人工智能时代的劳动力需求：来自美国招聘数据的早期证据

本文研究了生成式人工智能对美国劳动力需求的影响。利用 ChatGPT 于 2022 年 11 月发布这一外生冲击，本文采用双重差分和事件研究设计，估计了生成式人工智能的岗位替代效应。

核心观点： 本文认为，生成式人工智能对具有较高人工智能替代脆弱性的岗位产生了显著的负面冲击，而对具有较低替代脆弱性的岗位影响较小。

关键数据： 本文使用了 Lightcast 从 2018 年第一季度到 2025 年第二季度的 2.85 亿个美国在线招聘数据，并将其汇总为 680 万个州-行业-职业-季度平衡面板。

研究结论：

• 岗位替代效应： 在控制人工智能暴露水平的情况下，具有高于中位数人工智能替代分数的岗位发布数量平均下降了 12%。这种效应从发布后第一年的 6% 上升到第三年的 18%。
• 异质性分析：
  • 教育水平： 初级岗位（无需高级学位或丰富经验）受到的冲击尤为严重，其中行政支持岗位下降 40%，专业服务岗位下降 30%。
  • 经验要求： 初级工人（0-2 年经验）受到的影响最大，第一年下降 10%，长期下降 19%。
  • 行业差异： 行政和支持服务、专业服务、公司管理、房地产、其他服务和医疗保健行业受到的负面影响最为显著。

政策启示：

• 教育和培训体系需要适应人工智能时代，加强对创造性问题解决能力、情商、人际沟通能力以及数字或人工智能素养的培养。
• 需要加强对初级职业发展的支持，例如学徒计划、实习计划以及创业或技能培训计划。
• 政策制定者应考虑扩大社会保护体系，以支持工人在这一转型期间。
• 如果岗位替代效应变得更加永久，则应考虑再分配政策。

未来研究方向：

• 进行跨国家比较研究，特别是发展中国家，以了解国家特定因素如何影响人工智能对劳动力市场的影响。
• 评估人工智能对工资、收入分配和技能要求的影响。
• 研究人工智能如何创造全新的工作岗位，以及它如何以增加劳动力需求的方式提高生产力。