中圖分類號：F061；F016 文獻標識碼：A 文章編號：1000-176X（2025）07-0032-10

一、引言

2025年春節(jié)，DeepSeek橫空出世。短短7天之內，用戶增長超過1億人，體現(xiàn)了人工智能在新一輪技術變革中的引領性地位，也表明當前中國人工智能大模型發(fā)展處于全球第一梯隊。中國高度重視人工智能的發(fā)展，2024年《政府工作報告》提出開展“人工智能+”行動，2025年《政府工作報告》則強調要持續(xù)推進“人工智能 + ”行動。這些部署有利于將人工智能與中國的制造優(yōu)勢、市場優(yōu)勢更好地結合起來，從而激發(fā)數(shù)字經(jīng)濟創(chuàng)新活力，推動經(jīng)濟高質量發(fā)展。

人工智能在經(jīng)濟中應用得越快越廣，其潛在影響就越深越遠，特別是其對就業(yè)可能產(chǎn)生的影響已然引發(fā)全球范圍內一定程度的擔憂。斯坦福大學發(fā)布的《2024年人工智能指數(shù)報告》顯示，在過去的一年中，認為人工智能將在未來三年到五年內顯著影響其生活的人的比重由 60% 提升到 66% ， 52% 的人表示對通用人工智能感到更加擔憂而不是興奮。這種擔憂的情緒不禁讓人思考：人工智能真的將替代所有人的工作嗎？如果答案是否定的，它又將對就業(yè)產(chǎn)生怎樣的影響？

現(xiàn)有關于人工智能與就業(yè)的研究，主要集中于分析人工智能對就業(yè)規(guī)模的影響。Acemoglu和Pascual認為，人工智能并未明顯減少就業(yè)。王林輝等2認為，人工智能會引發(fā)職業(yè)替代風險。在中國， 19.05% 的勞動就業(yè)面臨高替代風險。黃旭和許文立[3]認為，隨著人工智能的發(fā)展，失業(yè)率將攀升。尹志鋒等[4]認為，人工智能引發(fā)就業(yè)結構變化，既會帶動就業(yè)增長，也會導致結構性失業(yè)。從現(xiàn)有研究中不難發(fā)現(xiàn)，對于人工智能到底是增加就業(yè)還是減少就業(yè)，目前仍存在分歧。實際上，人工智能會減少就業(yè)還是增加就業(yè)，關鍵在于人工智能引發(fā)的替代效應與創(chuàng)造效應之間的平衡。其中，替代效應是指技術引人生產(chǎn)過程后對原有勞動者的替代，而創(chuàng)造效應是指技術引入生產(chǎn)過程后對勞動力需求的增加。盡管人工智能對就業(yè)規(guī)模的影響尚未達成一致意見，但現(xiàn)有研究普遍認同其在區(qū)域、行業(yè)、崗位和技能等多個方面對就業(yè)結構有顯著影響。從區(qū)域看，發(fā)達地區(qū)的人工智能對就業(yè)的創(chuàng)造效應顯著高于欠發(fā)達地區(qū)「5]。從行業(yè)看，人工智能對就業(yè)的影響存在行業(yè)差異[6]。從崗位看，人工智能減少了常規(guī)職業(yè)的工作崗位需求和崗位類別，卻增加了非常規(guī)職業(yè)的工作崗位需求和崗位類別[7]。從技能看，短期內人工智能具有提高技能溢價的特點[8]。

然而，僅從就業(yè)規(guī)模的角度討論這一議題，或許不足以解釋人工智能給就業(yè)帶來的復雜影響。以生成式人工智能為代表的新一代人工智能①具備強大的半監(jiān)督或無監(jiān)督學習能力與多場域適應性，這決定了人工智能對就業(yè)的影響已不再像手工織布工人被織布機替代那樣呈現(xiàn)簡單的線性關系，而是會滲透到具體工作的各個任務環(huán)節(jié)，進而產(chǎn)生非線性的影響。因此，為更好地解釋人工智能對就業(yè)的影響，需關注人工智能給工作本質和內涵帶來的深層變革[9]。任務偏向型技術變革假說[10-1]為理解人工智能對就業(yè)的影響提供了一種新的視角。與技能偏向型技術變革假說不同，任務偏向型技術變革假說以工作任務為主要分析對象，認為工作可以被視為一系列任務，其中一些工作任務比其他工作任務更適合引入自動化。因此，本文認為，人工智能對就業(yè)的影響主要表現(xiàn)為重組工作任務，而非直接替代整個工作崗位。這一判斷的依據(jù)在于人工智能在技術一經(jīng)濟邏輯下呈現(xiàn)的“嵌入式”應用特征。該特征使得人工智能可以深度融人工作任務，促使工作任務在執(zhí)行方式、流程和邊界等方面發(fā)生改變，進而引發(fā)工作任務的重組。

對此，本文圍繞人工智能對就業(yè)的影響，重點探討以下四個關鍵問題：一是人工智能究竟如何影響就業(yè)？二是人工智能影響就業(yè)的作用方式是什么？三是這種影響可能帶來哪些挑戰(zhàn)？四是如何應對這些挑戰(zhàn)？針對這些問題，首先，本文在現(xiàn)有研究基礎上引入任務偏向型技術變革假說，為分析人工智能對就業(yè)的影響提供新的理論視角。其次，基于人工智能的“嵌入式”應用特征及其技術一經(jīng)濟邏輯，本文論證人工智能影響就業(yè)的主要路徑是重組工作任務，而非直接替代整個工作崗位。再次，本文將人工智能對工作任務的重組方式概括為“4R”，即替代（Replace）操作型和認知型常規(guī)工作任務、補充（Replenish）認知型非常規(guī)工作任務、保留（Retain）操作型非常規(guī)工作任務、創(chuàng)造（Regenerate）更復雜高級的新工作任務，以深入解讀人工智能對就業(yè)的影響。最后，本文探討人工智能在重組工作任務過程中可能帶來的如結構性失業(yè)、技能分化加劇和技能轉型困難等挑戰(zhàn)，并就此提出應對思考。

