产业智能化背景下员工技能培训的创新绩效研究

□ 张双志

一般来说，“机器换人”并非当前劳动力市场面临的主要问题，人工智能引发工作任务变革的不确定性才是问题的关键。那么，企业需要培育一种鼓励员工不断学习的文化，以适应不断被技术变革的工作任务，从而在智能增强型工作场景中提升创新绩效。在新制度主义的“技术—制度”分析框架中引入组织要素考察西方发达国家的技能形成体系，发现在解决企业培训市场失灵问题上的组织选择差异是英国滑入低技能均衡发展陷阱和德国形成高技能均衡发展模式的主要原因。[1]当然，这两种模式下的产业工人技能水平也对产业创新能力产生了差异化影响。但企业投资员工技能培训并不是其主要目的，而在于通过培训优化人力资本结构，为企业在创新驱动发展时代筑牢竞争优势。鉴于此，本文的研究问题可表述为探讨在中国情境下员工技能培训能否塑造创新，产业智能化加持员工技能培训是否更能塑造创新，二者需要在经验层面得到相关论证。

一、文献综述与研究假设

1.员工技能培训与产业创新

制造业对创新的重要性怎么强调和重视也不为过，其对于形成国家整体创新能力具有举足轻重的作用。[2]20世纪90年代，美国迎来了二战后资本主义世界所谓的“黄金时代”，引发了理论界对这一经济奇迹发生的根源进行激烈探讨。其中，加州大学伯克利分校的保罗·罗默(Paul Romer)教授敏锐捕捉到美国经济复苏朝着以信息技术、个人电脑、生物技术、金融服务、软件开发等知识密集型产业发展，率先提出“知识已成为经济增长内生动力”[3]的重要论断。进入21世纪以来，创新能力越发成为一国获得竞争优势的关键性因素，高素质的技术技能人才越来越重要，土地、自然资源、建筑等物质资本越来越次之。一般而言，被视为能够创造和推动国家创新能力的知识，主要有三个不同类型的来源，即研究与开发、大学和科研机构的研究，以及产业工人的人力资本。现有文献认为，员工技能培训作为塑造产业工人人力资本的内部形成方式，是决定企业技术创新成功与否的重要因素。[4]但当前学术界对产业工人人力资本的衡量，主要是从最高学历、受教育年限等正规教育的视角予以测算，而从职业资格证书、职业技能等级证书等非正式学习的角度进行评估的研究较为缺乏。[5]与正规教育的学习途径相比，员工技能培训对产业创新能力的塑造更具有现实价值。[6]

技术进步不会自动转化为劳动生产力，知识创新的商业化运作需要解决其中存在的“知识距离”问题。那么，员工技能培训在有效缩短“知识距离”的传导机制之中是如何运转的，需要进一步探讨以便打开这个“组织黑箱”，为构建以企业为主体的国家创新体系提供相关学理思考。根据组织吸收能力理论的解释，大量高素质技术技能人才有助于提高组织对研发创新成果的模仿、吸收和再利用水平。[7]以员工发展为代表的工作场所学习，从生命周期角度来说，时间跨度最大、涉及的人群最多，且衍生出的绩效也比较多元，自然成为终身学习研究的重点对象。[8]一般来说，员工技能培训作为形成组织吸收能力的主要途径，通过激励相容、信息效率和资源配置等三重机制来影响企业的技术创新过程。特别是对于低研发密集型企业来说，组织吸收能力更是其同化和平衡外界新技术知识的必备生存要素，以此形成的“粘性知识”也是企业塑造持久竞争优势的主要条件。[9]同样，作为高技能均衡发展模式代表的日本在二战后，形成了强调“人件”主导作用的“人件—软件—硬件”有机结合的柔性生产系统，塑造了以高技能、高工资和高价值为主要特征的产业创新能力。[10]

