来源：北京大学国家发展研究院

文章主要内容

摘要：大语言模型人工智能技术发展迅速。本文利用2018年1月~2024年5月之间发布的125万条在线招聘信息，基于对岗位工作任务的具体描述，构建了各职业“大语言模型人工智能技术暴露度”，估计了人工智能技术对劳动力需求以及对岗位学历和薪资等要求的影响。研究发现，在样本期内，中国劳动力市场上新增职位的大语言模型人工智能技术暴露度呈现降低的趋势；暴露度较高的职业主要是对受教育程度要求较高和薪资较高的白领职业，包括会计、编辑、销售及程序员等。基于职业层面的工具变量的回归结果显示，技术暴露度与劳动力需求呈现负相关关系，高暴露度的职业薪资增幅下降、职业内部的薪资差距变大，对教育和工作经验方面的要求也越高。本文强调，中国劳动力市场对新技术的适应性有待加强，建议在加大对大语言模型人工智能技术的研发投入的同时，降低应用门槛，鼓励企业和劳动者使用新技术。

关键词：人工智能  大语言模型  劳动需求  就业  ChatGPT

收稿时间：2024-3-29

反馈外审意见时间：2024-6-6、2024-11-27

拟录用时间：2025-4-18

一、本文研究背景与意义

人工智能技术，特别是近年来大语言模型人工智能技术的兴起，引发了关于岗位替代的广泛担忧。现有文献基于美国劳动力市场的职业特征，针对各种数字技术，构建了一系列的技术暴露指数，用以衡量各种职业被技术替代的可能性。在研究技术进步对中国劳动力市场的影响时，文献大多是将中国的职业与美国职业名称进行匹配，利用基于美国数据构建的职业特征来分析中国劳动力市场的变化，因而可能存在不一致的问题。为了克服这一弊端，并捕捉人工智能新技术对我国劳动力市场带来的影响，本文采用来自中国的线上招聘大数据，根据岗位工作任务的具体描述，构建了各职业的大语言模型人工智能技术暴露指数，填补了这一研究空白。本研究提供了关于人工智能对中国劳动力市场影响的实时证据，能帮助劳动者、用人单位和政策制定者更好地理解技术变革的冲击。

二、主要内容

考察岗位替代问题，最常见的做法是对不同职业受到技术影响的程度进行测算，从而在职业层面构建“技术暴露度”，其核心是通过比较技术和人所具备的技能或者所能完成任务的相似度，从而估算出在多大程度上该技术能够完成原本由人工来完成的工作。本文利用从2018年1月至2024年5月期间发布在智联招聘平台的招聘广告中随机抽取的125万条信息，结合美国职业信息网络（O*NET）的2087个“详细工作活动”（Detailed Work Arrangement）和19265种任务（Tasks），构建了职业层面的人工智能技术暴露指数。这一做法不需要对中国和美国的职业名称进行匹配，从而能够解决跨国职业匹配中潜在的不一致问题。随后，本文描述了样本期大语言模型人工智能技术暴露度的趋势，在职业和城市层面估计了大语言模型人工智能技术暴露指数带来的劳动力市场冲击，并使用美国相关暴露指数作为工具变量以克服潜在的内生性问题。

三、主要结论与政策建议

本文有如下三点研究发现。第一，样本期内新增职位的大语言模型人工智能技术暴露度呈现加速下降的态势。我们将职业按暴露度高低分为四组后，发现暴露度最低的职业组，其劳动需求呈现增长趋势，而暴露度最高的组出现下降趋势。这可能反映出新技术对高暴露度的劳动力产生了更强烈的替代效应。第二，暴露度最高的20个职业中包括了会计、编辑、销售及程序等知识密集型的白领工作，工作内容涉及大量的文本处理和资料整合，其被替代的风险较大。第三，回归分析显示，大语言模型人工智能技术暴露度越高，该职业需求缩减更为明显、内部薪资差异加剧，且可能会提出更高的针对受教育程度和工作经验的招聘要求。

本文提出三个方面的政策建议。一是加强技能培训，政府和企业应加大对劳动者的技能培训投入，帮助高暴露度职业的从业者适应技术变革。二是降低技术应用门槛，通过补贴或税收优惠，鼓励企业采用人工智能技术，同时确保技术红利惠及劳动者。三是完善社会保障，为受技术冲击的劳动者提供就业援助和失业保障，缓解转型期的阵痛。

四、边际贡献与未来拓展

本文的贡献主要体现在三个方面。第一，本文直接使用中国招聘广告文本中的详细工作内容描述来构建技术暴露指数，而此前的研究主要依赖中国和美国职业的匹配，并根据美国职业的任务内容进行分析。相比而言，本文的方法能够更准确地反映中国劳动力市场特征。第二，本文以月度数据展示了岗位需求变化的趋势，考察了大语言模型人工智能技术暴露指数对职业招聘需求以及相应岗位要求的影响，为2023年以来大语言/生成式人工智能流行之后“人工智能替代工作岗位”的相关讨论提供了及时的证据。第三，本文提供了中国劳动力市场面对新技术进步的适应性反应的相关证据，为现阶段我国针对人工智能新技术的政策讨论提供了参考。

在未来的研究中，可以进一步扩充对该指数通过在“技能”层面分解进行不同纬度的计算，也可以结合职业内部的任务和技能的差异性分析暴露指数的差异性对劳动力需求的影响；可以从更为宏观的视角在地区、行业等层面分析人工智能新技术对不同人群的异质性影响；还可以从人工智能新技术的应用领域，结合企业微观数据，探究技术采纳与劳动力结构调整的具体机制。  

五、写作、投稿、修改的过程和心得体会

这项研究始于2023年年初，正值ChatGPT掀起生成式人工智能的热潮，前沿技术进步对经济发展的影响成为重要的研究话题。在考察了文献中技术暴露指数的构建方式后，我们认为有必要基于中国劳动力市场上各个职业的具体岗位工作任务，构建反映中国劳动力市场特征的技术暴露指数，弥补现有文献的缺陷。在研究中，我们利用ChatGPT等大语言模型来辅助完成文本分析和其他一些研究任务，而这样的做法越来越普遍，反映了学术界面对新技术冲击进行了适应性调整。有趣的是，对新技术的采纳和调整，实际上也属于本文的范畴。换句话说，本项研究开展的过程，本身就是本项研究的内容。

在投稿和修改的过程中，审稿专家提出了很有价值的意见，促使我们在立意、数据收集、数据分析等方面不断改进。作者由衷感谢审稿专家以及其他一些学者对本文提出的修改意见和建议，感谢编辑部高效的工作。

本文基于与智联招聘的合作而展开，文章的部分内容也在2023年以《AI大模型对我国劳动力市场潜在影响》为题，与智联招聘联合向社会发布，引发了一些报道和关注，产生了社会影响力。例如，中国工程院院士孙凝晖在向第十四届全国人大常务委员会所作的题为“人工智能与智能计算的发展”的讲座中就引用了职业技术暴露度的相关结果。我们也希望这项研究能帮助劳动者、用人单位和政策制定者更好地理解技术变革的冲击。

文章来源

作者：

张丹丹（北京大学中国经济研究中心、北京大学国家发展研究院）

于航（北京大学中国经济研究中心、北京大学国家发展研究院）

李力行（北京大学中国经济研究中心、北京大学国家发展研究院）

胡佳胤（北京大学中国经济研究中心、北京大学国家发展研究院、北京大学数字金融研究中心）

莫怡青（北京大学国家发展研究院）

李泓孛（北京大学国家发展研究院）

文章刊发：《管理世界》2025年第7期

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。