对Türkiye的人工智能劳动力准备情况进行基准测试：使用LinkedIn数据进行多维全球比较（英）

讨论文件 No. 2625 | APRIL 2026 基准测试土耳其的人工智能人才准备情况：利用领英数据进行的全球多维度比较 芙莉哈·法蒂玛·艾夫·桑·奥赞·杜什亚南特·拉朱 系列简介 《社会政策与劳动讨论文件》系列呈现分析与研究成果，旨在为社会保护、社会发展及劳动力市场领域的政策对话和操作实践提供参考。 社会保障：该集合涵盖了社会救助、社会保险、照料和社会服务全生命周期。 劳动：该集合涵盖积极与被动劳动力市场项目、培训与技能发展、青年就业、经济包容以及国际劳动力流动与移民。 社会發展：本系列涵蓋社區與地方發展、包容性、凝聚力、強制流離失所、性別及人權。 该系列跨越所有领域，重点探讨了气候变化、脆弱性与冲突以及韧性等跨领域议题。 版权 © 2026 世界复兴银行/世界银行 1818 H街西北, 华盛顿特区DC 20433 电话: +1 (202) 473 1000;互联网: www.worldbank.org. 此项工作由世界银行工作人员完成，并得到了外部贡献。此项工作中表达的观点、解释和结论不一定反映世界银行、其执行董事会或其所代表政府的观点。 世界银行不保证本作品中包含的数据的准确性。本作品中任何地图上显示的边界、颜色、名称及其他信息均不表明世界银行对任何领土的法律地位或对相关边界的认可或接受有任何评判。 权利与许可 本文中的材料受版权保护。由于世界银行鼓励其知识的传播，只要注明出处，本作品即可为非商业目的全文或部分复制。 Any queries on rights and licenses, including subsidiary rights, should be addressed to World BankPublications, The World Bank Group, 1818 H Street NW, Washington, DC 20433, USA; fax: +1 (202) 5222625; e-mail: pubrights@worldbank.org. 基准测试土耳其的人工智能人才准备情况：利用领英数据进行的全球多维度比较 芙莉哈·法蒂玛·艾夫尚·纳斯·乌赞·杜什亚南特·拉朱 人工智能（AI）正在重塑劳动力市场，各国在AI相关能力的深度、广度和分布上的差异日益显著。本文在一致的跨国比较框架下，利用领英的技能和招聘数据，对土耳其的AI劳动力准备情况进行基准测试。分析考察了八个维度的准备情况：AI工程深度、AI素养、基础性及颠覆性数字技能、行业专业化、雇主需求、招聘势头、对生成式AI的接触程度以及AI专业人才的国际流动性。证据表明，土耳其在跨国分布中处于中等位置，总体上低于前沿经济体，并在多个维度上更接近分布的较低端。基础数字能力超过了全球参考平均水平，而AI素养正在扩展但仍然低于表现较好的国家的水平。高级AI工程人才的密度相对于前沿经济体仍然有限，能力在行业间分布不均，在技术导向活动中存在更强 presence，而在金融服务领域面临更高的颠覆性风险。雇主需求集中于一般能力，招聘势头为正但低于表现较好的国家，AI专业人才的净外流现象持续存在。对生成式AI的接触程度总体上并不异常高，但在不同行业间差异巨大，行业差异超过了人口群体间的差异。这些发现描述了一个以广泛能力扩展而缺乏相应深度、专业化和高级人才保留的经济体。AI准备情况本质上具有多维性，取决于技能形成、劳动力需求、职业结构和国际流动性的相互作用。通过在一致的比较框架下记录这些模式，本文阐明了中收入经济体如何在生成式AI扩散的早期阶段，从广泛数字能力转向前沿专业化。 关键词：人工智能；数字技能；劳动力市场结构；技术扩散；劳动力能力；技能形成；劳动力需求；人才流动；跨国比较 JEL codes: J23; J24; J61; O14; O33 1. 简介 人工智能（AI）正以不均衡的方式重塑各国的劳动力市场。