鉴于此，从人力资本效应的角度来看，提出本文的第一个研究假设：员工技能培训能够提升产业的创新能力。

2.产业智能化、员工技能培训与产业创新

人工智能在与产业融合发展的过程中，也深刻影响了产业工人的技能需求的变化。从“机器换人”到“人机共生”工作场所的演化，推动了产业工人从去技能化到再技能化的转型。[11]换言之，技术进步仍然是形成产业工人技能素质的动力源泉，规定了技能形成体系具有工具理性导向。目前，西方发达资本主义国家的产业工人技能形成体系在国家创新能力的塑造过程中，分别形成了以英国为代表的低技能均衡发展模式和以德国为代表的高技能均衡发展模式。简言之，产业工人技能形成体系作为国家创新体系的重要组成部分，其制度效能的归宿在于为创新驱动发展战略塑造一大批知识型、技能型和创新型的劳动者大军。党的十八大以来，以企业为主体的国家创新体系的构建进一步增强了企业在市场经济中的主体地位，也让其随之成为产业工人技能形成体系的构建主体。培训为员工之间、员工与高管之间的集体学习提供了一个交互式的信息平台，通过“干中学”“用中学”“做中学”机制塑造企业创新必备的吸收能力。[12]“双元制”教育体系为德国中小型企业提供了一大批训练有素且灵活机动的高技能产业工人，也创造了高达42%份额的工业增加值，这被德国著名智库弗劳恩霍夫协会(Fraunhofer Institute)称之为非高密度投入下获得的持续创新绩效。[13]

同样，作为高技能均衡发展模式代表的日本在二战后，形成了强调“人件”主导作用的“人件—软件—硬件”有机结合的柔性生产系统，塑造了以高技能、高工资和高价值为主要特征的产业创新能力。丰田汽车公司的精益生产方式以人的技能为中心，视机器设备为提升劳动生产率的辅助手段。[14]流水线车间催生的劳动去技能化已不再适用于信息时代的生产系统，重拾“技艺”满足感的劳动再技能化成为新的职业发展趋势。产业工人劳动技能所塑造的企业人力资本，是企业形成创新能力的关键要素，这一过程亦是企业使用技术进步获取经济效益的传导机制。简言之，企业投资员工技能培训是技术进步与产业工人技能形成体系的互动结果，实质是一种企业生产性组织行为。[15]基于工作场所的学习由于更加贴近生产系统，实现了共创性多层次互动学习过程对知识型专业人才的培育具有更大的价值。[16]因此，绝大多数世界500强企业都建立了自己的企业大学，特别是美国企业大学数量的增长保持在一个较高的水平。[17]企业在通过内部创办大学开展人才培养的同时，也会参与产业学院的建设，借助利益攸关方的力量推动企业人力资本的转型升级。[18]2018年，《国务院关于推行终身职业技能培训制度的意见》对促进企业投资员工技能培训配套了诸多政策红利，彰显了企业培训对技能塑造的重要作用。[19]

综上所述，从组织吸收能力和技能需求提高的角度来看，人工智能作为新一代信息技术的代表，其与产业的融合发展能够从技术维度催发企业对员工技能培训的投资扩张，使得培训在提升员工技能水平的过程中对产业创新能力的塑造效应更加明显。据此，提出本文的第二个研究假设：产业智能化加持员工技能培训更能塑造创新。

图1为研究思路图，较为清晰地表达了本文在“技术—制度”分析框架下提出的两个研究假设。具体来说，实证研究的第一步是论证员工技能培训是否从提升企业人力资本的视角对产业创新产生了促进作用；同时，在人工智能融入产业发展的过程中，可能会产生“机器换人”或者“人机共生”两种截然不同的现象，那么此时的员工技能培训是否还能对产业创新带来促进效应是实证研究的第二步。根据前文的研究假设可知，在员工技能培训促进创业创新的过程中，产业智能化将发挥“1+1>2”的协同效应，故在图1中对产业智能化的调节作用采用虚线予以标记。

图1 产业智能化、员工技能培训与产业创新示意图

二、数据、模型与变量

1.模型设定

为检验员工技能培训是否促进产业创新，以及产业智能化加持员工技能培训是否会产生更大的产业创新绩效，构建了如下所示的计量模型：

Innovationit=β0+β1OJTit+β2OJTit×AIit+γCtrit+ωi+μt+εit

(1)

其中，i代表制造业二位码产业；t表示年份；Innovation是被解释变量，表示产业内企业的创新水平；OJT、AI是核心解释变量，分别表示员工技能培训、产业智能化；OJT×AI是交互项，表示产业智能化对员工技能培训的协同效应；Ctr表示控制变量，用以缓解遗漏重要解释变量所带来的内生性问题；ωi表示产业固定效应，μt表示时间固定效应；εit是随机误差项。

在式(1)中，如果OJT的估计系数β1显著为正，说明员工技能培训具有显著的创新促进效应，并且β1代表了促进效应的大小；如果OJT×AI的估计系数β2显著为正，说明在智能化水平越高的产业中，员工技能培训能够带来更大的创新促进效应。但在产业智能化背景下，员工技能培训对产业创新的影响需要结合估计系数β1和β2来考虑，不能单纯依据β2的数值大小进行解读。在式(1)中，如果对员工技能培训(OJT)求一阶导，可以得到如下所示的结果：

