（来源：经济日报）

转自：经济日报

AI会不会抢走人的饭碗？这是很多人心中的疑虑。但目前从数据层面来看，AI给就业带来的冲击还主要是在预想中。

根据国际劳工组织数据，当前全球失业率处于历史低位水平。经济合作与发展组织（OECD）今年针对全球14个国家的8000家企业的调查显示，在已经采用AI的企业中，只有11％削减了就业，其中真正归因于AI的只有9％——也就是说，在全部采用AI的企业里，仅约1％到2％在因AI减员。

世界经济论坛《2025年未来就业报告》预测，到2030年，全球约9200万个岗位将被AI替代，但同时也将创造1.7亿个新工作岗位，实现净增7800万个岗位。

不过，总量数据上的平静，并不意味着劳动力市场真的风平浪静，不同国家、地区的感受也有很大差异。

近日，在2026外滩年会一场题为“劳动力重塑：如何安放人类”的圆桌讨论上，OECD就业、劳动和社会事务部代理主任马克·皮尔逊提到的另一项调查显示，在OECD国家中，16％的工人非常担忧自己明年会因AI失业，40％的工人中等程度地担忧。

中国社会科学院学部委员、中国金融四十人论坛（CF40）学术委员会主席蔡昉把当前状态称为“短暂的安静期”。

他说，无论中国还是其他国家，从宏观数据上还看不到AI造成明显的就业冲击，但招聘数据已经出现端倪，比如编程类新人招聘数量减少；也有一些雇主因为预期变化开始观望，既不裁人也不招人，形成僵持。“这是一个短暂的安静期，在这之后，可能会有更大的劳动力市场表现。”蔡昉认为，这给了我们一个难得准备应对之策的机会，去分析AI影响就业的特征，提前做好制度和政策准备。

日前，国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》（以下简称“意见”），从强化人工智能的就业创造效应、构建就业友好型人工智能升级路径、提升劳动者数字素养和就业能力等六方面提出18项主要任务。其中“减缓人工智能应用就业替代影响”的提法与相关部署受到广泛关注。

意见把落脚点放在就业这一最基本的民生上，不是为了让技术“慢一点”，而是为了让劳动者应对“早一步”。

临界点还未到来

AI一定会提高劳动生产率，这已是社会的共识。很多人喜欢用“iPhone时刻”“ChatGPT时刻”等词语来形容AI带来的生产力的跃迁，在科技层面AI的重要性的确如此，但其在产业上落地、在经济上显现红利还需要时间。

腾讯研究院资深专家闫德利统计了世界主要国家AI渗透率的相关指标，从各国统计局或是工信部门发布的数据看，AI的企业应用还处于早期阶段，面临企业级壁垒。比如，美国和加拿大的企业AI渗透率处于10％左右，欧盟和英国处于20％左右。这里的渗透率统计的是“有没有”，只要应用某一项AI技术就算，还没到“好不好”的阶段。

斯坦福大学经济学家埃里克·布林约尔松等人的研究把这一现象概括为“生产率J曲线”：重大通用技术落地初期，企业先要重组流程、调整组织、重新培训人员，这些投入计入成本，产出却要几年后才兑现，生产率往往先不涨甚至先跌一段，越过临界点才加速上行。

显然，临界点还未到来。

国际劳工组织首席宏观经济学家埃克哈德·恩斯特表示，他们在调查过程中发现，一些企业针对客服处理、简历筛选等特定任务时认为AI帮助大大提升了生产率，但放在整个公司业务中，这样的提升却“加总不起来”，原因有三方面：一是企业内部流程还在调整，需要时间；二是“验证税”——人工智能会产生幻觉，仍然需要人在过程中核对；三是在一天的工作中很多可自动化任务占比并不高。

他举例说，软件工程师真正写代码的时间可能只占三分之一，大量时间用在开会、规划任务上，AI对这些环节帮不上忙。这就是所谓“人工智能加总悖论”。

CF40资深研究员、中国社科院世界经济与政治研究所副所长张斌此前发布了《AI宏观经济学》报告。报告认为，AI有提高生产率的巨大潜力，但是需要经历前期巨大的互补性投资和普遍的组织结构与工作流程调整之后才能充分释放其增长潜力，AI在短中期带来的供给改善可能不会很明显。

这一次，冲击的方向反了

生产率提升是不均衡的。蔡昉表示，像过去任何技术进步一样，AI通过多种途径提高生产率是确定的，但AI的应用在产业、部门、企业、时间，以及不同工序、劳动任务链条之间是不均衡的。

当某个环节为节省开支减少劳动投入时，就业破坏已经开始，而整体生产均衡不一定马上改善，于是出现“生产率与就业冲击的不一致性”。

有研究显示，生产率提高可能遵循“J字形”，但问题就出在这段向下走的曲线上。蔡昉长期研究人口结构变化与劳动力市场，他说，在一段时间里生产率并不提高，但劳动替代已经发生。在极端情况下，J字形曲线下探的那段“短腿”期间，可能出现就业破坏加剧、收入增长停滞、收入分配恶化，进而损害国民经济循环，最终反而阻碍劳动生产率的提升。