二、人工智能以重組工作任務的方式影響就業(yè)的原因

與傳統(tǒng)自動化技術相比，當前人工智能的應用往往呈現(xiàn)嵌入到某個技術或某些領域的特征。這一特征具有深刻的技術一經(jīng)濟邏輯基礎：從技術層面看，人工智能兼具通用性和創(chuàng)新性，既能夠實現(xiàn)跨領域融合，又能夠不斷突破創(chuàng)新邊界；從經(jīng)濟層面看，其具有高固定成本和低邊際成本的特點，可以促使企業(yè)通過規(guī)?；瘧梅謹偝跏纪度氩崿F(xiàn)收益最大化。

（一）人工智能的“嵌入式”應用特征

相關研究報告提供了人工智能具有“嵌人式”應用特征的經(jīng)驗證據(jù)。2024年，國家工業(yè)信息安全發(fā)展研究中心、工業(yè)和信息化部電子知識產(chǎn)權中心發(fā)布的《新一代人工智能專利技術分析報告》（以下簡稱《報告》）定量揭示了中國人工智能技術專利的最新發(fā)展態(tài)勢?！秷蟾妗分赋觯?017年以來，人工智能專利申請的年均增長率超過 43% 。其中，自然語言處理和計算機視覺是目前發(fā)展最迅速、產(chǎn)業(yè)應用最快的兩個技術分支。自然語言處理可以理解、生成和處理人類語言，嵌人生成式搜索、智能文檔、智能客服等場景；計算機視覺可以收集、解析和理解圖像或視頻中的內容，嵌入安全監(jiān)控、自動駕駛、醫(yī)學影像分析等場景?！秷蟾妗愤M一步指出，生成式搜索與智能文檔處理成為人工智能率先實現(xiàn)商業(yè)化落地的典型場景，這主要得益于技術驅動效應、模型訓練范式的成熟和數(shù)據(jù)基礎設施的相對完善。例如，百度文庫率先嵌入文心大模型，其創(chuàng)建的“一站式AI內容創(chuàng)作平臺”能夠使用戶一鍵生成文本、思維導圖和研究報告等。騰訊文檔通過嵌人混元大模型并推出了智能助手，支持數(shù)十種文本創(chuàng)作場景。這些案例直觀地展現(xiàn)了主要創(chuàng)新主體的專利布局側重和研發(fā)策略，同時也反映了人工智能的“嵌入式”應用特征。

（二）決定人工智能“嵌入式”應用特征的技術一經(jīng)濟邏輯

人工智能之所以呈現(xiàn)“嵌入式”應用特征，是由其本身的技術一經(jīng)濟邏輯決定的。從技術層面看，一方面，人工智能具備通用性。具體而言，人工智能可以被應用于從金融服務業(yè)到醫(yī)療保健業(yè)的不同場景，體現(xiàn)了普遍適用性；算法、算力和海量數(shù)據(jù)可以實現(xiàn)快速迭代更新，體現(xiàn)了技術動態(tài)性；人工智能可以與多領域知識實現(xiàn)深度融合，體現(xiàn)了創(chuàng)新互補性。另一方面，人工智能具備創(chuàng)新性。Boiko等[12]認為，人工智能具有創(chuàng)新潛能，由GPT-4驅動的人工智能系統(tǒng)通過整合文檔搜索、代碼執(zhí)行和實驗自動化等工具，可以實現(xiàn)半自主的實驗設計、規(guī)劃并執(zhí)行，從而成功加速和優(yōu)化復雜實驗?？梢?，人工智能兼具通用性和創(chuàng)新性的技術特征，使其不是被簡單地疊加到現(xiàn)有技術體系之上或者替代現(xiàn)有技術體系，而是作為關鍵組件嵌人其中。

從經(jīng)濟層面看，人工智能具有高固定成本和低邊際成本的特點。其前期開發(fā)成本較高，涵蓋技術研發(fā)、數(shù)據(jù)收集與處理、模型訓練等多個環(huán)節(jié)。這一過程類似于構建一個高度復雜的神經(jīng)網(wǎng)絡系統(tǒng)，在大量的輸入與輸出的過程中建立起復雜而精細的關聯(lián)，以實現(xiàn)智能學習與決策。然而，核心系統(tǒng)一旦建成，其邊際應用成本將顯著降低。這主要得益于人工智能集成所需要的大部分基礎設施已相對完善，如云計算、應用程序編程接口、應用程序商店等。這有效解釋了諸如DeepSeek在短期內用戶迅速增長的現(xiàn)象。這種高固定成本和低邊際成本的特點與傳統(tǒng)自動化技術形成鮮明對比：后者側重于理解和模擬物理世界的運動規(guī)律，通常需要配套專用機械設備和工作場所，其應用規(guī)模和深度受制于物理基礎設施的邊際成本。正是這種差異使得企業(yè)在部署人工智能時更傾向于采取漸進式的融合策略，將人工智能有機整合至原有產(chǎn)品或服務上，通過重組和優(yōu)化任務結構而非完全替代現(xiàn)有勞動力實現(xiàn)成本一收益的平衡。

（三）人工智能以重組工作任務的方式影響就業(yè)

