化处理时采用的方式，很大程度上支撑了这个观点，即新技术几乎使劳动力在他们从事的所有活动和任务中都提高了生产率。然而这种观点不仅缺少描述性现实主义（什么科技能统一地提高劳动力在所有事情上的生产率？），而且会过于美化新科技的影响。在这样的世界里，卢德派对科技产生破坏性影响并取代就业的担忧确实会被信以为真，而且这些人妄图破坏所有此类机器。
技术变革的实际情况与人们的假设截然不同。很多新科技（即我们所称的“自动化技术”）没有提高劳动力的生产率，而是打算直接替代这些劳动力，让更廉价的资本（机器）取代一系列原来由人类完成的工作。因此，自动化科技往往会降低劳动力在增加值中的比重（因为采用这些技术后，生产率的提升幅度超过了工资和就业岗位的增长幅度）。由于机器取代工人承担了之前由人力完成的工作，所以它们可能还降低了对劳动力的整体需求。诚然它们也带来了补偿效应，即生产率提高后在一定程度上提升了对从事非自动化工作的劳动力需求以及其他行业对劳动力的需求。不过即使将这些效应考虑在内，自动化也一直在压低劳动力在增加值中的占比。
以上讨论阐明了一个重点：在自动化迅猛发展的时代，劳动力的相对地位会恶化，而且如果新科技没有充分提高生产率，即这些新科技并不是特别出色而只是说得过去（它们只能凑合使用，且它们的生产率并没有明显高于被他们取代的劳动力的生产率），那么劳动力受到的影响会更为恶劣。这类平庸的自动化科技应用于生产后，劳动力需求下降了：没有显著的生产率增长来提高对劳动力的需求，但劳动力被科技取代已经发生了。
这是否有些牵强附会？并不见得。我们曾经研究过最重要的自动化技术之一，即工业机器人产生的影响。研发工业机器人的目的不是提高劳动力的生产率，而是把之前由生产工人在车间里完成的任务实现自动化操作。有相当清晰的证据表明，在采用工业机器人较多的行业，劳动力需求会下降（特别是对生产工人的需求），而且劳动力的占比会大幅度下滑。更重要的是，本地劳动力市场面对的工业机器人越多（如底特律和迪法恩斯），这些地区的就业岗位和工资增长速度下降的幅度越明显。此外，对处于收入分配底部的工人以及大学以下学历的工人，他们的工资和就业下降更严重。尽管行业层面的数据表明机器人提高了生产率，但以上这一切仍然是不争的事实。
自动化并不是近年才出现的现象。科技史上有很多重要的突破都是围绕自动化展开的。最值得注意的是，英国在工业革命早期取得的惊人进步是为了实现自动化编织和自动化纺织，随后又将重心转向其他行业的生产。另外两个典型的自动化发展案例是农业机械化和美国制造业的可互换零件系统。
不过如果自动化很容易降低劳动力的比重，对劳动力需求产生的影响喜忧参半，那么为什么在过去两个世纪里，劳动力的比重基本保持不定，而且生产率与工资同步增长？为了理解它们之间的关系，我们需要认识到推动生产率增长的科技变革分为不同类型。从历史的角度看，尽管自动化科技越来越多地应用于生产生活，但同时其他科技变革会创造出新的任务，而劳动力在这些任务中具备竞争优势。这为劳动力创造出新的活动——在这些任务中，人类劳动力可以被重新引进生产流程——而且由于新的任务改善了劳动分工，所以有力地提升了生产率。始于19世纪下半叶的农业机械化生动地展现了这个模式。尽管机械化降低了劳动力在农业中的比重，导致农业的就业机会减少，但是机械化促使制造业和服务业中出现了一系列新工作，因此对劳动力的总需求上升。事实上，在这个时期，不仅与文书有关的职位明显增长，而且一系列专业度更高的蓝领工作和白领工作也大幅增长，这些工作能够提升劳动生产率、对劳动力的需求以及劳动力在制造业和服务业中的比重。同样，在战后的美国经济中，从事新工作的职业始终在就业增长中名列前茅。
这个观点意味着我们要重新解读科技史，并且从另外一个角度看待工作的前景：把它视为自动化与劳动密集型新工作的一场赛跑。在过去两个世纪，因为有些技术全面提高了劳动力的生产率，所以对劳动力的需求并不是稳定上升。反之，很多新科技力求使劳动力脱离之前由他们完成的专业工作。劳动力仍然受益于科技变革，是因为同期科技创造出了其他新的劳动密集型岗位。这些新岗位不仅使劳动力重新成为生产流程的核心投入，而且对推动生产率提高发挥了核心作用。
从这个角度来看，过去20年的就业和工资增长情况十分令人失望。造成这种现象的部分原因在于生产率增长乏力，而且更重要的原因在于没有出现新工作。如果我们可以采用更多能够提升劳动力需求并确保生产率强劲增长的科技，那么工作的前景会更加光明。
AI的种类
上述分析为思考AI带来的经济机遇和挑战提供了新的视角。绝大多数研究者和经济学家研究AI带来的后果时都认为它使更多工作自动化了。毫无疑问，AI具备这种能力，而且迄今为止，AI的应用多半都属于这种类型，如图像识别、语音识别、翻译、会计、推荐系统和用户支持。不过我们不将这个领域作为AI可以而且应该施展拳脚的首要途径。
首先，如果我们只是沿着自动化的道路继续前进，而不开展补偿性创新创造出新的工作岗位，那么AI无疑会抑制对劳动力的需求。工作机会不会迅速消亡，但劳动力的占比下降以及劳动力需求增长疲软的趋势不会终止，这很可能对收入不平等和社会凝聚力产生灾难性的后果。
其次，随着我们日益深化基于AI的自动化技术，我们进入了新的领域，在这些领域里（譬如图像识别、语音识别或手眼协调），人类劳动力的表现相当突出，而机器的生产率并没有给人们留下深刻的印象，至少在初始阶段是这样。自动化科技的目的在于用机器取代人类从事这些工作，因此有可能表现平平，所以即使生产率增长强劲，我们也不能期望这会提高我们的生活水平，并推高对劳动力的需求。
不过这并不是唯一的选择。AI并不仅仅是预设了具体应用和功能的一组范围有限的技术，而是一个技术平台，所以它的应用领域远远超过了自动化操作，它可以用来重建生产流程，从而为劳动力创造出许多高产的新工作岗位。如果我们有可能引进这类“重振劳动力需求的AI”，那么无论从提高生产率还是推高劳动力需求的角度看，都可能产生巨大的社会效益（这不仅会创造出更多包容性增长，而且规避了失业和工资下降引发的社会问题）。
我们可以通过以下几个例子探讨如何通过应用AI技术为劳动力创造出新的工作岗位：
·教育。教育是AI涉足最少的领域之一。造成这个现象的部分原因是，对于教育领域的绝大多数核心任务，自动化并不是一个具有吸引力的选择，甚至不具备可行性。不过利用AI创造新工作，会成为卓有成效地利用这个新兴技术平台的另外一种方式。以过去两百年里没有发生任何变化的课堂教学为例。老师通常面向教室里的所有学生授课，他或他的助手可能偶尔会开展一对一的教学，或为学生中的某个小群体提供帮助。然而，有证据表明很多学生的“学习风格”不尽相同，适合某个学生的授课方式不一定适用其他人。即使在某门课程中适合某位学生的授课方式也不能在所有课程中“放之四海而皆准”。
目前还不可能做到个性化教学（即针对每个学生或一小群学生因材施教），这不仅是因为老师的工作时间和技能等资源不足。无法实现这个目标的主要原因是没有人有足够的信息确定某个学生学习某门课程或某个课题时的最优学习方式（而且这些信息也很难获得并进行处理）。AI可以改变这一切。人们可以设计AI软件收集和处理实时数据，了解学生的具体反应或学生在各种课程中遇到的困难和取得的成绩（特别在学生面对不同教学风格的背景下），随后为改进个性化教学提出建议。教育的生产率可能会大幅提高（我们尚不清楚是否必然出现这种结果）。用AI赋能的教学方法可能更擅长于帮助学生习得在未来劳动力市场上更有价值的技能（而不是像现在这样，学校中广泛采用保守落后的课程和教学重点），所以它们产生的社会效应可能会远超其带来的直接效应。开发这类科技并将它们付诸实施，还会提高教学对人类劳动力的需求，然而即使得到AI软件和其他技术的帮助，我们仍然需要更多技能各异的老师开展个性化教学。