冲击落在谁身上，比过去“技能偏向型技术变革”的叙事更复杂。过去历次技术革命的经验显示，技术进步并不是“雨露均沾”，而是更偏向提高高技能劳动者的生产率，因此会增加对高技能劳动力的需求，并推高高技能者的相对工资。

葡萄牙央行原行长马里奥·森特诺认为，过去的技术革命不利于低技能工人，因为市场对技能的需求在上升；今天的AI革命，“吃掉的恰恰是社会里技能更高的人”。

他说，过去几十年，大量年轻人被送进大学培养成程序员，现在这种需求突然受到冲击。他类比20世纪70年代美国“太空竞赛”结束后物理学博士的处境：供给增加、需求收缩，失业和降薪出现，人们不得不转向其他职业。

蔡昉认为，此次AI就业冲击与历史上两次技术冲击的最大不同在于：前两次尽管经历了阵痛，但最终都创造了大量新岗位，而AI从相对高端的岗位开始替代，被替代者只能向下流动，这可能导致劳动生产率逆势下降、收入恶化。

这也是埃克哈德·恩斯特最担心的一点。AI的赋能恰恰是瞄准高工资、高价值、高技能岗位，许多中低收入国家难以向价值链上游攀升。这些国家从低增加值、低技能岗位走向高增加值、高技能岗位的传统结构转型路径将会遇到“路障”。

把人类“安放”在哪里

蔡昉结合第一次工业革命时期发生的“恩格斯停顿”等情况表示，历次新技术出现时，就业破坏和就业创造是有时间差距的。“但在历史书里，在数据上，我们可能把它忽略了，（只看到）新技术终究要创造更多的就业岗位。”

面对这样的变化，政策讨论就不能停留在“保护旧岗位”还是“等待新岗位”的二选一。

“我们现在比以往任何时期都更需要政府政策的介入和制度变革。”蔡昉说，历史上，就业调整过程往往需要很长时间，等待劳动力市场的自我调节既会伤害劳动者，又耗时过长，我们等不起。

这位经济学家建议，应该着眼于促进人工智能平权。他说，考虑到人工智能技术迭代、影响变化及覆盖面扩大等，就业支持政策应该不断升级。

与此同时，要把人工智能的“对齐问题”从技术扩展到经济社会政策、产业政策和社会政策，坚持引导、激励和规制，让它成为劳动者能力的增强器，而不是劳动者岗位的破坏者。

“我们现在看到的、谈论的人工智能主要是一些基础模型。未来，实际上真正起作用、对我们生活产生影响的，是这些模型的实际应用，这对劳动者的影响很可能是最大的。因此，在这个过程中应该充分坚持引导、激励和规制。”蔡昉说。

他还建议超前培育那些需求弹性大、但目前劳动生产率低的行业，比如很多服务业。“我们整体提高劳动生产率，就是为了让那些需求弹性大的行业有生存的余地。”蔡昉说，这既是未来“人往哪放”的方向，也是当下防止就业冲击的缓冲器。

在制度层面，他主张最低工资、最低生活保障、劳动合同等劳动力市场制度要与新就业形态衔接，社会保障和社会福利应更加普惠化，因为识别“个人问题还是宏观冲击”越来越难，普惠覆盖才能确保每个人不被漏掉。

马克·皮尔逊强调的是培训，如果雇主在引入人工智能时与工人协商、提供培训，效果会好得多。数据足以说明问题：OECD的调查显示，那些引入AI时给员工做了培训的公司，89％的员工认为AI提高了生产率；没做培训的公司，这个比例只有69％。

马克·皮尔逊说，制定就业政策的重点不是培养人工智能的技术技能，而是通用人工智能素养、数据分析与解读能力、创造力和解决问题的能力这些“AI可能做不到的事”。目前，OECD国家每年只有约20％的低技能工人参加培训，高技能者约50％——如果AI培训延续这个格局，不平等就会被“嵌定”进去。

埃克哈德·恩斯特建议，就业政策制定不能只着眼于劳动者的“下一份工作”，而要着眼五年甚至十年的长远职业路径，培养劳动者的基础能力和韧性。同时，社会保障制度要给劳动者托底。

学者的共识是，就业不会消失，但构成会彻底改变；技术本身解决不了AI的社会经济影响，尤其是对就业的影响。安放人类，应该用制度把置换承接住，把生产率的提升变成劳动者可分享的福利。

“我们必须在就业破坏发生之前，就知道该怎么做。”蔡昉说。这条路不会一夜走通，但制度建设的窗口，不能等到冲击完全显形之后才打开。