人工智能的“嵌入式”應用特征決定了其影響就業(yè)的主要方式是重組工作任務，而非直接替代整個工作崗位。這種“嵌入式”應用特征的表現(xiàn)是：人工智能正在變得更高效、更實惠、更容易獲得。斯坦福大學發(fā)布的《2025年人工智能指數(shù)報告》顯示，從醫(yī)療健康到交通出行，人工智能正在融入日常生活的方方面面。在醫(yī)療健康方面，美國食品藥品監(jiān)督管理局批準的人工智能醫(yī)療設備數(shù)量從2015年的6臺激增至2023年的223臺，8年間增長近40倍。在交通出行方面，自動駕駛技術已實現(xiàn)規(guī)?；逃?。美國最大的自動駕駛運營商之一Waymo每周提供的自動駕駛服務超過15萬次，標志著該技術已突破實驗階段，并進人實際應用階段。這些數(shù)據(jù)印證了人工智能正在深度嵌入傳統(tǒng)產(chǎn)業(yè)，推動傳統(tǒng)產(chǎn)業(yè)智能化轉型。

未來，受開發(fā)類型、部署方式、市場條件和政策環(huán)境等因素的共同影響，人工智能可能增加就業(yè)，也可能減少就業(yè)。目前，應對人工智能對就業(yè)的影響，最關鍵的問題在于深刻理解其重組工作任務的過程與方式?；谌蝿找暯菍ぷ鬟M行分解，可以便于識別哪些工作任務易于引入人工智能，而哪些難以被其替代。從已有的經(jīng)驗事實看，高技能職業(yè)中也可能包含一些可以被人工智能替代的工作任務，低技能職業(yè)中也可能包含高度依賴人類獨特技能的工作任務。這種理解超越了簡單的工作崗位增減視角，意味著需更加辯證地看待人工智能對就業(yè)的影響，以更加合理地規(guī)劃就業(yè)政策部署和人工智能發(fā)展方向。

三、人工智能重組工作任務的“4R”方式

任務偏向型技術變革假說對工作任務的劃分包括兩個層次：第一層，把工作任務劃分為常規(guī)工作任務和非常規(guī)工作任務；第二層，進一步把常規(guī)工作任務、非常規(guī)工作任務均劃分為操作型任務和認知型任務?；谠摽蚣埽Y合技術可行性和成本收益考量，當前人工智能重組工作任務的方式可以概括為四類：替代操作型和認知型常規(guī)工作任務、補充認知型非常規(guī)工作任務、保留操作型非常規(guī)工作任務、創(chuàng)造更復雜高級的新工作任務。

（一）替代操作型和認知型常規(guī)工作任務

人工智能更傾向于替代那些具備明確規(guī)則且能夠編碼化的體力或腦力勞動，其中不僅包括生產(chǎn)裝配、焊接作業(yè)等操作型常規(guī)工作任務，還包括數(shù)據(jù)錄人、基礎客服等認知型常規(guī)工作任務。具體而言，操作型常規(guī)工作任務可以理解為具備明確規(guī)則且能夠編碼化的體力勞動，采用機器處理這類任務比采用人工處理具有更大的經(jīng)濟效益。以擋風玻璃裝配線為例，工程師只需依據(jù)擋風玻璃的尺寸規(guī)格、安裝位置和緊固方式等明確參數(shù)，編寫相應的控制程序，機器便能精準地按照預設流程完成抓取、定位、安裝和緊固等一系列操作。采用這種方式完成的操作型常規(guī)工作任務，其精確性、穩(wěn)定性和安全性遠超人工且能夠長時間持續(xù)工作，極大地提高了生產(chǎn)效率和產(chǎn)品質量。由于工業(yè)領域工作任務的高度結構化特征，該領域尤其適合人工智能與機器人技術的結合應用。2025年，中國信息通信研究院和蘇州機器人產(chǎn)業(yè)協(xié)會聯(lián)合發(fā)布的《“機器人 + 人工智能”工業(yè)應用研究報告》顯示，工業(yè)領域是“機器人 .+ 人工智能”應用落地的首要方向。2023年，中國的“機器流程自動化（RPA）+AI”解決方案的市場規(guī)模已達24.70億元，預計2026年將突破70億元。

除了替代操作型常規(guī)任務，相較于傳統(tǒng)自動化技術，人工智能還能夠替代部分認知型常規(guī)工作任務。這類任務可以理解為具備明確規(guī)則且能夠編碼化的腦力勞動，包括分析消費者需求偏好、分析醫(yī)療影像、審核法律文書等。這些領域曾長期被視為人類腦力勞動的專屬。從技術層面看，人工智能的替代能力主要得益于機器學習和深度學習等關鍵技術的發(fā)展。作為一種統(tǒng)計技術，機器學習使計算機能夠從海量數(shù)據(jù)中自主學習和預測，而無需基于特定規(guī)則的編程；深度學習則通過神經(jīng)網(wǎng)絡等復雜算法，進一步提升了機器的認知和決策能力。這些關鍵技術使人工智能可以精準模擬人類基于經(jīng)驗的認知過程，從而有效執(zhí)行規(guī)則明確、可編碼化的認知型常規(guī)工作任務。從經(jīng)濟效益看，由于完成這類任務通常需要一定的專業(yè)知識，引人人工智能解決這類任務具有較好的經(jīng)濟效益。以醫(yī)療領域為例，2024年，哈佛醫(yī)學院推出的CHIEF癌癥檢測模型在19種不同癌癥的診斷中準確率高達 94% 。與傳統(tǒng)診斷方式相比，該模型的應用不僅提高了診斷效率，還極大降低了醫(yī)療成本。