·医疗。医疗业的情况与教育业类似。尽管人们已经在努力将数字科技引入医疗行业，但他们的重点并非创造出卓有成效地使用人力的任务（事实上，AI的某些应用仍然以自动化操作为主，如放射学领域的应用）。利用AI收集和分析信息可以卓有成效地赋能护士、人员和其他医疗服务提供者，使他们提供更加广泛的服务和实效性更强的医疗建议、诊断和治理。AI在提高劳动力需求和生产率方面产生的效益与它在教育领域中发挥的作用非常相似。
·增强现实。AI技术可以大幅改变生产流程，使其利于劳动力需求的第三个应用领域是在制造业中采用增强现实和虚拟现实科技。在过去30年里，绝大多数先进的制造业技术都是围绕自动化展开的，不过亚马逊（Amazon）和特斯拉（Tesla）等公司已经发现，将所有车间里完成的任务和人力完成的任务都实现自动化在经济上并不划算，因为某些任务由人类完成时的效果更突出。不过，采用工业机器人的公司面对的困境之一是，以下两个因素导致这些新科技与人力的结合还不尽如人意。首先，出于安全方面的考虑，绝大多数机器人科技都与工人严格隔离。其次，人类的工作不一定与机器人技术需要的精度配合得天衣无缝。增强现实技术采用了交互界面以提高人类感知、监控和控制物体的能力，可以使工人与机器协作完成高精度生产任务和综合设计任务增强现实技术。这不仅能够帮助工人保留某些工作岗位（否则这些任务就会被自动化），而且能够创造出新的工作岗位，使人类借力数字科技和传感器的增强功能完成这些任务并提高生产率。
需要注意的是，上文列出的这些新任务远远超出了所谓的AI赋能器，它们都是随着人类能做的工作被自动化产生的，与培训和监控新机器相关的人类工作。这一点非常关键，它意味着仅仅推动具有赋能作用的AI不太可能创造出足够多的新工作岗位和对人类劳动力的需求，从而促进普遍繁荣。
为什么会出现错误的AI？
如果除了简单的自动化技术以外，还存在其他可以提高生产率且利润可观的AI应用，那么我们是否能够指望市场力量和现有公司的创新带领我们实现这些应用？我们是否有理由担心人们不去开发那些有可能重新创造出对人类劳动力有需求的AI应用，而是继续将手中的资源一股脑地投入错误的AI中？
经济学家认为市场能够以最有效率的方式配置资源。不过绝大多数专家认识到一旦涉及创新，市场之星就显得比较黯淡。总的来说，有一些原因导致创新领域会出现市场失灵，而且有些具体原因表明这个问题对于AI尤为重要。
创新的外部性也即不仅创新者会从创新中受益，采用这些新技术的工人和公司也获益匪浅。最重要的是，未来以这些技术为基础更上一层楼的公司和研究者也会受益于这些创新。当存在这种外部性时，市场的表现就不会令人满意。
当存在可供选择但相互矛盾的技术范式时，市场会难以处理这种情形。当一种范式领先于其他范式时，研究者和公司往往会采用走在前面的范式，尽管其他可供选择的范式可能效果更理想。此外，在这种情况下，一旦错误的范式抢先起步，就很难扭转这种趋势，或从其他范式提供的可能性中获益。鉴于人们对AI采取的不同方法构成可供选择但相互矛盾的范式，市场机制在这种情况下未必能做出正确的选择。
为了纠正创新中的市场失灵，美国政府过去一直在利用公私合作鼓励有利于社会发展的研究。它在互联网、传感器、医药、生物技术和纳米技术等很多尖端技术的研发过程中发挥了至关重要的作用。不过最近，美国政府对研究的资金支持急剧缩水，而且在引导技术变革的方向时也不再像以前那样坚定果敢。导致美国政府态度转变的部分原因在于政府支持创新的资源减少，同时私营部门在制定高科技发展议程方面的主导作用越来越显著（政府官员和研究者可以对硅谷创造性活动的发展方向产生有意义的影响吗？）。这种转变进一步抑制了与发展前景（这些研究的成果不会立即反映在利润率上）和其他社会目标（如这些技术会创造新的就业机会）有关的研究。
创新不仅仅对经济激励做出反应。哪些种类的技术能吸引研究者的关注和想象力也受到很多非经济奖励的影响。美国最富创造力的集群（如硅谷）所处的生态系统可能对自动化研发提供了过多奖励，但对其他前沿科技的应用没有给予足够的重视。造成这种现象的部分原因可能是学界领军人物的价值观和兴趣点（譬如，我们可以看看特斯拉这类公司的理念。它们一直在孜孜不倦地试图将所有事情都自动化）。另外一个原因是大型科技公司的主流商业模式和愿景都聚焦于自动化，致力于清除生产流程中那些可能会出错的人为因素（绝大多数投向AI的资源主要来自这些公司）。由于部分龙头企业为学界投入海量资源，影响了一流学府的教学和研究内容，所以人们对创新激励的最后一个看法更为关键。当代精英受计算机科学、AI和机器学习的吸引，但是将大部分关注点放在了自动化上，这完全在意料之中。技术变革包罗万象，具有倾向性的生态系统会扼杀技术变革的发展方向。
此外，可能有一些因素扭曲了人们研发AI应用时对技术类型的选择。第一个因素是如果创造出的就业机会产生的社会价值超出它在GDP数据中的体现程度（如就业人群更加快乐，成为更出色的公民，或因为劳动力需求增长加快，加剧了收入不平等），那么超出的这部分社会价值会被市场忽略。第二个因素涉及美国和其他西方国家的税收政策，这些政策会为资本和投资提供贴补，但对就业征税。因此，使用机器而不是人类劳动力更加有利可图，这些利润不仅会鼓励人们采用自动化，而且促进了与之相关的研究。最后一个因素是其他三个因素的有效补充。由于公司会把劳动力成本（即工资率）考虑在内（劳动力市场不完善往往导致工资高于劳动力的社会机会成本），企业会有激励采用和研发并非最有利于社会发展的自动化技术。
另外还有一组因素阻碍了能够提升劳动力需求的创新型AI应用的发展：这类新技术可能需要重要的互补性投入才能发展起来，而这类投入目前尚不存在。以上文提到的教育领域为例。与人脸识别相比，能够在教育领域创造出新的劳动密集型工作岗位的AI不仅没有被学术界视为前沿或“时髦”的研究领域，而且产生利润所需的辅助性技能和资源完全缺失。我们将AI技术应用于教育界时，教师必须具备更加灵活的新型技能（教师的现有技能和人们正在投资培养的技能除外），而且需要其他资源雇用更多教师使用这些新的AI技术（不管怎样，新技术的着眼点在于创造出新工作岗位并提高对教师的需求）。在医疗业的案例中，资源有限并不是问题的根本所在（医疗在国民收入中的占比一直在上升），但必须开展必要的互补性变革。事实上，正如美国医学会（AmericanMedicalAssociation）展示的那样，医院、保险公司和整个医疗界的组织方式很可能阻碍了这类AI技术的发展，由此凸显了利用新技术创造新岗位时面临的其他障碍。如果人们认为AI技术赋能于护士和技师并提高他们的生产率，这会降低对医生服务的需求，或对当前医院采用的商业模式提出挑战，那么人们就会坚决抵制这类技术。
总之，尽管当前没有真凭实据表明研究机构和公司资源直接投入了“错误的”AI技术，但创新市场没有提供令人信服的理由让人们相信各类AI技术之间会达成有效均衡。如果在当前这个关键时刻没有充分重视创造对劳动力有需求的工作岗位（不是简单地取而代之），那么从社会和经济的角度看，这类AI技术就是“错误的”。四处泛滥的自动化不仅不会提高生产率和增加就业，使人们更加广泛地共享繁荣，反而会导致增长乏力，不平等加剧。
结语
人工智能终将影响我们生活的方方面面，更不用说现代经济中的生产组织方式。不过我们不应该想当然地认为，任其自行发展，正确的AI技术就会得到开发和实施。现在很多人担心AI会带来安全风险及其他难以预料的后果（这些后果通常体现在非经济领域），但我们认为现在有初步的迹象表明不利于经济发展的AI技术正在大行其道，并为未来的技术发展奠定基础。AI技术发展潜力巨大，这意味着我们需要审慎思考它们带来的影响，仔细斟酌如何最好地发展这一充满前景的技术平台。亡羊补牢，为时未晚。
刁琳琳译
