我们采用了 AI 暴露度指标构建的方法，随机抽取了 2018 年 1 月到 2024 年 5 月的 125 万条招聘大数据进行分析，并最终计算出每个职业的 AI 大语言模型暴露度。
可以很明显地看到，暴露度高的职业以白领职业为主，而且是一些程序性、规范性非常强的白领工作。暴露度低的职业主要是对人服务的蓝领职业。所以，我们的结论是，大语言模型技术更多影响了脑力劳动。
人工智能将如何影响我们的工作？
2025.5.11 北京
大家好！非常开心来到一席的现场，跟大家分享我最近的一些研究。我今天讲的这个话题，既有科技感，又与我们每一个人息息相关，那就是 「人工智能将如何影响我们的工作」？
我先自我介绍一下。我叫张丹丹，是北京大学的经济学教授。我的研究主要关注制度变化、文化冲击以及技术变革对人类行为的影响，以及如何进行政策设计。
我最近几年关注的话题，实际上是劳动力市场上两个非常显著的变化。
一方面，我们传统的工作岗位正在发生变化，变得越来越非正规化、碎片化和任务化。比如，我们看到大量平台型工作不断涌现，像外卖骑手、视频博主等。
另一方面，这些现象背后反映的是技术的快速进步。比如互联网平台经济的发展，尤其是近年来人工智能 （Artificial Intelligence，简称 「AI」）技术的飞速进步。我的研究也关注技术进步下，我们的职位会发生怎样的调整。
在 2022 年 11 月 30 日，ChatGPT 突然出现之后，所有的白领工作者、脑力劳动者开始瑟瑟发抖。因为我们进入了一个 AI 大语言模型的时代，很多事情都将发生根本性的变化。
那么，在这个时代，我们会面临怎样的境遇？我们的工作是面临调整，还是我们有可能 「躺赢」？我们的工作是否仍然被需要？我们是否还需要工作？我们的社会保障体系又该如何重构？所有这些问题都是我关注的，我相信也是在座各位关注的。
人工智能的发展阶段
要研究这个问题，就需要聚焦到某一个具体的技术进步。对大多数人来说，AI 的进步似乎是从 ChatGPT 出现才开始的。
但实际上，如果我们把时间拉回到 30 年前的 1990 年代，AI 就已经在很多领域开始发展了。早期，它是以自动化的形式出现的，比如在工厂里一些流程和工序的自动化。
到了 2010 年，这些自动化流程开始变得越来越聪明，有了算法，有了 「脑子」，出现了工业机器人。如今的工业生产中，到处都是工业机器人和机器手臂在作业，大大提高了生产效率。这就是所谓的 「机器人时代」，是一种有 「脑子」 的自动化过程。
紧接着，到了 2015 年，AI 进入应用领域，出现了自动驾驶技术、虚拟人等。
2020 年之后，我们进入了 AI 大语言模型时代，它更新换代的速度非常快，能够解决很多复杂的问题。
总的来说，AI 技术在过去 30 年间发生了巨大变化。
它的变化趋势是从手到脑，过去是把人从体力劳动中解放出来，现在是对脑力劳动的补充甚至替代；从简单到复杂，过去可能只是简单的搬运工作，但现在可以实现自动驾驶、视频制作；从专业领域到通用领域，过去只是解决某一领域的具体问题，但现在可以制作视频、写诗、作画。
因此，不同的时代，AI 影响的群体也不相同。我们的研究，更多地聚焦于最近的 AI 大语言模型技术。
此前的研究实际上已经关注了早期 AI 技术进步对就业的影响，因此我们的研究将参考和借鉴之前研究的方法和发现，完成我们自己对 AI 大语言模型的研究。
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？
接下来，我们来看一下，AI 大语言模型对中国劳动力市场会产生什么影响。
这是我们过去几年研究的小结。我们同样采用了 AI 暴露度指标构建的方法，随机抽取了 2018 年 1 月到 2024 年 5 月的 125 万条招聘大数据进行分析，构建 「AI 大语言模型暴露度」。
有了抓取的数据之后，我们想要构建暴露指数，还需要一个标准。就是如何将中国的各种职业分解为具体任务或技能，并且与当下的 AI 大语言模型技术相对应，看看构成工作的任务或者技能，受到 AI 大语言模型技术影响的程度具体是怎么样的。