人工智能對常規(guī)工作任務的替代在不同勞動力群體中呈現(xiàn)明顯的結構性特征。一方面，人工智能主要沖擊從事第二產(chǎn)業(yè)標準化體力勞動的低技能群體，如替代制造業(yè)中的生產(chǎn)線裝配工、焊接工等基礎操作崗位。另一方面，人工智能正逐步影響具備中等專業(yè)技能的腦力勞動者，包括行政文員、財務會計、基礎法律顧問等。人工智能從體力勞動向認知勞動領域的替代延伸趨勢已得到國際勞工組織和世界銀行相關研究的證實[13]，如零售業(yè)的商業(yè)決策，Palumbo和Edelman[14]認為，過去許多零售商會從競爭對手的網(wǎng)站搜集價格信息，并利用這些信息人為或自動設定合適的價格?，F(xiàn)在越來越多的零售商通過挖掘關于購買情況、價格水平和產(chǎn)品特征的歷史數(shù)據(jù)趨勢，將價格變化與銷售變化聯(lián)系起來，使用人工智能指導定價決策?？梢酝茢?，基于技術可行性和成本收益考量，人工智能對常規(guī)工作任務的替代是必然趨勢。

（二）補充認知型非常規(guī)工作任務

認知型非常規(guī)工作任務是指那些需要依靠直覺、創(chuàng)造力、說服力、抽象力和分析力解決復雜問題的工作任務?，F(xiàn)階段，人工智能尚不能獨立完成這類工作任務，但其能夠通過提供輔助和支持提高勞動者完成這些工作任務的效率和質量，如Eapen等[15]認為，人工智能并非直接替代人類的獨創(chuàng)性，而是通過培養(yǎng)發(fā)散思維、挑戰(zhàn)現(xiàn)有偏見、提供評估意見和促進人機協(xié)作等方式，成為提升人類集體創(chuàng)造力的強大合作伙伴。Noy和Zhang[16]認為，對于中等難度的專業(yè)寫作工作任務而言，ChatGPT的使用讓完成工作的平均時耗下降 40% 、產(chǎn)出質量提高 18% ，顯著提高了生產(chǎn)效率。姚加權等[17認為，人工智能通過促使企業(yè)減少常規(guī)低技能勞動力需求、增加非常規(guī)高技能勞動力需求的方式提升企業(yè)的生產(chǎn)率。以上研究表明，人工智能在補充認知型非常規(guī)工作任務方面具有多重價值。

人工智能在補充認知型非常規(guī)工作任務方面之所以能取得顯著進展，主要原因在于，從技術層面看，人工智能的創(chuàng)新性特質使其成為一種“發(fā)明方法的發(fā)明”。Leung等[i8]將這種能力描述為“學習閱讀基因組”，其主要體現(xiàn)為，人工智能可以通過機器學習優(yōu)化自身算法，甚至生成新的解決方案。從經(jīng)濟效益層面看，在輔助勞動者完成認知型非常規(guī)工作任務的過程中，人工智能也具有較好的經(jīng)濟效益。例如，通過模擬多種生物分子及其復合物的結構和相互作用，人工智能可以為生命科學和醫(yī)學研究提供強大的虛擬實驗室[19]。這不僅降低了研發(fā)人員的勞動邊際成本，還提高了生產(chǎn)率。殷杰[20]認為，在與人類交互的過程中，人工智能體現(xiàn)的主體性取決于由語言生成驅動的交互能力，并體現(xiàn)出一種新的人工主體性形式。因此，在人機交互的過程中，人工智能是認知型非常規(guī)工作任務的理想補充工具。從勞動力群體分布看，人工智能對認知型非常規(guī)工作任務的補充作用呈現(xiàn)出明顯的差異化特征。朱嘉蔚和金曉貝[21]認為，人工智能發(fā)展對低技能就業(yè)的影響呈現(xiàn)正U型，對高技能就業(yè)的影響呈現(xiàn)倒U型。Brynjolfsson等[22]認為，人工智能會話助理雖能普遍提高生產(chǎn)率，但效果存在顯著異質性。經(jīng)驗不足和技能較低的勞動者在產(chǎn)出速度和質量上均有提升，而經(jīng)驗最豐富的高技能勞動者僅呈現(xiàn)產(chǎn)出速度的小幅提升但質量卻略有下降。以上研究表明，人工智能雖能補充部分認知型非常規(guī)工作任務，從而促進創(chuàng)新、提高生產(chǎn)率，但對不同勞動力群體的影響存在較大差異。2024年，埃森哲發(fā)布的《工作、勞動力、工人：在生成式人工智能時代的重塑》報告進一步預測，未來在中國，勞動者 33% 的工作時間可能受到人工智能的影響，其中 15% 的工作時間將因人工智能的補充而實現(xiàn)更高效率的產(chǎn)出?？梢酝茢啵斎斯ぶ悄苤鸩秸系睫k公軟件、電子郵件和智能手機及其應用程序中時，越來越多的勞動者將有可能更快、更高效地利用人工智能補充認知型非常規(guī)工作任務，使其成為日常工作流程的有機組成部分。