《比较》总102辑（2019年第三辑）
点阅读原文，以优惠价订购
点阅读原文，以优惠价订购最新一辑《比较》杂志
浅析当前劳动力市场变化的七个新趋势
随着经济发展模式的调整和流动制度改革的深入，劳动者的供需和流动也呈现出一些新的特点。从相关地区和行业的调研数据看，有七个方面值得注意。
具有专业知识和技能的人才日益紧缺。技术进步和产业结构升级的加速导致高技能人才成为人力资源市场热需并将持续较长时期。人社部数据显示，截至目前，我国技能劳动者超过2亿人，其中高技能人才超过5000万人。但我国技能劳动者占就业人口总量仅为26%，高技能人才仅占技能人才总量的28%，技术技能人才的求人倍率超过2。此外，人社部公布2020年第四季度全国“最缺工”的100个职业排行中，冶炼工程技术人员、铸造工、金属热处理工等岗位纷纷挤进榜单。其中，钢筋工、机修钳工、纺织染色工等岗位短缺程度持续加大。从区域看，也存在经济发展水平拉动专业知识和技能需求的特征。短缺职业排行显示，在经济发展水平比较高的东部地区，第二大类（专业技术人员）的短缺比较明显。
职业培训日益得到流动劳动力的重视。职业培训是提升就业质量的重要一环且日益得到劳动者的重视。针对近年来进入上海流动劳动力的调查发现，40.7%的劳动者在外出前接受过职业技能培训，有66.9%的劳动者在进入上海劳动力市场后接受过培训。在对培训作用的评价上，超过七成的流动劳动力认为参加职业技能培训对找工作是有帮助的。
新型城镇化战略成为劳动力流动的风向标。党中央国务院先后出台了系列战略性文件推动区域经济社会发展，解决发展中的不平衡不充分问题，这些政策已经对劳动力流动产生了风向标作用。《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》提出，建立以中心城市引领城市群发展、城市群带动区域发展新模式，推动区域板块之间融合互动发展。《2020年中国城市人才吸引力排名报告》（以下简称《报告》）显示，超过60%的人才流向五大城市群，长三角、珠三角、京津冀、成渝、长江中游城市群人才流入占比分别为23%、14%、13%、7%、7%。
劳动力在大城市流动呈现出“一升一降”的特点。相关单位对近几年在上海的调查显示，劳动力流动呈现出高校毕业生规模增长、简单劳动力流入规模缩减的特点。流动人员每年进入大城市劳动力市场的时间有两个高峰期：一是春节过后的三四月份，回老家过年农民工及其介绍的亲友、老乡大量进入劳动力市场；二是每年七八月份的大学生毕业季，大量应届毕业生集中涌入劳动力市场。从近几年的情况来看，七八月份的劳动力流入高峰屡创新高，三四月份的劳动力流入高峰则连续两年呈现缩减的趋势。
流动劳动力的就业稳定性呈现出增长之势。从就业的稳定性看，流动劳动力的就业稳定性呈现出增长之势。以相关单位对2019年上海的调查为例，流动劳动力在当前单位持续就业时间平均为36.7个月，超过了3年；与上年相比增长0.5个月，与5年前相比增长2.5个月，总体而言有逐年增长的态势。在同一家单位连续就业时间的不断增长，意味着流动劳动力就业稳定程度的不断提高。
农民工流动呈现“一增一减”的趋势。农村剩余劳动力的城乡流动是我国劳动力流动的重要组成部分。近年来，随着人口年龄结构转变、乡村振兴战略以及大量支持农民工返乡创业政策的实施，农民工在乡城之间的转移呈现出“一增一减”两个特点。“一增”是农民工返乡创业持续增高，根据农业农村部的数据，2020年全国返乡入乡创业创新人员累计达到1010万人，比上年增加160万人，增长19%。“一减”是农民工跨省流动比例降低。国家统计局2020年发布的农民工监测数据显示，2019年，在外出农民工中，在省内就业的农民工有9917万人，比上年增加245万人，增长2.5%；跨省流动农民工7508万人，比上年减少86万人，下降1.1%。省内就业农民工占外出农民工的56.9%，所占比重比上年提高0.9个百分点。
以网络招聘为代表的人力资源服务在劳动力就业和流动中发挥着越来越重要的作用。移动互联、人工智能、大数据等技术进步及其和人力资源服务的深度融合催生了招聘行业的信息化、智能化发展，招聘活动的参与主体、渠道、方式日益多元化。云招聘、空中宣讲会、线上招聘等各种方式不断涌现扩张，大大提升了招聘服务的空间和深度。很多网络招聘公司和平台正在抓住此次机遇，跨界进入人力资源服务行业，网络招聘服务在2020年新冠肺炎疫情的情况下，通过自身服务以及与政府相关职能部门的合作，以“互联网+就业”的模式，有效地减轻了疫情对就业的冲击，有力促进了就业。从对上海农民工的调查看，在流动劳动力获取信息的主要方式中，通过手机获取信息的约占82.6%，浏览互联网的约占69.7%。通过手机获取信息的流动劳动力所占比重持续上升，手机已经成为流动劳动力获取信息的首要渠道。
上述趋势变化的背后，是我国劳动力市场近几年供需力量对比转变的写照。从供给看，人口年龄结构转变导致的青壮年劳动力下降，是农村劳动力外出务工减少的主要原因，同时，由于新生代劳动力职业观念、行为习惯的变化，也催生了网络招聘等择业途径的转变。从需求看，快速发展的科学技术成为我国经济结构转型升级加速的推进剂，这带来了对高素质劳动者需求的日益增长；区域发展格局、城乡发展格局也正在经历一个较大的发展变化时期，在双循环发展格局之下，这种结构性变化还将进一步深化，西部地区、农村地区对劳动力的吸引力在增加，也在一定程度上推进了劳动力向农村回流，这对乡村振兴战略的实施是一个利好。
面对劳动力市场变化的新趋势，公共政策应给予相应关注。一是推进公共服务资源特别是就业、教育、培训等向乡镇和农村下沉；二是发挥各类培训资源的协同作用，突出用人单位在流动人员培训中的主体作用，鼓励企业根据员工工作年限长短实施激励性培训并给予政策支持；三是提高劳动力流动的信息监测和服务水平，充分利用现代信息技术，打通公共服务平台和大型市场服务机构之间的信息交流渠道，形成劳动力市场监测的有机统一体系。
（作者为中国人事科学研究院人力资源市场与流动管理研究室主任、研究员）
2023年中国劳动力市场展望
摘要：本文将从新冠肺炎疫情大流行及防疫政策的变化、经济结构调整、劳动力市场供求关系所呈现出的总量矛盾和结构矛盾、青年失业状况、新就业形态等灵活就业模式的发展、低碳转型和全球产业链调整对企业用工的影响，以及经济下行期的劳动关系状况等方面，对2023年劳动力市场走势做出判断分析，并提出相应的促进就业政策建议。
关键词：劳动力市场；灵活就业；就业政策建议
2023年是中国共产党第二十次全国代表大会后实施新的政略方针的第一年，也是落实“十四五”规划的关键一年。根据第七次全国人口普查数据的推算，伴随老龄化加速，中国劳动年龄人口总量和占总人口的比重将持续下降，预计15—59岁劳动年龄人口将从“十三五”末期的9.1亿人下降至2023年的8.8亿人。按照一般的经济增长和人口发展预测结果，劳动力市场总体呈现供需平衡的局面，还将出现劳动力供不应求的情形，就业结构性矛盾将取代就业总量矛盾成为主要矛盾。但自从新冠肺炎疫情大流行，特别是2022年第二季度以来，就业情形发生了急剧变化。针对2023年劳动力市场的新变化，在此提出以下七个方面的预判。