数字基础设施、劳动力构成、行业专业化以及制度能力的差异，影响着AI技术被采纳的速度和广度。随着企业将AI工具融入生产、管理和服务交付，各国在技术人才深度、数字能力广度以及熟练工人可获机遇结构方面的差异日益凸显。设计、部署和使用AI系统的能力与生产率增长及全球经济中的竞争定位密切相关（Acemoglu和Restrepo 2019a；Brynjolfsson、Rock和Syverson 2019；领英经济图谱2025a；经合组织2024）。对于土耳其而言，其旨在扩大高附加值生产和加强参与全球技术市场，理解与AI相关的能力结构对于评估其长期经济前景至关重要。 评估人工智能人才队伍的准备工作需要超越单一指标。人工智能的扩散取决于多层能力，包括工程深度、基础数字能力、特定行业的专业化、雇主需求动态、招聘势头、接触模式以及熟练工人的国际流动性（Kergroach和Héritier，2025年；经合组织，2025a；世界银行，2025年）。这些组成部分相互依存，但在不同行业和工人群体中分布不均。专注于单一维度的分析可能掩盖了人工智能能力如何积累和部署。因此，需要一个系统的基准框架，将土耳其置于人工智能相关能力的全球分布中，并识别某些维度中的优势如何与另一些维度中的限制共存。 本文利用领英的技能与招聘数据，构建了一个框架，用以将土耳其与一组具有一致性的国家进行比较。该框架考察了人工智能劳动力准备的八个维度：人工智能工程深度、人工智能素养、基础性及颠覆性数字技能、行业专业化、雇主需求、人工智能招聘势头、对生成式人工智能的接触程度，以及人工智能专业人才的国际流动性。 所有表格和图表均使用相同的比较组。该组包括拥有先进人工智能生态系统的前沿经济体——加拿大、德国、英国和美国；具有与土耳其可比制度结构的欧洲经济体——捷克、希腊、波兰和罗马尼亚；以及大型中收入经济体——阿根廷、巴西、智利、印度、印度尼西亚和墨西哥。这些指标是在协调一致的衡量框架内被解释为比较性信号，而不是经济体整体能力的精确估计。 该分析基于领英的标准化技能分类体系和招聘指标，这些体系提供了及时且可比的衡量标准，用以评估传统劳动力统计数据未能涵盖的新兴能力（领英经济图谱 2025a, 2025b；世界银行与领英 2018）。这些数据能够跨国家和地区、跨行业，对技能渗透率、专业化程度、雇主需求、招聘动态及接触度进行一致性的衡量。对于人工智能等快速发展的技术领域而言，这种粒度级别的分析至关重要。 然而，领英会员并不代表整个国家的劳动力。参与度偏向于受教育程度更高、更积极地使用数字技术的工人，并且平台渗透率在不同地区存在差异。 国家与组织（贝里、马洛尼和纽马克，2024年；世界银行和领英，2018年；世界经济论坛，2023年）。技能报告为自我申报，且分类实践因情境而异。因此，分析侧重于在固定的比较集中相对定位以及趋势模式，而非国家能力的精确水平。 土耳其已制定国家战略，以加强人工智能和数字能力。2021-2025年国家人工智能战略强调扩大人工智能人才、加强研究生态系统、改善数据治理以及促进负责任的采纳（土耳其共和国，2021年）。将技能结构、需求模式和流动动态与国际同行进行比较，为评估当前劳动力市场状况与这些目标之间的关系提供了经验依据。 证据显示，土耳其在跨国的AI准备程度分布中处于中间位置，总体上低于前沿经济体，并且在多个维度上更接近分布的较低端。基础数字能力超过了全球参考平均水平，而AI素养正在扩展但仍然低于表现更好国家的水平。先进工程领域的专业化仍然有限，行业嵌入程度不均衡，招聘势头积极但低于表现更好国家，专业人才的对外流动持续存在。在生成式AI方面的接触程度总体上并不异常高，但各行业之间存在巨大差异，行业差异超过了不同人口群体之间的差异。这些模式描述了一个以广泛能力扩展而缺乏相应深度、专业化或先进人才留存的经济体。 本文其余部分的结构如下。第二部分探讨人工智能工程深度。第三部分分析人工智能素养及近期技能增长。