（三）保留操作型非常規(guī)工作任務

操作型非常規(guī)工作任務是指那些需要高度身體靈活性或社交靈活性的工作任務，如個人護理?，F(xiàn)實情況表明，盡管人工智能已經(jīng)在汽車制造、交通運輸、醫(yī)療保健等多個行業(yè)中實現(xiàn)了初步應用，但在餐飲服務、個人護理等行業(yè)應用不足。從技術層面著，這類任務面臨莫拉維克悖論的困境：要讓電腦如成人般下棋是相對容易的，但要讓電腦具有如一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的。這是由于人類所獨有的如推理等高階智慧能力僅需較少的運算能力，而無意識的技能和直覺卻需要極大的運算能力。正如Moravec[23」在書中所言：“機器人完成視覺捕捉需要大量的計算和時間，但人類的視覺在每十分之一秒內就能夠做得更多?！庇纱丝梢?，完成任何一項工作任務都需要智力、體力、溝通能力和適應能力等多方面能力，通常這些能力都是必不可少的，單方面能力的提升并不意味著可以替代其他方面的能力。從經(jīng)濟效益看，由于操作型非常規(guī)工作任務通過人工智能實現(xiàn)完全自動化的成本過高，因而勞動力在此方面仍具有比較優(yōu)勢。以保潔工作任務為例，2025年，斯坦福大學推出一款名為BRS的保姆機器人，該機器人能夠完成倒垃圾、整理衣物、刷馬桶等多種日常家務[24]。然而，在保潔工作中，雖然體力是完成這項工作的重要基礎，但如果缺乏溝通能力和適應能力，可能難以準確理解客戶需求并有效處理客戶反饋，從而影響服務質量。鑒于此，雖然在前沿科技的助推下，部分操作型非常規(guī)任務也有可能完全被人工智能化，但出于要素價格的考量，勞動力比資本在這類任務中更具有比較優(yōu)勢。為此，替代這類任務不如替代操作型常規(guī)工作任務那樣有成本優(yōu)勢，因而保留這類工作任務的可能性就更大。從勞動力群體分布看，謝宇和阿維拉[25]認為，人工智能革命可能會催生一個“后知識社會”，在這個社會中，知識本身不再像今天這樣重要。相反，個體關系、社會身份和軟技能將變得更加重要。這將超越傳統(tǒng)教育的技能劃分邏輯。即使傳統(tǒng)觀念中被認為是低學歷、低技能、容易被技術替代的群體，也擁有難以被替代的人類獨特技能，如共情能力。這一趨勢在就業(yè)市場已有體現(xiàn)，Autor和Dorm[26]認為，1980—2005年美國就業(yè)和工資呈現(xiàn)兩極分化，同時伴隨低技能服務業(yè)的就業(yè)增長。同樣，潘珊和郭凱明[27]認為，在人工智能技術偏向生產(chǎn)崗位且生產(chǎn)崗位和服務崗位的替代彈性較低時，人工智能會在制造業(yè)內部推動由生產(chǎn)轉向服務的崗位結構變遷?？梢酝茢?，未來人工智能仍將難以替代擁有人類獨特技能的勞動力群體。

（四）創(chuàng)造更復雜高級的新工作任務

從經(jīng)濟動態(tài)發(fā)展和一般均衡的角度看，技術變革既能替代舊任務，也會創(chuàng)造新任務。因此，人工智能對就業(yè)的影響不僅體現(xiàn)在重組現(xiàn)有工作任務，還體現(xiàn)在創(chuàng)造新的工作任務。Acemoglu等[28]基于2010—2018年與人工智能相關職位的數(shù)據(jù)研究發(fā)現(xiàn)，增加的職位并不局限于信息技術領域，在其他領域也有體現(xiàn)。同樣，2022年《中華人民共和國職業(yè)分類大典》標注了97個數(shù)字職業(yè)。這些職業(yè)分布廣泛，既涵蓋信息技術領域，如數(shù)字孿生應用技術員等職業(yè)；也涉及其他領域，如農(nóng)業(yè)數(shù)字化技術員等職業(yè)。這些證據(jù)表明，人工智能正在重構工作任務體系，同時催生具有新技能需求的工作崗位。

在與人工智能技術發(fā)展和產(chǎn)業(yè)部署相關的領域，人工智能可能會直接創(chuàng)造出新的工作任務。這些工作任務往往因人工智能的發(fā)展而出現(xiàn)，并需要由人類執(zhí)行，以確保人工智能的使用既有效又安全。具體而言，至少包括三個層面的任務：其一，負責人工智能系統(tǒng)的設計開發(fā)與實際應用；其二，開展對人工智能的“規(guī)訓”工作，包括數(shù)據(jù)訓練和算法優(yōu)化等；其三，深人理解人機智能差異，并對人工智能的工作原理進行專業(yè)解釋與評估。此外，人工智能還可以在其本領域之外間接地創(chuàng)造一系列新的工作任務。例如，2025年《數(shù)智化電商產(chǎn)業(yè)帶發(fā)展研究報告》顯示，直播場次每增加 1% ，與直播電商相關總就業(yè)人數(shù)便增加 0.29% ，表明數(shù)智化電商產(chǎn)業(yè)的發(fā)展不僅改變了產(chǎn)業(yè)格局，也創(chuàng)造了大量就業(yè)機會。

人工智能創(chuàng)造的新工作任務可能是更復雜高級的工作任務。人工智能在短期任務執(zhí)行中展現(xiàn)出顯著優(yōu)勢，而人類專家則在更復雜、更具挑戰(zhàn)性的長期任務中表現(xiàn)得更為出色[29]。要理解這一現(xiàn)象，可以將人工智能與另一種相關但不同的技術——機器人技術進行對比。機器人技術經(jīng)常利用人工智能和其他數(shù)字技術處理數(shù)據(jù)，但與人工智能的不同之處在于，其專注于與物理世界的交互，包括移動、轉換和連接等。因此，機器人技術的經(jīng)濟用途非常特殊，主要集中在狹義任務的自動化上，即用機器代替以前由人工執(zhí)行的某些特定任務。相較于機器人技術，人工智能兼具通用性和創(chuàng)新性。中國正在推行的“人工智能 + ”行動正是最佳例證，通過賦能各行各業(yè)、融入各類應用場景，人工智能不斷向外擴展生產(chǎn)可能性邊界，催生全新的高階工作任務。以上分析表明，人工智能對工作任務的重組是其與人類技能互嵌融合的過程。

四、人工智能重組工作任務可能帶來的挑戰(zhàn)