首先，新冠疫情大流行将使我国经济和企业遭受持续冲击，经济前景面临放缓和不确定性，从而导致周期性失业的严峻局面。借鉴一个根据失业水平判断宏观经济状态的“萨姆法则”（SahmRule），即最近3个月失业率平滑水平比过去12个月中最低失业率数值高出0.5个百分点，则意味着经济处于衰退状态，可以得出判断，在2020年第一季度、2022年第二季度和第四季度，宏观经济均处于周期性下行区间，存在明显的周期性失业。从企业用工情况看，国家统计局制造业采购经理指数（PMI）和非制造业采购经理指数在上述同期也基本维持在50的荣枯线以下，其从业人员指数也保持一致走势。据人力资源和社会保障部对民营企业的调查，63.1％的企业认为疫情因素可能是影响2022年第二季度劳动用工的风险和挑战，占比高居榜首。政府在2022年末连续发布优化疫情精准防控的政策措施，使市场信心受到一定鼓舞。但由于新冠肺炎疫情的隐匿性强、传播快速，企业经营仍感到巨大的不确定性，对服务业和劳动密集型企业影响尤甚，而这类企业恰恰是吸纳就业的蓄水池。企查查数据显示，截至2022年11月末，餐饮企业本年度共注销吊销495457家，仅上半年注销吊销数据就超过了2020年全年。城市封控对外来农民工、货车司机和快递小哥就业也有不小的影响，以致使外来户籍人口城镇调查失业率在2022年第一季度末、第二季度和9月以来均高于城镇调查失业率和本地户籍人口城镇调查失业率。三年来疫情对经济社会和就业领域的“疫情综合征”逐步显现，疫情催生的“人员精简模式”可能成为未来的企业生产经营模式，导致用工需求减少。在未来一年，即便采取优化防控和有序开放的措施，疫情仍会对经济和就业产生长时间的不利影响。据估计，当第一波大规模冲击达到最高峰时，人群中的感染率可能达到60%左右。至于染疫将使多少劳动者劳动能力受到影响，目前还无从研究。
其次，经济结构调整重在建设现代化产业体系，产业迭代和技术进步对劳动力素质提出了更高要求，也会对传统产业就业人群产生不利影响。一方面，国家支持专精特新企业发展，推动制造业高端化、智能化、绿色化发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等新的增长引擎，以推动产业的升级换代，需要大量高素质劳动力。另一方面，一些传统产业如房地产业的衰退导致钢铁、煤炭行业需求大减，企业纷纷减产停产、裁员降薪。加之未来坚持住房不炒、租购并举的住房政策，有估计认为需要三成钢企倒闭，才能保持正常经营，一些钢企的减员、降薪、停产在所难免。
第三，劳动力市场同样面临需求收缩、供给冲击、预期转弱的三重压力，既反映宏观经济下行中的总量就业冲击，也凸显出长期的结构性就业矛盾。据估计，2023届高校毕业生规模预计为1158万人，同比增加82万人。因此，城镇新增就业须达到1200万人以上。在经济前景面临放缓和不确定性、周期性失业接踵而至的情况下，要完成上述就业目标的压力难以想象。结构性就业矛盾突出反映在制造业的用工荒问题上。根据人社部数据，在2022年第三季度全国“最缺工”的100个职业排行中，有58个属于“生产制造及专业技术人员”，其中车工、焊工排名前十。根据中智公司2022年调查，40%以上的高科技制造、能源化工企业面临常年的用工荒，汽车制造、机械设备、消费品制造企业主要面临特定时期，如生产旺季的用工荒，有不同程度用工荒问题的企业高达83%。但即便如此，也鲜有青年人愿意进工厂做工，原因主要是薪资待遇差、工作强度高、个人自由度低和缺乏晋升空间。深层次结构性就业矛盾还反映在经济结构和发展模式调整所产生的“创造性破坏”效应。由于创新型经济代替原有的劳动密集型制造业，新产生的就业岗位需要的技能，并不是市场上失去岗位的人群所具备的，以至于劳动力市场供需错配严重。
第四，青年失业率将继续居高不下，高校毕业生就业持续承压，成为中国劳动力市场的突出问题，也显示出结构性失业及相应的就业困难十分严重。2022年7月，16—24岁人口调查失业率高达19.9％，到10月仍然维持在17.9%（见图1）。与14.9%的2022年世界青年失业率相比，中国青年失业率明显偏高。主要原因在于：一是近年来高校毕业生总量快速增长。2022全国应届高校毕业生总量达到1076万人，同比增加167万人；而2023届高校毕业生比2022年再增加82万人。二是大学毕业生职业技能、工作积累和社会经验不足，以至于出现农民工群体比大学毕业生受欢迎、工资高的现象。疫情导致高校线下教学一再中断，实践、交流机会大为减少，致使其整体能力素质受到怀疑。三是高校专业设置滞后于经济发展的现实要求，而成长于生活富裕的一代青年，对职业种类、工作环境更为挑剔，他们更青睐金融、教育培训、互联网、文娱等服务业公司，对制造业则不感兴趣，因而导致供需错配。四是部分青年选择“稳就业”“慢就业”。他们有择业的战略缓冲区，有的还有着父辈创下的经济条件做支撑；有的则去考研究生、考公务员。2023年考研人数为520万人，同比增加63万人，再创历史新高。
数据来源：根据国家统计局数据制作。
第五，新就业形态蓬勃发展，各种灵活就业模式将吸纳许多劳动力就业，是未来我国的就业主渠道之一，但灵活就业的发展尚不稳定规范。到2021年末，灵活就业人员已达到2亿人左右，其中共享经济平台从业者达到8400多万人。我国新就业形态的发展在世界范围处于前列，在从业者规模、服务覆盖范围和行业渗透率方面处于领先地位。目前在劳动力市场上规模较大的新形态就业者主要有四类：一是电商平台就业，主要包含在各类电商平台上开网店的创业者以及围绕网店运行的相关从业者，如网络主播；二是基于指定位置平台上的劳动者，如网约车司机、外卖骑手、快递员等；三是基于在线平台就业模式，支持有一定技能的从业者，如程序员、设计师、法律工作者、网络写手等借由互联网平台获取订单、开拓业务；四是基于社群经济（Communityeconomy）的就业模式，以社群作为连接从业者与消费者的就业模式。目前，新就业形态已经涉及包括零售、贸易、餐饮、物流、交通、医疗、教育等各行各业，成为就业市场岗位创造的重要源泉。另据研究，2021年灵活用工人数约为全国企事业单位用工总数的27%。超过六成的企业使用灵活用工，超四成的企业采用与劳动者没有劳动关系的用工形式。在组织变革和技术革新的背景下，灵活用工的理念已被越来越多的企业所接受，且企业灵活用工岗位向专业性、技术性岗位扩展。从灵活用工的保障维度看，由于缺乏法律保障，灵活就业人员就业不稳定、收入不连续，工时过长，且缺乏必要的社会保障。
第六，劳动力市场也面临其他诸多新问题、新挑战。比如，企业向低碳生产方式转型和形成绿色工作的政策措施对企业用工的影响；西方国家与我国的地缘政治矛盾和科技安全战略导致其全球产业链重新布局，将在华企业向其他国家转移，并对我国高科技企业打压封锁，也将对就业产生不利影响。
第七，经济下行期的企业劳动关系将继续不稳定，劳动争议持续攀升，构建和谐劳动关系面临严峻挑战。企业用工灵活化、“去劳动关系化”的势头正在蔓延。其表现主要有以下三个特点：一是正在由服务业平台转向制造业。二是开始内卷化，不实行日工制则招不到人，其本质都是去劳动关系化，劳动者权益保障存在不少隐患。三是企业选择灵活用工与人力资源产业链的控制密切相关，并非都是出于劳动者的自愿选择。
收入分配格局有待进一步优化，中小企业面临经济发展难题和员工工资增长困境。我国仍有相当数量人口收入水平偏低。2020年，全国居民人均可支配收入中位数29975元，意味着有一半人口月均可支配收入不到2500元。劳动报酬占比总体偏低，导致全国居民人均可支配收入与人均GDP的比值由2000年的0.48下降到2020年的0.45。工资收入分配差距较大且呈扩大趋势。仅从行业差距看，全国十九个行业门类城镇单位就业人员年平均工资极值绝对差（城镇单位就业人员年平均工资最高行业门类与最低行业门类年平均工资之差）由2016年的88866元，扩大到2020年的129004元。
数据来源：根据人力资源和社会保障部历年统计公报制作。
