特别鸣谢

本次云鹰读书会由南开大学国际经济贸易系

系友苏武康博士赞助支持

近年来，机器学习等方法的突破与海量数据的赋能为人工智能技术提供了核心支撑，使其取得跨越式发展并广泛应用于商业实践，这一趋势预计将持续深化。在此背景下，AI对劳动力市场的潜在影响存在巨大争议：一种观点认为AI将替代大量人类工作，导致“无工作的未来”；另一种观点则乐观地认为AI能增强人类生产力，创造新的工作机会并丰富工作体验。然而，这些对立的观点之所以持续存在，根本原因在于当时关于AI对劳动力市场后果的系统性经验证据仍然有限。数据收集工作刚刚起步，当时甚至难以确定AI在企业中的实际普及程度，更缺乏其是否已对整体就业结构产生重大影响的坚实证据。

在此背景下，本文报告了一项基于近乎全美的在线职位空缺数据，分析AI就业效应的系统性实证研究。研究以2010-2018年Burning Glass Technologies的海量职位发布数据为基础（该数据覆盖美国绝大多数在线vacancies，包含详细的职业分类与技能要求），构建了企业层面的AI活动观测框架。研究者首先通过三种互补性指标（Felten等（2019）的AI职业影响指数、Webb（2020）的AI暴露度指数、Brynjolfsson等（2019）的机器学习适配性指数），基于企业2010-2012年的基准职业结构，测算其AI暴露度，以此识别任务结构与AI技术兼容的“AI应用企业”；同时排除AI生产相关的行业（信息、专业服务sector），确保研究聚焦AI对使用者而非供给者的影响。

该研究提供了迄今覆盖范围最广的实证证据，系统评估了AI对劳动力市场的多维度实际影响，其发现超越了以往聚焦AI生产方或特定行业的研究局限。具体而言，研究从以下几个维度展开分析：首先，考察AI暴露度与企业AI相关招聘的关联，验证任务结构是否驱动AI技术采纳；其次，通过技能需求的正负向变化，探究AI是否重塑工作的技能需求，替代传统技能并催生新技能需求；再次，聚焦非AI岗位的招聘规模变化，检验AI是引发岗位替代还是通过生产力效应促进就业；最后，延伸至行业与职业层面，分析AI的微观影响是否已传导为宏观劳动力市场效应。研究还进一步探讨了AI技术影响的异质性与边界条件，通过区分不同AI暴露度指标的解释力、控制传统软件技术的干扰、分时段检验效应时序，确保结论的稳健性。

结果显示，AI虽未对整体就业市场产生显著的聚合效应，但其已通过任务替代改变企业招聘行为与技能需求，且这种影响显著区别于传统技术变革。这一发现暗示，若仅依赖行业或职业层面的宏观数据，可能难以捕捉AI对劳动力市场的早期结构性冲击——而企业层面的微观实证，正是理解这一变革的关键切入点。