(2)

由式(2)可知，在产业智能化背景下，员工技能培训对产业创新的边际影响为β1+β2AI，这说明随着产业智能化水平的提升，β1+β2AI的值还会进一步提升。可能存在的解释是，在塑造产业创新能力的过程中，产业智能化加持员工技能培训能够产生“1+1>2”的协同效应。

2.变量测度

(1)产业智能化

假如一个产业内使用了与人工智能相关的技术或产品的企业数量越多，说明人工智能与该产业的融合程度就越高。那么，对产业智能化采用产业内使用了与人工智能相关的技术或产品的企业数量占比进行度量。[20]本文运用Python第三方Pandas库函数Contains在企查查全样本数据库中对“企业名称”和“经营范围”进行关键词模糊搜索，从而获得与人工智能技术相关的企业。如果其包含了“智能”“云”“数据”“物联”及“机器学习”等关键词，可认为该企业使用了与人工智能相关的技术或产品。

(2)员工技能培训

员工技能培训作为塑造产业工人技能的内部积累方式，通过职工教育培训经费的支出来衡量企业对人力资本形成与重视的程度，已成为目前文献研究中常用的代理指标。[21]鉴于此，本文采用产业内企业职工教育培训经费的平均值来度量员工技能培训。

(3)产业创新

测度产业创新的数据源于复旦大学产业发展研究中心发布的《中国城市和产业创新力报告2017》，该指标充分考虑了专利的内在价值有助于规避使用专利数量和发明专利占比测算产业创新时可能会存在的误差。考虑到该报告的数据只更新至2016年，为与产业智能化等指标的数据同步，根据历年产业创新能力的增长率来预测和插补了2017—2019年的数据。

参考现有文献的通常做法，并结合本文的研究问题，选取产业规模、产业规模的平方、民营企业占比、市场进入率、出口交货值占比作为控制变量。综上所述，式(1)所涉及变量的名称、代码及定义如表1所示。

表1 变量设定及具体释义

3.数据说明

首先，产业智能化数据来自企查查数据库。其次，员工技能培训数据来源于上海证券交易所和深圳证券交易所上市公司的财务报表。再次，产业创新数据来源于《中国城市和产业创新力报告2017》，并通过插值法形成2001—2019年数据。最后，控制变量数据来源于《中国科技统计年鉴-2020》和国家统计局网站的国家数据资料库。

三、研究假设验证及解释

1.基本回归结果

交互项的回归系数虽不能直接反映其对被解释变量的影响大小，但当回归系数在显著性检验水平上为正数时即可表明其影响效应比单独回归时的影响效应更加明显。表2汇报了产业智能化、员工技能培训与产业创新的基本回归结果，具体来说：第(1)列汇报了在未添加控制变量、时间固定效应和产业固定效应的情况下，产业智能化与员工技能培训交互项的回归系数在1%的显著性检验水平上为正数，表明产业智能化加持下的员工技能培训更能塑造产业创新能力。在此基础上控制时间固定效应和产业固定效应之后，第(2)列汇报了产业智能化与员工技能培训交互项的回归系数在1%的显著性检验水平上仍然为正数。虽然，交互项的回归系数出现了较大的波动，但拟合优度从第(1)列的0.298 3一跃升至0.992 1，说明在控制了时间固定效应和产业固定效应之后，第(2)列的回归结果具有较强的解释力。第(3)列进一步添加了控制变量，产业智能化与员工技能培训交互项的回归系数在1%的显著性检验水平上继续为正数，与第(2)列的回归系数几乎没有差异，且拟合优度也仅从0.992 1略微增长至0.992 9。这说明在添加了控制变量之后，交互项的回归系数没有发生实质性的变化，也在一定程度上揭示了控制变量对第(2)列的回归结果并没有产生明显的影响。基本回归结果提示，产业智能化加持下的员工技能培训更加能塑造创新。

表2 产业智能化背景下员工技能培训创新绩效的基本回归结果

接下来，对控制变量的回归系数进行相关解读，以进一步丰富本节的研究结论。产业规模的回归系数在1%的显著性检验水平上为-0.201 5，且其平方项的回归系数在1%的显著性检验水平上为-0.034 6，说明产业规模与产业创新能力之间存在“倒U型”曲线关系。换言之，产业创新能力一开始会随着产业规模的增长而增长，当产业发展到一定规模的时候其创新能力就开始呈下降趋势。此外，民营企业占比、出口交货值占比和市场进入率的回归系数都没有通过显著性水平检验，故不对此进行过多的解释。