劳动争议案件数量高位运行，劳动用工矛盾凸显。图2显示，疫情以来，各级劳动人事争议调解组织和仲裁机构办理劳动人事争议案件起数和涉及劳动者人数均持续大幅上升。到2022年第三季度末，全国劳动人事争议仲裁机构立案受理案件110.4万件，同比增长20.3%；涉及劳动者人数122.9万人，同比增长19.7%。当前和未来劳动争议呈现以下特点：一是劳动者趋于年轻化，普通劳动者居于主导。由普通管理类、技工类、服务类等岗位劳动者引发的劳动争议数量占据案件劳动者主体的多数比例。二是争议所涉行业分布广泛，中小微企业为主体。受疫情和经济结构调整影响，部分企业生产规模缩减，经营压力加大，争议案件在很多领域和行业均呈现高发态势。其中，电子科技类行业、建筑行业、传统制造业、餐饮服务业及快递零售行业等劳动密集型行业仍是劳动纠纷高发领域，中小微企业不规范用工行为较为突出。三是企业青睐灵活用工，劳动者权益保障问题突出。用人单位采用的灵活用工模式主要包括非全日制用工、劳务派遣、借调、劳务外包等，部分企业存在用工不规范、未履行法定义务，损害劳动者合法权益的情形。四是网络平台用工受瞩目，劳动关系存争议。从争议所涉平台的分布行业看，涵盖了网约车、互联网金融、外卖、代驾、快递、视频直播、家政服务等行业，劳动者的诉求主要集中在确认劳动关系、追索劳动报酬、解除劳动合同及其经济补偿金等。其中确认劳动关系的案件数量最多，显示互联网平台与从业人员之间法律关系的性质在未来仍将是劳动争议的难点和热点。
针对民生福祉存在的问题，党的二十大报告以共同富裕为目标，对今后一个时期的劳动保障政策做了系统阐述规划。主要包括：完善分配制度；实施就业优先战略；健全劳动法律法规，完善劳动关系协商协调机制，完善劳动者权益保障制度，加强灵活就业和新就业形态劳动者权益保障；健全覆盖全民、统筹城乡、公平统一、安全规范、可持续的多层次社会保障体系，等等。
建议坚持疫情优化精准防控的政策方针，有序开放经济社会活动。以民生保障为第一要务，最大限度地提振企业家的市场信心与复工复产，以利于就业优先战略的实施。以重大工程建设、以工代赈项目优先吸纳农村劳动力，促进农村劳动力就近就业，增强务工人员劳动技能，保障农村劳动力收入增长。千方百计促进大学毕业生就业，发挥中小企业吸纳就业作用，支持自主创业和灵活就业。鼓励更多毕业生报考重点领域和一线岗位，健全就业指导服务体系，有的放矢开展就业指导，引导毕业生从实际出发选择职业和岗位，营造全社会关心支持毕业生就业的良好氛围。
参考文献：
[1]习近平：《高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告（2022年10月16日）》，《人民日报》2022年10月26日第01版。
[2]蔡昉：《中国面临的就业挑战：从短期看长期》，《国际经济评论》2022年第5期。
[3]莫荣：《努力实现稳就业保就业目标》，《经济研究参考》2022年第7期。
[4]聂生奎，刘军胜：《以深化企业工资分配改革推进共同富裕》，《中国党政干部论坛》2022年第5期。
[5]杨伟国，吴清军，张建国等著《中国灵活用工发展报告（2022）》，社科文献出版社，2021年12月。
[6]向晶，蔡翼飞：《“十四五”及未来中长期中国劳动力供需趋势及对策分析》，《重庆理工大学学报》（社会科学）2020年第2期。
[7]张成刚：《新就业形态大规模涌现已成趋势》，《环球时报》2022年11月8日。
（作者系中国劳动关系学院教授）
【经济学派公众号阅读全文】
人工智能对人力资源的替代影响研究
随着人工智能展现出革命性的自主学习与自我进化能力，人工智能及其与人类的关系已经成为全球各国与社会各界的热议话题。人工智能蕴含巨大的商业机会和战略价值，不仅能够推动产业升级实现经济发展，还能改善个人与公共服务水平，提升社会福利。然而，人工智能在改善生产水平和生活品质的同时，也带来了风险和挑战，譬如无人驾驶机器人的事故责任、用户数据隐私泄露以及劳动就业歧视等。所以人工智能在经济、社会和伦理等方面带来的利弊优劣，值得更广泛深入探讨。其中"机器换人"的忧虑再次伴随新一轮的技术发展而出现，人们普遍对人类劳动力会否被人工智能机器所取代而感到担忧和恐慌。2017年美国一项关于人工智能的调查显示，大多数受访者都对人工智能持有好感，但30%的受访者认为人工智能会抢占工作机会[1]。当前我国正处于从传统资源驱动发展模式向创新科技驱动发展模式的转型升级阶段，近年在人工智能领域进行了一系列战略部署，抢占"2030人工智能高地"[2]，促进"人工智能与实体经济深度融合"[3]，发展"负责任的人工智能"[4]等，很有机会成为走在世界前列的人工智能技术国家。当然，中国也是人力资源大国，拥有约9亿的适龄劳动人口，巨大的人力资源存量即将面临人工智能带来的就业冲击，因此厘清人工智能对人力资源的替代影响关系，已经成为理论界与实务界的紧迫课题。
一、人工智能的内涵、价值和争议(一)人工智能是一系列技术的集成人工智能(ArtificialIntelligence，AI)概念自1956年首次提出以来，已经发展成为一个多学科综合交叉的宽泛概念。普遍认为，人工智能是"一门关于如何表述、获取和使用知识的科学"[5]，研究"如何使计算机去做过去只有人类才能完成的智能工作"[6]。其实，所有对人类智慧能力的研究和模拟都可算作人工智能，它是一个涵盖多个技术领域的概括性术语。其发展经历了多个阶段：20世纪60年代属于起步发展期，人工智能在数学和自然语言领域取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等；20世纪七八十年代属于应用发展期，出现了模拟人类专家运用知识经验解决特定领域问题的专家系统，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破；20世纪90年代到21世纪初期属于稳步发展阶段，由于互联网技术的普及以及在神经网络的深度学习领域取得的进展，人工智能技术进一步走向实用化；2011年至今属于蓬勃发展期，随着大数据、云计算、互联网、物联网的发展，图像分类、语音识别、知识问答、人机对弈、无人驾驶等一系列技术取得突破性进展，人工智能领域开始迎来爆发式增长[7]。总体来说，数据挖掘与学习、知识和数据的智能处理、人机交互等三类技术可以视作人工智能在当前应用场景中的关键技术[8]。按照Gartner人工智能技术成熟度曲线[9]的标准，人工智能的发展历程就是一系列技术集合从新生到成熟的演变过程。
(二)促进人类劳动解放是人工智能的终极使命技术发展与应用影响着人类的劳动形式。从技术发展历史来看，人工智能是人类持续改造劳动工具服务于社会生产的必然产物，也是社会生产力进步和劳动生产率提高的象征。在技术欠发达时期，体力劳动是基本的劳动形式。随后，机器生产逐步替代人的体力劳动，帮助人类摆脱了笨重、危险的体力生产，脑力劳动成为主要的劳动形式。后来，在信息化和智能化技术的影响下，智能机器开始帮助人类摆脱脑力劳动。与历次技术革命一样，人工智能进一步取代了机械化和单调化的生产劳动，减轻了人类的体力负担、脑力负担和智力负担。根本上来说，人类创造人工智能就是为了减轻劳动负担，提高劳动效率。在提高生产力的同时，节约时间和资源，获得劳动解放，向真正的自由劳动复归[10]。只不过，目前的人工智能发展水平尚不能完全解放人类的生产劳动，只能进行局部功能替代。从劳动能力角度来看，虽然人工智能的机械力量基本取代了人类的肌肉力量，使得人类从事的体力劳动越来越少，但是人工智能的重复性运算、大数据统计学习和知识存储等能力，仅仅能替代人类的部分智力劳动，还有许多智力劳动仍需要凭借人类的创造力、想象力和控制力才能完成[11]。不管怎样，人工智能技术发展的根本动力仍是人类获得劳动解放，实现自由全面发展的终极希望。