人工智能在重組工作任務的過程中面臨結構性失業(yè)、技能分化加劇和技能轉型困難相互交織的多重挑戰(zhàn)：替代操作型和認知型常規(guī)工作任務可能引發(fā)結構性失業(yè)；補充認知型非常規(guī)工作任務雖然能夠提高生產(chǎn)率，但也可能加劇技能分化；而保留操作型非常規(guī)工作任務和創(chuàng)造更復雜高級的新工作任務雖然維持了勞動力市場的動態(tài)平衡，卻對勞動者技能轉型提出了更高的要求。

（一）重組過程中結構性失業(yè)的挑戰(zhàn)

人工智能在重組工作任務的過程中，對特定行業(yè)和職業(yè)可能存在系統(tǒng)性替代，進而削弱相關崗位的就業(yè)安全性與穩(wěn)定性，甚至引發(fā)結構性失業(yè)。這種失業(yè)并非由經(jīng)濟衰退或勞動力過剩引起，其本質是技術進步驅動的就業(yè)體系的結構性變革。從行業(yè)層面看，因對自動化轉型的迫切需求，制造業(yè)、零售業(yè)和金融業(yè)等領域可能率先成為人工智能應用的重點領域。尤其是在制造業(yè)領域，當人工智能嵌人機器人中時，焊接、組裝等工人將面臨更突出的結構性失業(yè)風險。從職業(yè)層面看，具有高度程序化特征的崗位（如基礎文員、電話銷售、法律顧問等）面臨較大替代風險。例如，人工智能翻譯的普及不僅改變了翻譯人員的工作性質，更對其職業(yè)前景構成實質性挑戰(zhàn)?？梢钥吹剑@種結構性失業(yè)的挑戰(zhàn)并非只針對低技能勞動者，從制造業(yè)到金融業(yè)、從工人到翻譯人員，人工智能正在深刻影響著各行各業(yè)的常規(guī)化工作任務。

（二）重組過程中技能分化加劇的挑戰(zhàn)

人工智能在重組工作任務的過程中，會給不同技能水平的勞動者帶來不同的影響，可能會加劇技能分化的挑戰(zhàn)。對部分高技能勞動者而言，人工智能的引人不僅增加了其技能溢價，還擴大了其在勞動力市場中的競爭優(yōu)勢。例如，科研人員能夠利用人工智能加速研發(fā)過程。對部分中等技能勞動者而言，人工智能可以自動化其工作中標準化、程序化的部分，使其將注意力轉向更具創(chuàng)造性和價值性的工作任務。例如，保險核保員從簡單的規(guī)則應用轉向復雜的風險評估。對部分低技能勞動者而言，人工智能的普及帶來了雙重影響。一方面，技術的“隔離”凸顯了其情感交互等特有技能的勞動價值。另一方面，低技能勞動者缺乏接觸和利用人工智能的途徑，其技能水平難以隨著技術發(fā)展而同步提升，從而陷入“技術鴻溝”。這種技能分化類似一個“啞鈴”結構，一端是能夠與人工智能深度協(xié)同的群體，另一端是能夠熟練處理人工智能難以勝任的情感交互等任務的群體，中間部分則會面臨巨大的轉型壓力。

（三）重組過程中重點群體技能轉型困難的挑戰(zhàn)

2025年《政府工作報告》指出：要“出臺促進高質量充分就業(yè)的政策措施，強化對企業(yè)吸納就業(yè)的支持，高校畢業(yè)生、脫貧人口、農(nóng)民工等重點群體就業(yè)保持穩(wěn)定”。從工作任務視角看，這些重點群體共同面臨著技能供給與市場需求的結構性錯配問題。具體而言，高校畢業(yè)生雖然具有系統(tǒng)的理論知識儲備，但人工智能的快速發(fā)展使其既有知識結構跟不上從業(yè)技能需求，而教育體系對新興技能的培養(yǎng)也存在明顯滯后性，“招工難”“就業(yè)難”的矛盾持續(xù)存在。脫貧人口和農(nóng)民工群體長期從事傳統(tǒng)制造業(yè)和基礎服務業(yè)等領域的工作，其既有的技能儲備與傳統(tǒng)領域智能化轉型產(chǎn)生的新工作任務要求存在顯著差距。此外，技能轉型所需要的學習周期較長、學習培訓成本高昂，加之轉型后職業(yè)前景與回報的不確定性，加劇了這些重點群體的心理壓力和經(jīng)濟負擔?？傊?，這三類群體的技能更新的速度普遍落后于工作任務迭代的速度，在人工智能重組工作任務的過程中處于相對弱勢地位。

五、應對人工智能重組工作任務的思考

人工智能對新質生產(chǎn)力的發(fā)展有著深刻影響，其通過提升勞動者技能培育新質勞動者[30]。因此，為妥善應對人工智能重組工作任務帶來的就業(yè)影響，更加有效地解決人工智能在重組工作任務的過程中可能帶來的結構性失業(yè)、技能分化加劇和技能轉型困難的挑戰(zhàn)，可以采取“擴增量、重協(xié)同、扶重點”的思路，構建一個涵蓋“促進、支持、保障”的就業(yè)體系。

（一）擴增量：建立以人工智能創(chuàng)造工作任務為導向的就業(yè)促進機制

政府應著力發(fā)揮人工智能在創(chuàng)造新工作任務中的正面效應，推動技術進步與就業(yè)促進的良性互動。首先，應關注前沿引領技術、現(xiàn)代工程技術和顛覆性技術的突破，同時重點研發(fā)具有創(chuàng)造新工作任務潛力的人工智能技術。其次，通過建立國家級人工智能研發(fā)平臺等措施，持續(xù)加大對人工智能基礎算法、算力平臺和數(shù)據(jù)資源等關鍵共性技術的研發(fā)投入。通過政策扶持、資金支持等方式，賦予有能力、有擔當?shù)拿駹I企業(yè)更多自主權，鼓勵其牽頭承擔人工智能重大技術攻關任務，尤其是能夠顯著推動產(chǎn)業(yè)升級和就業(yè)增長的項目。最后，聚焦于高價值的應用場景，制定人工智能全方位全鏈條普及應用計劃。推動人工智能在智能制造、智慧醫(yī)療、智慧城市和農(nóng)業(yè)現(xiàn)代化等具有廣泛就業(yè)前景領域的深化應用，通過催生新的服務模式和業(yè)態(tài)，擴大就業(yè)容量和提高就業(yè)質量。