我们参考了 「O*Net 指标体系」，这也是阿斯莫格鲁研究中所使用的体系。O*Net 是美国劳工部提供的一个在线公开且实时更新的指标体系，它像一本字典一样，将 1000 多个职业细分为约 2 万个任务、3 万个技能，以及 2000 多个详细工作活动，也就是 DWA（Detailed work arrangement）。
我们借助这一指标体系，就可以将中国的这些招聘广告中描述的工作任务进行切分，并分别与技能、任务和 DWA 对应。
举个例子，比如说 「视频主播」 这个工作。我们获取了某一条招聘广告中的信息，发现其中关于岗位职责的描述一共有 5 项，包括 「中控台软件操作、设备调试」「跟进数据、处理事件、把控节奏」「售前售后回复与处理」「直播结束后货品整理与发货」 以及 「其他辅助性工作」。
我们现在就是要把招聘广告中这 5 条职责描述与 O*Net 系统中的具体工作任务进行匹配，当然这个现在也不是我们手动完成了，也是由 AI 大语言模型来匹配。于是，就匹配上了右边的 7 个任务，每一个任务我们通过 AI 大语言模型进行打分，分数范围为 0 到 10。
分数越接近 0，就说明配适度很低，表示该任务还不能被 AI 大语言模型完成。越接近 10，则说明这个任务很可能已经能够被 AI 大语言模型完成了。
大家可以看到，这 5 项职责当中，「中控台软件操作和设备调试」 目前 AI 大语言模型还无法完成，还得由人去操作机器。而 「售前售后的回复与处理」 现在基本上可以用 AI 大语言模型来做了。
所以，我们可以看到，一个工作岗位中，其实包含不同任务，而且这些任务的暴露度是不同的。
同时，我们还做了 DWA 层面的拆分和打分，将 5 项工作职责匹配到了 5 个 DWA，通过大语言模型打分，同样是从 0-10。
这样两条路径我们同时在做。125 万条招聘信息意味着我们完成了 125 万次这样的工作。
但是为了让大家理解 AI 对于工作的影响，我们还需要看职业层面、行业层面或者地区层面的影响。
比如 「视频主播」 这个职业，其实包括了成千上万个 「视频主播的工作岗位」。所以，我们需要把成千上万个岗位的数据进行汇总，按照任务出现的频率进行加权平均，计算出这个职业的 AI 大语言模型暴露度。
这就是我们研究的基本逻辑，所以我们将 125 万个工作岗位全部进行了汇总，按照任务出现的频率进行加权平均，最终计算出每个职业的 AI 大语言模型暴露度。
给大家展示一下我们计算出的分数，这里分别展示了 AI 大语言模型暴露度最高和最低的 20 个职业。暴露度高意味着这份工作很大程度上可以由 AI 大语言模型完成，而暴露度低就说明当前技术还做不了这项工作。
AI 大语言模型暴露度高的职业包括财务相关岗位，比如会计、审计，还有编辑，销售工程师和电脑程序员等等，这几项工作排在最前面。
▲张丹丹等 （2025），「大语言模型人工智能技术对中国劳动力市场的潜在影响研究」，《管理世界》 即将发表
而暴露度低的职业则包括清洁工、搬运工、餐厅厨师和洗碗工等。
▲张丹丹等 （2025），「大语言模型人工智能技术对中国劳动力市场的潜在影响研究」，《管理世界》 即将发表
我们可以很明显地看到，AI 大语言模型暴露度高的职业以白领职业为主，而且是一些程序性、规范性非常强的白领工作。AI 大语言模型暴露度低的职业主要是对人服务的蓝领职业。所以，我们的结论是，AI 大语言模型更多影响了脑力劳动。
我们还绘制了一张图，横轴是不同职业的 AI 大语言模型暴露度，纵轴是该职业新增岗位的数量，呈现明显的负向关系。暴露度越高的职业，新增岗位数量越少。这是一个有点悲观的结果，但是也很好理解，说明我们的企业正在大量使用 AI 大语言模型来替代部分人工。
▲张丹丹等 （2025），「大语言模型人工智能技术对中国劳动力市场的潜在影响研究」，《管理世界》 即将发表
此外，我们还对 2018 年 1 月至 2024 年 5 月期间中国劳动力市场的动态变化趋势进行了分析。