(三)发展人工智能须符合人类价值观伴随人工智能而来的数字化、智能化技术，正在冲击着既有的世界秩序。虽然自动驾驶可能比人类驾驶更安全，智能诊疗可能比医生更准确，语音识别可能比速记员更迅速，但是由此带来的虚假信息、隐私暴露、算法黑盒、网络犯罪等伦理问题，也引发了全球范围内的反思与讨论。近年来，为引导"科技"向善，赋予"算法"正确价值观，政府、产业和学术界协力达成了一系列关于人工智能的发展共识，也让伦理成为人工智能研究与发展的根本组成部分。2018年以来，中国、美国、新加坡、阿联酋等10余个国家和地区已明确将人工智能治理纳入人工智能的总体发展战略。此外，欧盟、OECD、G20、IEEE、谷歌、微软等诸多跨国主体也从各自角度提出了相应的人工智能伦理准则，共同促进人工智能健康有序发展[12]，详见表1。只有以人类价值伦理为导向，在规范约束下实现人、社会、技术之间的良性互动和发展，才能让人工智能持续造福人类，推动人类社会发展进步。
表1(Table1)表1关于人工智能的主要伦理框架或原则发布主体框架原则来源及时间电气电子工程师学会提出的一般原则包括：确保AI不侵犯国际公认的人权；在AI设计和使用中优先考虑人类福祉的指标；确保AI设计者和操作者负责任且可问责；确保AI以透明的方式运行；将AI滥用风险降到最低。AI白皮书《道德准则设计》，2017-12经济合作与发展组织总共有五项原则：包容性增长、可持续发展和福祉，以人为本的价值和公平，透明性和可解释，稳健性和安全可靠以及责任。《负责任地管理可信赖的AI的原则》，2019-05新加坡确保两个主要原则：一是协助机构确保AI作出的或在AI帮助下作出的决定对公众来说是可解释的、透明的和公平的；二是AI解决方案以人为本。此外，还从四个方面阐述了适用于常见AI部署流程的关键道德原则和实践：内部治理结构和措施、自主决策中的风险管理、运营管理和客户关系管理。《人工智能治理框架》，2019-01欧盟包含三个层次：可信赖AI的根基，可信赖AI的实现，可信赖AI的评估。《可信赖AI伦理指南》，2019-04日本分别从人类、社会系统、产业构造、创新系统、政府监管五个维度勾勒了"AI-Ready社会"的愿景。《以人类为中心的人工智能社会原则》，2018-12谷歌包含七项原则：对社会有益；避免建立或加剧不公与偏见；保障建立与测试中安全性；对人类负责；建立并体现隐私保护原则；支持并鼓励高标准的技术品格；提供并保障上述原则的可操作性《谷歌AI原则》，2018-06微软提出六项原则：公平、可靠和安全、隐私和保障、包容、透明、责任。《计算未来：人工智能及其社会角色》，2018-08腾讯提出三项准则：一是技术信任，人工智能等新技术需要价值引导，做到可用、可靠、可知、可控；二是个体幸福，实现个体更自由、智慧、幸福的发展；三是社会可持续，善用技术塑造健康包容可持续的智慧社会。《智能时代的技术伦理观——重塑数字社会的信任》，2019-06表1关于人工智能的主要伦理框架或原则二、人工智能对人力资源的替代影响在21世纪的前20年间，在人工智能技术发展影响下人力资源领域发生了剧烈变化，"现行的劳动法规、工作框架以及生产合作关系的平衡已被新的趋势所打破，新近出现的大量非标准的工作形式，如自由职业、自我雇佣、独立承包、零工经济等，对传统劳动权益保护的思维定势提出了挑战"[13]。近年来，一幅全新的劳动就业图景正在形成。宏观上，技术进步引发的劳动力替代效应不可避免，所有人力资源都须适应人工智能带来的劳动力市场结构变化。尤其是在组织层面，自动化技术将重塑内部流程和管理标准，驱使人力资源组织将主要资源聚焦于更加精益、更加核心的关键业务。微观上，随着工作场景的转换，未来的工作形式、内容和技能都将面临新的要求。事实上，人工智能时代发生在人力资源领域的劳动、就业与雇佣关系演变，将主要体现在劳动力市场、组织、职业、任务和技能等方面。
(一)劳动力替代人们普遍认为，技术是经济进步与增长的主要原因，但技术变革也常常引起人们被新技术手段取代的担忧，产生所谓的技术性失业[14]。尽管技术性失业在历次技术革命中并没有被确凿的证据证明，但本次人工智能表现在自动化和数字化领域的技术进步，再次引发了人们对被人工智能机器取代而导致失业的恐慌。众多学者和机构从不同角度对未来的技术性失业风险进行预测(表2)，虽然失业率的这些预测值是基于当前经济规模与发展模式的推演，而非事实，但是人工智能和自动化带来的中间高、两边低的就业极化现象已经出现，即人工智能对中间技能劳动力的替代最为严重，相反，对高技能与低技能劳动力的就业需求有所增加[15]。当然，也有学者进一步认同了人工智能能够覆盖大部分的劳动领域，具备学习能力的机器人将使人类更容易实现目标。因此，机器人在未来将协助人类在许多场域扮演重要的角色[16]。Borenstein认为，未来机器人在产业界的应用会越加广泛，因此会对人类就业机会及工作模式产生重大影响，虽然机器人的创新应用也会随之带来新的工作机会，但是因机器人能够执行重复性高的工作，使其取代人类员工的可能性变高[17]。从理论逻辑上讲，人工智能必将打破现有的劳动力市场结构，但实际上由于环境不断变化，人工智能带来的技术进步在短期导致失业后，长期来看也会增加就业[18]。事物发展具有利弊两面性，人工智能对劳动力的影响需要辩证看待，短期内人工智能驱动下的自动化技术的确会降低劳动力需求，对劳动参与、工资报酬等产生负面影响，但从长远来看，由于低端繁杂的劳动任务被大量解放，劳动力市场也会催生出新的就业岗位。
表2(Table2)表2技术性失业风险预测机构预测德勤美国38%、英国30%、日本21%、德国35%的工作面临被取代风险麦肯锡在60%的职业中至少有30%的工作任务可以被取代罗兰贝格到2035年，将消失830万个产业工作岗位，新增1000万个服务工作岗位牛津大学美国47%的工人面临被取代风险世界银行发展中国家有66.6%的工作面临被取代风险国际劳工组织未来20年全球有56%的工作面临被取代风险经济合作与发展组织9%的工作面临高风险，50%—70%的工作面临低风险表2技术性失业风险预测(二)组织管理替代环境变化是组织管理模式变化的动力。人工智能时代组织内外部环境日趋多变、复杂和紧张，企业的经营与管理也将随业务模式改变而悄然改变。内部而言，当组织管理的主要构成变成了与人相近的"智能"，传统以"人"为核心的组织价值观、业务分工、生产合作方式将受到严峻考验。一方面，层级组织模式将被开放式的组织模式替代。以科层制为代表的层级组织模式在传统的组织管理中具有重要的影响作用，但新的社会生产环境对信息传递方式、人才雇佣与协作模式提出了新的要求。个体与组织间的层级关系会转变为"联盟"关系，层次式的信息结构转为网络式信息结构[19]。个体与组织之间也不再是层级从属关系，而是合作且平等的网络关系[20]。Arthur等学者提出的"无边界职业生涯"概念很好地阐释了个体与组织之间关系发生的根本性变化，即成员不再将组织视为终身效劳的对象，而是一个能力提升的职业发展平台[21]。另一方面，人才管理将被"心智管理"替代。表面上来说，随着大数据分析、智能化、云计算等技术引入，极大地简化了日常行政工作，组织的人才管理工作效率和工作精准度能够大幅提升[22]。尤其在人才甄选领域，人工智能通过情景化、游戏化等测评技术[23]，在降低面试主观偏差、减少应聘歧视、搜寻匹配候选人等方面已经表现出突出的优势[24]。但实际上更为核心的是，人才管理关注的重点不应再是事无巨细的"规则"，而应该是员工的"心智"。因为未来能够稳固维系人与组织联系的将从劳动契约变为心理契约[25]，所以人才管理需要为组织创造新的价值，摆脱传统事务性工作，向更具创造性、更需理解力的工作转变，如塑造公平感、培养道德行为、营造互信氛围等。事实上，新时代的人力资源管理核心就是建立基于信任与尊重的新型劳动雇佣关系[26]。总而言之，人工智能一定会在某种程度上替代传统的组织与管理模式，人才管理部门应当积极尝试在不同的工作环节引入人工智能技术，并逐步提高其运用的频率和强度，尽早适应时代的发展趋势。