第四部分考察基础性及颠覆性数字能力。第五部分评估行业专业化。第六部分分析雇主需求。第七部分考察人工智能招聘势头。第八部分评估对生成式人工智能的接触程度。第九部分分析国际流动。第十部分综合研究结论。第十一部分讨论政策启示。第十二部分总结。 2. 人工智能工程人才 人工智能通常被认为是一项通用技术，其经济影响取决于能够设计、训练和部署机器学习系统的人才的可获得性（Acemoglu和Restrepo 2019b）。与普遍的数字熟悉度或最终用户熟练度不同，人工智能工程能力反映了在模型开发、系统架构和集成方面的高级技术专长。这种能力往往在地理上和行业中进行集聚，反映了累积学习、知识溢出以及数据基础设施和数字系统中的互补投资（Brynjolfsson、Rock和Syverson 2021；Cockburn、Henderson和Stern 2018）。因此，各国在人工智能工程人才密度上的差异为衡量人工智能相关生产的技术能力提供了有价值的指标（OECD 2023；世界银行和领英 2018）。 为将土耳其置于这一格局之中，我们采用了领英衡量人工智能工程人才集中度的指标，该指标定义为领英成员中列出至少两项人工智能工程技能，或其职位头衔根据领英标准分类被归类为与人工智能相关的成员所占的份额（Hood,）。 卡拉和卡普安内利（2025）。该指标衡量的是领英会员群体中先进人工智能工程专业的相对密度，并不代表全经济体的工程水平。 2024年，土耳其的AI工程人才集中度为0.36%，处于跨国分布的较低区间（图1）。结构相似的经济体罗马尼亚记录了0.56%的更高集中度，而德国这样的前沿基准则达到1.09%。在较低端，巴西记录了0.23%。这种定位使土耳其低于前沿经济体和下一梯队的同行，其水平与分布低端远比与前沿更接近。 该职位与领先国家相比存在较大差距。土耳其的工程领域集中度约为德国水平的1/3，约为罗马尼亚水平的2/3，明显低于前沿经济体以及下一梯队的比较对象。这一差距反映出工程基础虽然有限但不容忽视，不足以支撑前沿水平的AI生产能力。 这种相对位置随时间持续存在。在2016年至2024年期间，土耳其的人工智能工程集中度从0.12%增加到0.36%（见图2）。在同一时期，德国等前沿经济体以及罗马尼亚等结构相似经济体也经历了大幅增长，导致国家排名基本保持不变。因此，土耳其与表现更佳国家之间的差距并未缩小，这表明其增长反映了人工智能工程能力的广泛扩张，而非相对追赶。 各国之间的差异也体现在工程技能的构成上（见表1）。人工智能和机器学习是普遍最普遍的两种技能，排名第三的技能则存在差异。在大多数国家，包括美国和德国等前沿经济体，生成式人工智能占据这一位置。土耳其与此模式不同：图像处理排名第三，表明其更注重计算机视觉。因此，其工程技能构成不如大多数比较国家那样侧重于生成式人工智能。 这种模式并非由单一人口群体驱动。在跨国比较中，工程领域的性别差异确实存在，但并不异常（见图3）。在土耳其，男性的人工智能工程集中度为0.42%，女性为0.33%，两者差距为0.09个百分点。这一差距虽小于一些表现更优的国家，但仍表明参与度不均衡。对于男性和女性而言，土耳其的工程领域集中度均远低于前沿水平，这表明工程深度方面的不足反映了整体能力而非单一群体内部的差距。 各行业普遍存在类似的不对称现象。在技术和媒体行业，土耳其的AI工程集中度为3.6%，低于美国和加拿大等前沿经济体，处于中上分布区间的较低水平（见图4）。在金融服务领域，土耳其的集中度为1.9%，是所比较国家中最低的。这种对比表明，工程 核心技术领域的能力更为发达，但在其他数据密集型产业中则相对薄弱。 由于产业结构影响着人工智能准备度的多个维度，全文多次考察了技术、信息和媒体以及金融服务行业。这些行业由于职业分类稳定且领英（LinkedIn）代表性强，能够提供一致的跨国比较。前者捕捉了核心的数字工程活动，而后者则反映了一个数据密集型领域，其中人工智能的采用模式在不同国家存在差异。 人工