（二）重協(xié)同：構建在任務層面與人工智能協(xié)同發(fā)展的就業(yè)支持體系

政府應從任務層面而非行業(yè)或職業(yè)層面構建與人工智能協(xié)同發(fā)展的就業(yè)支持體系。首先，應建立任務層面的動態(tài)評估機制。通過分析不同行業(yè)、不同職業(yè)的工作任務特征，明確人工智能對不同類型工作任務的影響路徑，即哪些任務可能被替代、補充、保留或創(chuàng)造。其次，制定人機比較優(yōu)勢互補的技能提升方案。一方面，加強教育體系與人工智能的深度融合，加快培養(yǎng)人工智能相關領域的高水平人才。另一方面，勞動者應強化人工智能難以替代的創(chuàng)新思維、情感交流和跨領域綜合分析等人類獨特技能。最后，完善適應性發(fā)展保障機制。健全終身學習機制，幫助勞動者持續(xù)適應任務結構的動態(tài)演進，以構建既能積極適應、又能主動塑造人工智能時代就業(yè)變革的就業(yè)支持體系，最終實現(xiàn)人工智能與人力資源的互補共贏。

（三）扶重點：實施支持重點群體技能轉型的就業(yè)保障政策

制定針對性的就業(yè)保障政策以助力重點群體技能轉型，解決技能供給與市場需求的結構性錯配問題，對于應對人工智能重組工作任務的挑戰(zhàn)至關重要。針對高校畢業(yè)生，應以促進供需適配為導向動態(tài)調整高等教育專業(yè)和資源結構布局，構建“人工智能 + 專業(yè)”的交叉培養(yǎng)體系，著重培養(yǎng)如創(chuàng)新思維、適應能力、社交能力等軟技能，以增強核心競爭力，并助其順利進入職場。針對脫貧人口和農(nóng)民工群體，應聚焦于技能轉換和技能提升，提供個性化的就業(yè)指導和職業(yè)培訓。例如，在制造業(yè)智能化改造中設置人機協(xié)作過渡崗位，確保產(chǎn)業(yè)工人能夠平穩(wěn)適應人工智能帶來的工作任務變革。同時，還應以多種方式拓展脫貧人口和農(nóng)民工群體的就業(yè)機會，確保其就業(yè)權益。例如，開發(fā)符合脫貧人口和農(nóng)民工群體技能特征的靈活就業(yè)平臺，提供遠程工作、兼職等多樣化就業(yè)信息。總之，人工智能的發(fā)展勢不可擋，與其合作共生是勞動者適應數(shù)智經(jīng)濟時代的必然選擇。

參考文獻：

[1]ACEMOGLU D，PASCUAL R.The economics of artificial inteligence：anagenda[M]. Chicago：UniversityofChicago Press，2018：197-236.

[2]王林輝，胡晟明，董直慶.人工智能技術、任務屬性與職業(yè)可替代風險：來自微觀層面的經(jīng)驗證據(jù)[J].管理世界，2022，38（7）：60-79.

[3］黃旭，許文立.公共政策如何應對人工智能引發(fā)的失業(yè)風險？[J].中央財經(jīng)大學學報，2022（10）：71-84+93.

[4］尹志鋒，曹愛家，郭家寶，等.基于專利數(shù)據(jù)的人工智能就業(yè)效應研究——來自中關村企業(yè)的微觀證據(jù)[J].中國工業(yè)經(jīng)濟，2023（5）：137-154.

[5]邱新平，胡孜.人工智能發(fā)展、地區(qū)差異與就業(yè)影響[J].統(tǒng)計與決策，2023，39（4）：75-78.

26-33. ［7］陳琳，高悅蓬，余林徽.人工智能如何改變企業(yè)對勞動力的需求？一 一來自招聘平臺大數(shù)據(jù)的分析[J].管理世 界，2024，40（6）：74-93. [8］黃浩權，戴天仕，沈軍.人工智能發(fā)展、干中學效應與技能溢價——基于內生技術進步模型的分析[J].中國工 業(yè)經(jīng)濟，2024（2）：99-117.

[9]GALINDO R.How are science，technology and innovation going digital？ The statistical evidence[R].Paris：OECD， 2020.

[10]AUTOR D H，LEVYF，MURNANER J.The skillcontent of recent technological change ：an empirical exploration [J].The quarterly journal of economics，2003，118（4）： 1279-1333.

[11] ACEMOGLU D，AUTOR D. Skills，tasks and technologies：implications for employment and earnings [R]. Amsterdam：Elsevier，2011.

[12] BOIKO D A，MACKNIGHT R，KLINE B，et al.Autonomous chemical research with large language models[J]. Nature，2023（624） ：570-578.

[13]GMYREK P，WINKLER H，GARGANTA S.Bufer or bottleneck？ Generative AI，employment exposure and the digital divide in Latin America[R].Geneva： International Labour Organization，2024.

[14]PALUMBO S，EDELMAN D.What smart companies know about integrating AI[J]. Harvard businessreview，2023， 101（7-8） ：116-125.

[15]EAPEN TT，F(xiàn)INKENSTADT D J，F(xiàn)OLK J，et al.How generative AI can augment human creativity[J].Harvard business review，2023，101（4）：105-120.

