人工智能如何影响就业市场?——从替代效应和补偿效应角度分析

(四川大学 四川 成都 610065)

一、引言

约翰·麦卡锡在1956年达特茅斯学术会议上首次使用了“人工智能”一词(Artificial Intelligence，简称AI)，它是由人制造出来的机器所表现出来的智能。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。从手机智能系统、图像语音识别到智能机器人、无人驾驶汽车等智能产品的应用与普及，我们已逐渐置身于人工智能的环境中。“人工智能革命”的冲击是全方位的，将给许多行业带来颠覆性的影响。

二、人工智能对就业影响的研究现状

技术进步与就业的相关性问题争论已久，以人工智能为代表的技术进步以其冲击范围更广，力度更大，持续性较长的特点再次掀起了人们关于技术进步与就业的热议。

(一)国外研究现状

马克思(1867)在《资本论》第一篇谈及机器生产对工人的直接影响时，就提出机器的资本主义应用制造了过剩劳动人口。凯恩斯(1930)在《我们子孙后辈的经济可能性》中表达了对技术进步威胁就业的担忧，提出了“技术性失业”。

Clower、Malinvaud和Fabien认为技术进步对就业的影响以破坏为主，导致出现所谓的“技术性失业”；Aghion、Howitt(1994)构建了失业—增长模型，认为新技术实施在通过资本化效应降低失业率的同时，也会通过减少就业匹配时间提高失业水平，表现为创造性破坏效应。

进入21世纪，David·Autor(2003)等人开发出一种均衡的任务模型，将生产者的投入划分为常规劳动和非常规劳动。Goos和Manning(2007)抓住劳动力市场两极分化趋势的本质，高收入认知工作和低收入职业的就业增加，伴随着挖空中等收入的日常工作。

随后，Frey和Osborne(2013)借鉴机器学习和移动机器人技术方面的最新进展，根据计算机化的可能性，区分了高、中、低风险职业。判断大约47%的美国就业机会处于高风险类别。一些后续研究将Frey与Osborne的方法应用到了其他国家，Pajarinen和Rouvinen(2014)就此估计芬兰自动化的就业岗位份额约为35%；BenjaminDavid(2015)估计日本这一比例占55%；Brzeski和Burk(2015)估算的德国自动化风险岗位份额高达59%。

不同于Frey和Osborne提出的基于职业的方法，Arntz，Gregory,Zierahn(2016)等人假设基于任务的方法，估算出21个经合组织国家的工作岗位自动化程度为9%。Acemoglu和Restrepo(2018)又基于2016年的研究以及Zeira和Autor的研究，总结了一个研究自动化和人工智能对劳动力、工资和就业需求的影响框架，自动化的替代效应，被由自动化产生的成本节约导致的生产力效应所抵消。生产力的影响得到额外的资本积累和自动化的深化，进一步增加了对劳动力的需求。

(二)国内研究现状

国内学者从研究国外技术进步对就业影响的文献开始，研究重点在技术进步对就业的总效应和资本对劳动的替代上。

齐建国(2002)利用哈佛大学乔根森的方法计算了1977-1999年间中国科技进步对经济增长的贡献率，观察到1991年以前，技术进步以增加就业为主，1991-1999年表现为就业需求绝对减少，技术进步导致边际就业弹性急剧下降。

李正友，毕先萍(2004)试图从微观、中观和宏观层面对技术进步的就业效应进行分析，发现技术进步对产业就业结构和就业量的影响取决于各产业的技术进步类型和需求结构的演变。

王君、张于喆、张义博、洪群联(2017)在肯定了技术进步对就业具有双重影响的基础上，从宏观、中观和微观层面分析了人工智能影响就业的机制，认为短期内对就业破坏效应有限，但长期就业效应不容乐观。

陈永伟，许多(2018)利用Frey和Osborne的方法，对我国各职业可能被人工智能替代的风险进行了评估。认为有76.76%会遭受到人工智能的冲击。

虽然历来不乏有乐观的声音认为未来将与以往任何变革时期一样，最终对就业的良性作用占主导，但目前来看，我们即将进入强人工智能和超人工智能时代的“深度学习”阶段，究竟二者之间博弈结果如何，尚待深入调查与思考。

三、人工智能对就业市场的影响

(一)替代效应分析

替代效应主要指人工智能技术的应用导致机器替代工人执行以前的任务，造成就业减少的现象。尽管由于研究方法的不同，导致研究结论存在较大差异，但总体看替代效应不可避免。

替代效应的作用机制，主要体现在以下三个方面:

首先，AI技术的进步提高了劳动生产率，使产品生产所需投入的单位劳动力大幅下降，导致对劳动力需求的减少。

其次，技术进步后产品更新换代，旧产品消亡速度加快，相应的生产工人也渐次退出就业市场。

再次，技术进步提高了资本的生产效率，产生资本对劳动的替代，资本有机构成提高，企业对劳动力的需求减少。

目前AI技术进步对就业的破坏效应有限，但长期就业效应不容乐观。

(二)补偿效应分析

补偿效应主要体现在人工智能技术的应用使机器与工人互补，增加劳动力需求，促使就业增加。

补偿效应的作用机制，主要体现在以下五个方面:

一是人工智能快速发展促进经济发展，进而创造出更多的就业岗位。

二是人工智能产业发展具有产业关联带动效应。技术进步需要采用机器，也就需要生产、操作与维修机器的工人，这都会增加对劳动力的需求。

三是人工智能发展带来工作效率的提升，生产率效应通过降低生产任务子集的成本，提高了非自动化任务对劳动力的需求。

四是人工智能技术导致资本替代劳动力，因为边际上，资本比劳动力更经济。生产过程自动化的商品和服务的价格降低，增加了对所有商品和服务的需求。

最后，自动化的深化。自动化不仅在以前由劳动力执行的广泛的边际替代任务中运行，而且还在大量的边际上提高了已经自动化任务中机器的生产率。

(三)人工智能对我国就业市场的总体效应分析

上述分析表明，人工智能对就业影响的总体效应取决于两种不同作用方向效应的力量对比大小，关键在于两种效应中哪种在AI时代占据主导地位。然而我们首先面临的是替代效应大小的不确定性，其次还有补偿效应大小的不确定性，由此二者相互作用后的总体影响更是难以判断。

阻碍替代效应发挥作用的因素：

第一，我们讨论的是基于专家评估的技术能力，而不是技术的实际利用率，这可能会高估工作自动性。企业对新技术的投资，实际上是一个成本收益分析。

第二，被AI取代的大多是相对技术低端的岗位。仍有许多无法自动化的人类技能，包括复杂的推理、判断、类比学习，以及体力活动、共鸣和沟通的混合。

第三，对创造性的分歧。即使能够识别和编码我们的创意价值，但对于计算机是否具有类人的创造性仍然存在分歧。

第四，使用新技术可能也存在道德或法律障碍。作为Thierer和Hagemann和Bonnefon等人讨论的一个突出例子，自动驾驶汽车就承担了新的法律挑战。

第五，目前大多数只考虑到现有的工作种类与数量。然而AI技术的使用可能创造新的更多的就业机会。

最后，强烈的社会偏好，即人类更偏好于由人提供某些服务而不是机器。例如护理或照顾老年人行业。

尽管人工智能发展可能带来较大规模的替代效应，但很多学者仍持比较乐观的态度。不过这种乐观应该是谨慎的，因为一些因素的影响，补偿机制也会失灵。

阻碍补偿效应发挥作用的因素：

第一，政策偏向。政府政策和劳动力市场制度不仅影响自动化的速度，而且影响到何种类型的自动化技术将获得更多的投资。

第二，时滞。新的工作或任务的出现是一个充满不确定性的过程，且新技术要求和劳动力技能之间的潜在不匹配，也会使调整过程受阻。

第三，需求机制失灵。自动化往往会增加不平等，如果自动化带来的实际收入的增长最终落在了那些比失去收入和工作的人边际消费倾向低得多的人手中，抵消作用将被削弱。

第四，劳动力市场缺陷。劳动力从现有的工作和任务重新分配到新的工作是一个缓慢的过程，部分原因是费时的搜索和劳动力市场不完善。

第五，新技术使用存在道德或法律障碍。这直接影响到人工智能可以进入的领域，限制了潜在服务功能的发挥。

究竟短期看，技术进步会不会引发大规模失业，主要取决于技术进步所创造出的新就业岗位能否补偿减少的就业岗位。关键要看相关补偿机制是否起作用。正如普华永道环球审计服务市场主管合伙人伍智杰(Jim Woods)所言：“人们对人工智能充满期待，但同时也保持高度警惕。”

结语

对就业岗位进行补偿的几个机制可能失灵，如果完全等待市场调节，那么在相当长一段时间内，我们可能都要饱受失业问题的困扰。面对AI时代的新挑战，政府、企业和个人都应未雨绸缪，积极拥抱变革，加强AI专业人才培养，建立强大的数据生态系统，成立专门的评估与监测体系，鼓励发展新的工作形式，建立人工智能法律法规与伦理框架，做好失业风险防范与应对等以尽可能避免大规模失业的发生。只有这样才有可能从容应对“人工智能革命”所带来的就业冲击。