正文
回顾：技术如何影响就业
我先简单地梳理一下之前研究的发现。这里引用的两篇文章，都有
2024
年诺贝尔经济学奖得主之一的阿西莫格鲁参与研究。这两篇文章分别聚焦于
1990
年代的自动化和
2015
年之后的AI技术对工作的影响。
我们先来看第一篇。他的研究数据采用的是
1990
年到
2000
年间美国制造业的相关数据。这两张图的横轴都表示机器人技术在不同行业的渗透率。什么意思呢？就是这个行业在多大程度上使用了机器人这种生产方式。横轴越靠右，说明机器人使用程度越高。
▲ Acemoglu, Daron, and Restrepo, P. (2020), “Robots and Jobs: Evidence from US Labor Markets,” Journal of Political Economy, 128, 2188–2244
这两张图的纵轴是不一样的，分别表示就业和工资的变化。即使你不了解经济学，从图中也可以清晰地看出，这是条向下倾斜的直线，代表趋势是负向的。它的意思就是说，机器人渗透率越高的行业，就业和工资都会下降。
经济学界基本达成了一个共识：
自动化会导致制造业用工和工资的下降，它是一种替代效应。
再来看阿西莫格鲁和他的合作者在
2022
年发表的另一篇研究，关注的是AI的影响。他的研究数据使用了
2010
年到
2018
年的数据，因为AI技术在
2015
年之后才真正进入应用领域。
这篇研究的方法与前一篇研究完全不同。这篇研究中，他采用了一个叫“
AI
暴露度”的指标。
AI
暴露度实际上是指不同职业在AI技术发展背景下受到的影响程度，或者说该职业中工人从事的任务与当前AI能力的兼容度。
简单来说，就是我现在的工作在多大程度上是AI可以帮我完成的。
AI暴露度越高，说明现在的AI技术和从事该职业的工人的兼容度越高。这是一种潜在影响，表示AI这项技术进步可能会影响这个职业的程度。
阿西莫格鲁使用了一个海量的招聘大数据，分析了用人单位投放的招聘广告中的词汇，计算不同岗位的AI暴露度，并据此得出每个用人单位、职业的AI暴露度。
做完计算之后，阿西莫格鲁将用人单位分为两类：深度使用AI的单位和其他单位。
从图中可以看出，横轴是时间，
2010
年到
2018
年，纵轴是用人单位使用AI相关职业占比，二者之间是一个明显的上升趋势。
意思是，随着时间推移，深度使用AI的用人单位，在AI相关职位上大量地招人。尤其是在
2015
年之后，有了一个爆发式的增长。
阿西莫格鲁又通过区分不同的行业，来看哪些行业的增长是更加明显的。可以看到最高的是信息行业，其次是专业性与商业服务行业，第三是金融行业，第四是制造业。
▲ Acemoglu, Daron, Autor, David, Hazell, Joe and Restrepo, Pascual (2022), “AI and Jobs: Evidence from Online Vacancies,” Journal of Labor Economics, 40(s1)
再看另一张图，横轴是
AI
暴露度，AI暴露度越高意味着用人单位使用的
AI
技术越深入，纵轴是职位创造情况。这张图呈现出正向趋势，即
AI
暴露度越高的职业或用人单位，它的就业需求增速越高。
▲ Acemoglu, Daron, Autor, David, Hazell, Joe and Restrepo, Pascual (2022), “AI and Jobs: Evidence from Online Vacancies,” Journal of Labor Economics, 40(s1)
阿西莫格鲁的研究虽然揭示了这一现象，但也留下了一些还没有回答的问题。
比如，他发现
AI
暴露度高的用人单位就业增长明显，但是没有回答整个劳动力市场是如何变化的。他只在文章中写了一句话，从整个劳动力市场来看，似乎没有明显影响。
也就是说，尽管
2018
年美国劳动力市场表面上风平浪静，但是水面下已经暗流涌动了。一些积极拥抱AI的企业已经在大量招人、投入研发并占领市场。
此外，这篇研究中数据是
10
年前的，
2010
年到
2018
年，而
2022
年之后AI大语言模型技术发展迅速，它的影响可能更为显著。因此，我们希望聚焦于最新的技术进步。
同时，阿西莫格鲁的研究更多关注静态状况，但是对于职业内部的变化没有进行深入地研究，比如不同职业的具体做了哪些调整，例如虽然同样是市场营销，但是完成的任务可能已经不一样了。所以，我们希望在这几个方面做得更好。
大语言模型将如何影响中国劳动力市场？