结果显示，整个中国劳动力市场的平均 AI 大语言模型暴露度呈下降趋势，且最近几年呈现更加明显的下降趋势。
这意味着我们现在看到的大量招聘信息中，与 AI 大语言模型相关的岗位正在减少，在企业和用人单位层面，他们可能已经在利用新技术替代部分职业。
▲张丹丹等 （2025），「大语言模型人工智能技术对中国劳动力市场的潜在影响研究」，《管理世界》 即将发表
我们进一步按照 AI 大语言模型暴露度将职业分为四类，最高的 25% 和最低的 25% 以及中间两部分。
这张图的纵轴是新增招聘岗位市场占比，从图中可以看出，AI 大语言模型暴露度最高的那 25% 的职业，新增招聘岗位市场占比下降最为明显。而 AI 大语言模型暴露度最低的职业，就业增长反而是上升的。尽管如此，整体劳动力市场仍呈现出负向趋势。
▲张丹丹等 （2025），「大语言模型人工智能技术对中国劳动力市场的潜在影响研究」，《管理世界》 即将发表
我们最近的研究还关注了技能需求的变化。
大家都知道，招聘广告中不仅会列出岗位职责，还包括岗位需要什么样的技能。我们对这些技能提取出来，进行了深度学习，并与 O*Net 中的 3 万个不同技能进行匹配，然后汇总到职业层面，分析各职业的技能需求变化情况。
在 AI 大语言模型时代，有些技能的需求是在下降的，但并不是说整体上已经不需要了。这些需求包括沟通能力、学习能力、情绪智力、适应能力和思维能力等。
需求下降最快的是 「沟通能力」。我们认为原因在于，AI 大语言模型的沟通能力非常出色，特别是在职场上，如果你给老板写邮件、讨论问题，使用 AI 大语言模型大概率会比你自己完成得更出色，所以用人单位对这方面的需求会下降。
还有 「学习能力」，AI 大语言模型的学习能力非常强，它可以辅助使用者完成学习方面的跃升。在情绪智力，也就是情商方面，AI 大语言模型同样表现得很好。
另一方面，AI 大语言模型出现后，用人单位对于一些技能的要求会上升。包括专业性、管理能力、自我驱动力、解决问题的能力和协作合作能力等。
该如何理解呢？我来到一席之前，正在杭州做调研。我们去看了医院和金融行业对于 AI 大语言模型的使用情况。
我特别问了这个问题。他们的答案是，AI 大语言模型在辅助完成具体工作的时候可能会出现 「幻觉」。
比如对于理财师的建议和医生的诊断，AI 大语言模型只能起到辅助性作用，因此需要专业人士判断是否要接受 AI 大语言模型的建议，这使得用人单位对于 「专业性」 的要求越来越高了。
另外，关于 「自主性」，因为 AI 大语言模型现如今作为我们的助手，时时相伴在我们身边，所以我们可以管理它、利用它帮助我们更高效地完成工作，这需要我们具备自主性。
在这里给大家一些参考，看看我们未来可以在哪些技能层面发展自己。
未来的工作将变成什么样？
接下来，我们进一步探讨一下未来的工作可能会是什么样子。
从技术进步的角度来看，经济学家认为技术进步对个体职业存在 「双刃剑」 效应，既有毁灭的力量，也有创造的力量。
我在这里引用了一篇研究，回顾了过去 80 年美国劳动就业的变化。研究者发现当下我们在劳动力市场看到的岗位中有 60% 以上，在 80 年前是不存在的。也就是说大量工作是随着时间推移逐渐创造出来的，而不是原来既定就有的。
这篇研究展示了一张图，我想用这张图说明一下什么叫 「双刃剑」 效应。
在这张图中，有 x 轴和 y 轴和很多小圈。每一个圈代表一个职业。x 轴代表流程替代，它是负向的，就是毁灭的效应，就是说技术进步会完全替代这个工作。y 轴代表要素增强，就是说技术进步会加持我的工作，提升工作效率，让我的工作变得更被社会需要。
我们每个人都处于图中的某个位置，在技术进步的浪潮中面临着被毁灭和被创造的双重力量。
▲Autor D，Chin C，Salomons A M，et al.「New Frontiers:The Origins and Content of New Work，1940–2018.」Quarterly Journal of Economics，139(3)，2024.