(三)职业替代现代社会的职业分类是建立在社会分工基础上的。人工智能带来的一系列技术革新正在颠覆固有的社会分工方式，许多从事单一、重复、低技能职业的劳动力可以在人工智能技术的协助下获得解放，转而从事人际互动强、突发应变多、需特别定制等特性的职业。目前来看，人工智能技术较为成熟的应用主要集中于大数据分析、聊天机器人、机器视觉、自动驾驶等领域，因而类似计程车司机、资料输入人员、银行柜员、零售业店员、餐厅服务生等职业，被取代的几率高达99%；而需要创意或高度沟通技巧的职业，如医师、教师、作家、导游、律师等被取代的几率则低很多[27]。著名创新科技企业家李开复则根据牛津大学、麦肯锡、普华永道、创新工场等机构的研究报告综合梳理了当今社会365种职业被人工智能取代的概率(表3)，他通过系统比较后认为，在未来的15年之内大部分职业都会被人工智能取代，而关爱型和创意型的职业则很难被取代[28]。总体而言，大多数可能被人工智能取代的职业都是单调的、重复性的、机械呆板的、规则流程式的职业。相反，人类与生俱来的创意性、人际性、灵活敏捷性和直觉决策性，与人工智能相比仍具优势。
表3(Table3)表3被人工智能替代可能性最低和最高的十种职业排名职业种类被替代的可能性1人工智能科学家0.1%2创业者0.1%3心理学家0.1%4宗教教职人员0.1%5酒店与住宿经理或业主0.1%6首席执行官0.1%7首席营销官0.1%8卫生服务与公共卫生管理或主管0.1%9教育机构高级专家0.1%10特殊教育教师0.1%356纸料和木料机操作工96.5%357装配工和常规程序操作工96.7%358财务类行政人员96.9%359银行或邮局职员97.1%360簿记员、票据管理员或工资结算员97.3%361流水线质检员97.5%362常规程序检查员和测试员97.7%363过秤员、评级员或分类员97.9%364打字员或相关键盘工作者98.1%365电话销售员/市场98.3%表3被人工智能替代可能性最低和最高的十种职业(四)任务替代对于当前人工智能引发的劳动替代，还存在另外一种观点，即人工智能替代的只是各职业中的一部分任务，而不是整个职业[29]。无论未来是否会替代整个职业，人工智能目前已经在各个行业的具体场景中代替人类执行不同的任务。日本和英国媒体合作针对制造、管理、医疗、教育、交通运输等23个产业领域中共2000项业务开展的调查结果显示，人工智能代替人类完成的任务中，制造业的取代比例最高，受调查的688项任务内容有552项能够被人工智能所取代，例如焊接、装配、裁缝、制鞋等；餐饮业受调查的140项任务内容有96项可以被取代，如柜台点餐工作、食材准备、食物与饮料服务、餐桌与餐具摆设等；运输业受调查的353项任务内容有171项可以被取代，如车辆维修、飞机驾驶、运输资讯提供等；建筑开采业受调查的263项任务内容有113项可以被取代，如建筑材料搬运、标注参考点、焊接金属、勘探测量、岩土挖掘等；农林渔牧业受调查的112项任务内容有46项可以被取代，如巡查、种植、采收等；医疗照护业受调查的111项任务内容只有28项可能被取代，如护理协助、物理治疗、按摩治疗、静脉注射等(图1)[30]。综合来看，人工智能所取代的劳动任务具有经济、技术和安全三个方面的特点：一是劳动成本较高的任务，运用人工智能替代人类能够获得更优的经济效益；二是劳动强度超出人类生理极限的任务，运用人工智能够延伸人类的劳动能力；三是劳动风险较高的任务，运用人工智能替代人类能够保障人身安全。
图1(Figure1)图1不同行业可被人工智能替代的任务比例(五)技能替代人类的认知模式在人工智能时代也会发生变化。就个体而言，在人工智能时代拥有创意、社交等软技能比拥有硬技术更具有职场价值。因为人工智能并非无所不能，在许多软性技能方面还存在短板。国外学者Frey和Osborne从O*NET①选取702种职业的任务技能进行分析，发现人工智能的技能瓶颈主要表现在感知操控力、创造能力和社交智慧等3大技能的9个方面(表4)[31]，除此之外的其他劳动技能都无限接近或超越现有人力资源水平。也有学者认为，未来的技能不再是单一取向，而是多种技能的融会贯通。Daugherty和Wilson在其著作《人类+机器：重新构想AI时代的工作》中提出，未来工作场景中所需要的八种融合技能，主要包括：创造性增强、规范重塑、整合判断、智慧化提问、机器赋能、全面融合、互相学习、持续变革等[32]。通常来说，社会生产环境的变化本身就会催生工作技能的革命。由于人类存在主观能动性与认知可塑性，人工智能带来的技能替代并非是对人类价值的否定。相反，如历次技能革命一样，应视为新生的机会。前述可见，人工智能尚不完美，还需要进一步向人类的天性智慧学习进化。而人类也应把握好被人工智能解放出来的精力和时间，发挥自身优势弥补人工智能的技能不足，人机合作方能共同推动社会的全面发展进步。
①O*NET是由美国劳工部组织开发的职位分析系统，也是一个较全面的职业信息数据库，其中对各职业定义、工作任务、知识、技能与工作能力等进行了详细描述。访问网址：https://www.onetonline.org。
表4(Table4)表4人工智能的技能短板技能描述感知操控力手指灵敏性能精确协调手指动作抓住、操纵或组装非常小的物体手控灵敏度能快速移动手及手臂或者用双手操纵组装物体创造能力不规则空间的工作能力在拥挤、不规则的异形空间中完成工作任务原创力有能力想出一个不寻常的聪明想法，在给定的话题或情景中创造性地解决问题精细工艺文艺类的理论和技术，如作曲、制造、表演、音乐、舞蹈、视觉艺术、戏剧和雕塑等社交智慧社会敏锐意识意识到他人的反应，并理解他们为什么会做出反应谈判力将众人聚集在一起，并调和分歧说服力说服他人改变想法或行为照顾他人向他人提供帮助，包括医疗关注、情感支持、个体关怀等表4人工智能的技能短板三、人工智能与人力资源的关系探讨中国是人口大国，拥有巨大的人力资源存量，协调处理好人工智能时代的劳动就业关系，维持良好的社会稳定秩序，才能获得长久可持续的发展。在人工智能时代管理好人力资源的关键，就是能够正确理解人工智能与人力资源的关系。虽然人工智能有全面取代人类劳动的可能性，不过尚取决于多个变数，除了技术发展以外，其他非技术性因素同样重要，例如公众对新兴技术接受程度，国家对技术的发展界限等。从历史经验不难看出，即便在一个技术快速增进的经济体系中，大部分劳动者仍可以发挥作用。况且，技术进步通常还具有间断演进性，对就业的影响也是分阶段的，在导入期对就业影响有限，拓展期会增加就业，到衰退期则减少就业[33]。可见，技术进步与劳动就业之间是一个此消彼长的动态过程，那么人工智能与人力资源之间就并非替代与被替代的"敌对关系"，而是一个动态适配、融合互补、和谐共生的"伙伴关系"。
(一)动态适配从个人层面来说，对人工智能技术及其智能化的完全接受需要一个过程。实际上，日常生活中的任何新兴技术都有一个从警惕到依赖的情绪过程。一个专注于创新适应性的研究团队发现，人们对一项新兴技术的态度大都包含期望、相遇、接受、适应、融合、认同等六个阶段[34]。当人们获知一项新技术，首先会去了解和估量其功能效果，并会预先形成某种期望和印象；当第一次在日常生活中遇见或使用这项技术时，大都抱着试一试的心态，如果与预期不符，甚至可能会出现抵制和拒绝；经过一段时间的试用以后，随着对技术特征和功能细节的越加熟悉，开始逐步接受；随后进入适应阶段，人们会调整自己，作出某些改变来适应新技术的要求，这个阶段也是人们对新技术萌生情感的阶段，有些人会很兴奋地向周围人诉说和展示新技术带来的不同体验；当新技术完全融入日常生活后，人们会产生强烈的情感依赖，并赋予它个性化和意义感，这便是融合阶段；最后是认同阶段，新技术带给人们的价值已经超越了实用功能本身，还附着有社交联系、社会认同等价值的情感工具，成为生活中不可割舍的一部分。简言之，人工智能融入人类工作和生活，既是人工智能的调试完善过程，也是人力资源的接受适应过程。