[16]NOY S，ZHANG W.Experimental evidence on the productivity effects of generative artificial intellgence[J]. Science，2023（381）：187-192. [17］姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動力技能結構調整的視角［J].管 理世界，2024，40（2）：101-116.

[18]LEUNG M K K，DELONG A，ALIPANAHI B，et al. Machine learning in genomic medicine： a review of computational problems and data sets[J]. Proceedings of the IEEE，2015，104（1）：176-197.

[19]ABRAMSON J，ADLER J，DUNGER J，et al.Accurate structure prediction of biomolecular interactions with AlphaFold3[J].Nature，2024（630）：493-500. [20]殷杰.生成式人工智能的主體性問題[J].中國社會科學，2024（8）：124-145+207. [21] 朱嘉蔚，金曉貝.人工智能發(fā)展對中國制造業(yè)就業(yè)的影響[J].勞動經(jīng)濟研究，2023，11（5）：121-143. [22] BRYNJOLFSSON E，LI D，RAYMOND L.Generative AI at work[J]. The quarterly journal of economics，2025，1 （4）：102-120. [23]MORAVEC HP.Robot： mere machine to transcendent mind[M].Oxford：Oxford UniversityPress，1999：80-85. [24]JIANG Y，ZHANG R，WONG J，et al.Behavior robot suite：streamlining real-world whole-body manipulation for everyday household activities[J/OL].arXiv，（2025-03-07）[2025-03-10].htps：//arxiv.org/abs/2503.05652. [25]謝宇，索菲婭·阿維拉.基于大語言模型的生成式人工智能的社會影響[J].經(jīng)濟學（季刊），2025，25（2）： 273-292. [26]AUTOR D H，DORN D.The growth of low-skillservice jobsand the polarization of the US labor market[J].The American economic review，2013，103（5）：1553-1597. [27]潘珊，郭凱明.人工智能、崗位結構變遷與服務型制造[J].中國工業(yè)經(jīng)濟，2024（4）：57-75. [28]ACEMOGLU D，AUTOR D，HAZELL J，et al. Artificial intellgence and jobs：evidence from online vacancies[J]. Journal of labor economics，2022，40（1）：293-340. [29]WIJK H，LIN T，BECKER J，et al.Re-bench： evaluating frontier AI Ramp;D capabilities of language model agents against human experts[J/OL].arXiv，（2024-11-22）[2025-03-10]. https：/arxiv.org/abs/2411.15114. [30]李曉紅.人工智能與新質生產(chǎn)力：多維契合、雙重影響與政策啟示[J].東北財經(jīng)大學學報，2024（4）：27-36.

How Artificial Intelligence Affects Employment： ANewUnderstandingofRestructuring Work Tasks

LI Xiaohong'， DAI Zhu1， 2

（1.School of Economics，Guizhou University，Guiyang 55oo25，China; 2.School of Management （Business School）， Zunyi Normal College，Zunyi 563oOo， China）

Summary：Chinaataches greatimportance tothedevelopment ofartificial inteligence （AI），withthe2O24Government Work Report proposing tocarryout the“AI+”initiative，andthe 2O25 Government Work Report emphasizing the need to continuouslypromote the“AI+”initiative.This isconducive tobeter combining AI with manufacturingand market advantages，threbystimulatingtheinnovationvitalityofthedigitaleconomyacceleratingtheformationofnewquality productivityandpromoting hghqualityconomicdevelopment.ThelatestwaveofIspeciallgenerativeIsdriving transformativechangesacross industriesduetoitsstrong learningcapabilitiesandadaptability.Atthesame time，ithas raised global concernsabout employment.Most existing studies focuson whether AI increases ordecreasesoverall employment.However，thisbinarydiscussionoftenoverlooks thecomplexwaysAIafectsjobsandfails toaddressits broader impacts.

Based onthe task-biased technological change hypothesis，this paper argues that AI’s influenceon employment goes beyond simplejobreplacement.Instead，AIrestructures diferent types of work tasks in various ways.Byanalyzing AI's embeddedapplication featureswithinthetechnological-economicframework，thispaper proposesa“4Rmodel\"（replace， replenish，retainandregenerate）texplainhowAIaffctsemployment.Specificalyroutineoperationalandcogniietasks with clearrulesaremore likelytobereplacedbyAI; non-routinecognitive tasksrequiringcomplex problem-solvingare morelikely to bereplenishedthroughAI support; non-routinemanual and socialtasks needingphysical or interpersonal flexibilityaremorelikelytoberetained;andnew，advancedtasksmayberegeneratedasAIbecomesintegrated into workflows.

This paper contributes to previous research in two ways.First，itprovides atask-level perspective for understanding therelationshipbetweenAIandemployment.Second，itsystematicallyidentifiesfourpathwaysthrough whichafects employment，oferingacleareranalyticalframework.Forexample，inhealthcare，AIdiagnostictoolscanreplacerepetitive imageanalysis tasks，asisting doctors in diagnosis.However，tasksrequiring personal interaction，such aspatient counseling，areretained，whilenewroles likeAIethicsreview emerge.Thisstudy highlights theimportanceofaligning technologyadoptionwithreal-worldneeds ratherthanpursuingonlythe mostadvancedsolutions.Itoffers policyinsightsfor promoting innovationandhigh-qualityemploymentintheageofAI.Inordertoappropriatelyadresstheemployment impact ofthereorganization ofwork tasks byAI，anemployment system covering“promotion，supportand protection”can beconstructedalong the linesof“expanding incrementalcapacity，emphasizing synergy，andprovidingsupport for key areas\"，as a means of adapting to the challenges posed by AI.

KeyWords：artificialinteligence;employment;restructuring work tasks；task-biased technologicalchange hypothesis

（責任編輯：劉欣琦）