在图的右下角，绿色部分的职业较为悲惨，它们的替代效应比较强，而要素增强效应较弱，就是说毁灭力量大于创造力量。所以我们要尽量避免自己出现在这个角落。
而图的左上角的职业则处于正向力量区域，创造力量大于毁灭力量，这些工作在未来可能会越来越被需要。
还是以视频主播为例，刚才我们看到它有 5 项不同的任务，有的任务可以被 AI 大语言模型替代，但是有些任务 AI 大语言模型还做不到。
这就给了我们一个空间，规避技术进步带来的冲击。我们可以发挥技术进步的增强效应，让 AI 把它能做的做到最好。我们就将精力集中在 AI 还无法完成的任务上，这样我们整个工作的效率就会大大提升。效率提升后，成本会降低，市场需求就会增加，这个职位就会更加被需要。
每个职位都存在这样的空间，都可以发挥人的主观能动性。如果发挥得好，我们就能处于西北角的有利位置，如果发挥不好，可能会处于东南角的不利位置。这取决于每个个体在自己的职位中的主观能动性。当然，也与技术进步的速度有关。
另外，关于未来技术进步对工作的影响可能会出现两个趋势，一个是工作两极化，一个是工作任务化。
我来解释一下什么是工作的两极化。这张图是较早的一篇顶级期刊文章中的图表，横轴表示职业的技能要求，0 表示技能要求很低，100 表示技能要求很高，纵轴表示市场需求。我们可以看到整体呈现 U 型曲线。
▲Daron Acemoglu，David Autor，Chapter 12-Skills，Tasks and Technologies:Implications for Employment and Earnings，Handbook of Labor Economics，Elsevier，Volume4B，2011:1043-1171.
这是什么意思？这就是两极化。随着技术进步，对极高技能和极低技能职业的需求在增加，而中间技能水平职业的需求则在减少。
为什么会出现这种情况呢？因为技术进步会大量替代规则性、程序化工作，而这些工作大多是中等技能水平的。
高技能和极低技能的职业则不会受到太大影响。比如，创作高质量的影视作品需要极高的创造力，AI 大语言模型还无法完成，所以对天才型的人才需求就会增加。
另一方面，一些完全不需要技能的工作也会增加。这是什么意思呢？就是任务化的工作。
比如我们刚才说到的机器人。机器人技术的快速飞跃带来了生产效率的大幅提升。然而，像手表、手机生产过程中特别细微的打螺丝工作是机器人无法完成的，需要人来完成。
机器提升了生产效率，也意味着这些机器无法完成的工作对人的需求大量增加，因为需要配合机器的大产能。
我可以告诉大家，这种工作是非常简单无脑的。我们去过大量制造业工厂、电子厂，看到工人每天十几个小时完成重复性的打螺丝、装配工作。这就是一些任务化的工作，处在低技能这一端，但是需求量巨大。
这种两极化趋势提醒我们，中间技能水平的工作区间正在缩小，我们该如何应对呢？
身处不确定性的时代
我们正处于一个充满未知的时代，不确定性极大。我的研究也在不断跟进技术进步的步伐，想把技术进步的影响看得更清晰。
但真实的结果是什么样的，现在还是未知的。很多未知的东西正在做某些我们不知道的事情。所以我们需要警惕。
但是，我们刚才一切讨论的基础都是 「工作是必须的」「我们每个人都需要工作养活自己」。
假设 AI 继续发展，当它能创造大量稀缺资源的时候，我们或许就可以躺平了，我们就不需要那么多工作了。如果可以 AI 养活我们，那工作可能就不再被需要了。
但对我们这一代人来说，我们正处于这样一个受到冲击的时代。希望大家能够以积极的心态看待这一问题，我后续的研究也将继续关注这方面的变化。
今天的分享就到这里，非常非常感谢。
谢谢大家！