(二)融合互补随着人工智能与大规模生产的深度融合，人工智能技术和智能机器人必然成为新型社会分工的重要组成部分。人力资源的劳动方式将从单一性向复合性，从体力劳动向智力劳动，从机械化操作向个性化问题解决等方向发展转变，而人工智能将替代完成原有的劳动工作，形成人机互补的融合发展局面。同时，人机融合不仅仅是分工上的互补，在组织决策层面，人机合作能够突破组织边界、打通信息壁垒、充分利用智力资源，作出的决策更加准确和稳定。美欧等多个国家都纷纷强调了人机合作对未来智能化机器人发展的重要作用，美国所发布的国家机器人计划，其主要目标就是为了发明和创造能够与人类一起工作的协作机器人(Co-Robots)，聚焦于机器人在各个方面无缝集成，协助人类生活[35]。欧洲在人工智能战略规划中也有类似的导向，将创造和发明与人类共同劳动的合作伙伴机器视为主要目标。可见，人工智能与人力资源在空间、内容和技能上的融合互补，已经成为世界各国的普遍共识和发展方向。
(三)和谐共生人类社会正在由以计算机互联网为核心的信息社会，迈向以人工智能为关键技术支撑的智能社会。智能社会不只是一个简单的人工制造机器、控制机器的时代，而是一个由人工智能发展而构建起来的新社会形态，也是一个包含人机协同、人机结合、人机混合等多种人机关系的共生时代[36]。人机和谐共生既能够促进自然、经济、社会与人的和谐发展，也能促使人工智能与人力资源的生产合作。当然，和谐的共生关系不只合作，也包括竞争。因此未来智能社会的竞争，不只是人类劳动者之间的竞争，同时还有劳动者与智能机器之间的竞争。在竞争中合作，在合作中竞争，达到人机共处的动态平衡。与此同时，当人工智能与人力资源的相似性越来越高时，人类社会便会产生是否赋予人工智能平等权力的疑问，包括是否赋予人工智能与人类劳动者同样享有工资、福利等劳动报酬的权力？人工智能是否也应受到规章制度的约束？在出现错误与违规时是否受到相应的惩罚？这一系列问题的本源来自人类的同情心。但从目前来看，世界各国对于人工智能的治理准则基本达成了"以人为本"的共识，即人工智能的发展主导权应掌握在人类自己手中，因此，未来的人机关系是"共生"，而不是"平权"。
四、研究结论及对策建议(一)主要结论如前文所述，人工智能对人力资源的替代影响主要表现在：第一，就整体对劳动力的替代而言，在短期会导致失业，但从长期来看也会增加就业；第二，人工智能会替代传统的层级组织和人才管理模式，但也产生出新的开放式组织和心智管理模式；第三，人工智能会替代单一、低技能的职业，但许多依赖人类创意性、直觉性的职业仍无法取代；第四，人工智能将替代劳动成本高、劳动强度大、劳动风险较高的任务，但仍未完全实现人类的劳动解放；第五，人工智能会替代人类的大部分劳动技能，但感知操控力、创造能力和社交智慧却是难以突破的替代瓶颈。
(二)对策建议1.创造新增工作机会解决失业问题最好的办法是创造新的劳动服务需求，增加新的工作机会。人工智能是一项先进性的革命技术，能够在多个方面带动和促进就业增长。一方面，产业升级创造新就业。我国正处于资源驱动与创新驱动的新旧动能转换期，加快新技术的产业融合，促进产业的转型升级，能够创造新增就业机会，解决人工智能替代效应带来的失业压力。另一方面，创新创业产生新就业。人工智能作为新兴领域，具有广阔的发展空间，鼓励社会资本进入，激发大众的创新创业积极性，也能实现新领域就业机会的提升。此外，经济结构调整创造新就业。大力发展文化、旅游、餐饮及健康养生等第三产业，提高文娱经济、创意经济、绿色经济在国家产业结构中的占比，能够差异化地促进服务类、创造类和情感类的需求扩充，实现人工智能与人力资源的技能互补。还有一点，零工经济等新职业形态兴起也增加了就业。零工经济具有灵活的就业形式、丰富的就业渠道、较低的就业门槛，任何单一的技能模块都能够经由平台向不同的企业或个人提供分时服务。零工经济正在成为吸纳人力资源存量并实行自由配置的重要就业领域。
2.合力共筑社会保障技术的进步和经济的增长，不能忽略人力资源的合法权益，应该构筑可靠的社会保障，降低技术性失业和结构性失业带来的负面影响。如果不能实现技术进步与个体利益的共同繁荣，人工智能的发展有可能会被减慢，甚至中止。政府、企业和社会作为人工智能发展的利益攸关方，应该采取有效措施共同为人力资源提供基础保障，维护以人为本的发展准则，确保人在社会发展中的主体地位不被动摇，自由全面发展的权益不被侵害。具体而言，政府应完善劳动保护法规政策。因势利导地创造有利于人力资源发展的环境和条件，尤其是以自由职业为代表的新型劳动关系，也应纳入社会保障的基本范畴。企业则应帮助人力资源提前适应人机合作场景，肩负起企业应尽的责任，在组织内部为人力资源提供转型升级的机会，注重对综合能力的培养和训练，帮助人力资源适应智能化时代的复合型需求。此外，社会各界还应联手发挥监督职能，确保人工智能合法合规地运用于生产服务，合情合理地融入日常生活。在政府、企业和社会的三方努力下，共同保障人力资源的发展权益，切实维护人力资源的合法权益。
3.加快职业技能转变技能人才是能够运用自己的技术和能力进行实际操作的人员[37]。人工智能发展会替代单一、重复性高的技能。这意味着部分固有的工作技能将不被岗位所需要，可能很快就会消亡，相关劳动者则需要重新学习新的技能来更换岗位。加强人力资源技能指导与培训，能够扭转或减缓这个技能切换过程。从人力资源角度而言，在职业技能的转变过程中可以从这三点着力：首先是迁移旧技能，职业技能既有新兴变化的一面，也有稳定不变的一面，一项合格的职业技能由知识、技巧、能力和经验组成。其中能力和经验是可以从一项技能向另一项技能迁移和转化的。因此劳动者旧有的技能并非一无是处，在长期劳动中沉淀下来的经验和认知，只需通过简短的适应期，便能很快迁移到新的职业技能中。其次是学习新技能，伴随人工智能必将涌现一批新的职业技能，劳动者应保持开放学习的态度，对新兴事物怀有好奇心和认同感，从而加快对于新技能的学习和掌握，在新时代中重新扮演新的社会分工角色。最后是储备未来技能，人工智能与人力资源的差异化特点，将是劳动者提前储备未来技能的依据。在智能社会中，职业竞争会出现在人与人之间以及人与机器之间，提前储备差异化的技能优势，才能在未来竞争中脱颖而出。
4.设置技术发展伦理底线近年来数据泄露、基因编辑、器官移植等重大科技伦理事件频繁发生，不断挑战人类社会的价值尺度和伦理标准。新兴技术在发展过程中的诸多风险不仅仅是科学判断，也可能是价值判断，因而，要对技术发展设置明确的伦理底线，对于威胁生命、窃取隐私、合成病毒等所有反人类、反社会、反文明的技术方向和技术试验实行一票否决。全面坚守伦理底线，第一要加强生命教育。要在社会基层、教育初期树立敬畏生命、敬畏自然的基本伦理观念，发挥价值观的自我约束力，从源头上扼杀突破伦理底线的思想。第二要从伦理规范建设入手。伦理规范植根于大众观念之中，应发挥群众的监督力量，强化社会各个层面的伦理监管，让伦理规范既能促进科技发展，也能约束科技发展。第三要在全球层面形成伦理共识机制。在全球命运共同体时代，科技发展的风险和成果都将直接影响全世界人民的共同利益。因此，要给科学技术的发展创建一个符合人类共同价值的伦理环境，这个环境应该包括适宜的价值观、指导原则、政策体系、法律法规、科普教育与传播等，加强科学家、社会大众和政府之间的紧密配合和有机联系，合力形成共同驻守伦理底线的共赢局面。