表2的基本回归结果提示，产业智能化在员工技能培训塑造产业创新能力的过程中发挥着协同作用，即随着产业智能化水平的提升，员工技能培训塑造产业创新能力的效应呈扩张趋势。如图2所示，员工技能培训在从低培训水平上升到高培训水平的过程中，无论是智能化高的产业还是智能化低的产业，其创新绩效都处于一个不断上升的状态。在智能化水平越高的产业中，员工技能培训能够带来更大的创新促进效应。当然，在智能化水平较低的产业中，员工技能培训对产业创新能力的提升效应也是较为明显的。人工智能作为新一代信息技术的代表，其与产业的融合发展能够从技术维度催发企业对员工技能培训的投资扩张，使得培训在提升员工技能水平的过程中对产业创新能力的塑造作用更加明显。对此可能存在的解释是，产业智能化加持员工技能培训在塑造产业创新能力的过程中能够产生“1+1>2”的协同效应。鉴于此，人工智能时代的企业经营需要重新全面审视对员工进行技能培训的战略价值，可将其视为一种战略投资选择，而不仅仅是一种生产成本。技术与技能之间的互相协作，有助于实现创新绩效的递增，从而在创新驱动发展时代塑造企业的综合竞争力。

图2 产业智能化加持员工技能培训更能塑造创新

2.夏普利贡献度的分解

当然，解释变量在表2中的回归系数不能直接进行大小比较，需要借助相关的计量经济学方法予以分解。[19]那么，引入夏普利(Shapley)分解法对此展开进一步研究，以便直观比较各变量对产业创新能力的贡献度。表3归结了相关的夏普利贡献度分解结果，第(1)列汇报了各变量具体的Shapley值，第(2)列汇报了Shapley值所占的比重。具体来说：产业智能化与员工技能培训交互项的贡献度最大，几乎占到总贡献度的1/3；其次是员工技能培训的贡献度，也达到了17.22%；民营企业占比、出口交货值占比、产业规模、产业规模的平方、市场进入率的贡献度则依次降低。相较而言，夏普利贡献度的分解结果也在一定程度上说明随着产业智能化水平的提升，员工技能培训的创新绩效会更加明显，这也从侧面验证了研究假设的可靠性。

表3 夏普利(Shapley)贡献度的分解结果

四、研究假设的分样本验证及解释

1.分产业样本的回归结果

在式(1)中加入员工技能培训、产业智能化与产业技术水平的交互项，探讨产业智能化背景下员工技能培训在不同技术水平产业中对创新能力的影响效应，具体结果如表4所示。

Panel A部分汇报了使用研发人员数量测度产业技术水平的回归结果，具体来说：第(1)列汇报了在未添加控制变量、时间固定效应和产业固定效应的情况下，员工技能培训、产业智能化与研发人员数量交互项的回归系数在1%的显著性检验水平上为正数，表明随着产业技术水平的提高，产业智能化加持下的员工技能培训更能塑造产业创新能力。在此基础上控制时间固定效应和产业固定效应之后，第(2)列汇报了员工技能培训、产业智能化与研发人员数量交互项的回归系数在1%的显著性检验水平上仍然为正数。虽然，交互项的回归系数出现了较大的波动，但拟合优度从第(1)列的0.242 5一跃升至0.992 0，说明在控制了时间固定效应和产业固定效应之后，第(2)列的回归结果具有较强的解释力。第(3)列进一步添加了控制变量，员工技能培训、产业智能化与研发人员数量交互项的回归系数在1%的显著性检验水平上为正数，与第(2)列的回归系数几乎没有差异，且拟合优度也仅从0.992 0略微增长至0.992 9。这说明在添加了控制变量之后，交互项的回归系数没有发生实质性的变化，也在一定程度上揭示了控制变量对第(2)列的回归结果并没有产生明显的影响。Panel A部分的回归结果提示，随着研发人员数量测度的产业技术水平的提高，产业智能化加持下的员工技能培训也更加能塑造产业创新能力。

Panel B部分汇报了使用研发投入强度测度产业技术水平的回归结果，具体解读可参照Panel A部分的说明进行，此处不再赘述。实证结果提示，随着研发投入强度测度的产业技术水平的提高，产业智能化加持下的员工技能培训也更加能塑造产业创新能力。综上所述，产业智能化加持员工技能培训更能塑造产业创新能力的研究假设在产业异质性检验中仍然成立，也在一定程度上说明表2汇报的基本回归结果具有较高的可靠性。

2.分技术样本的回归结果

人工智能作为一项通用技术，需要在与具体产业融合发展的过程中才能衍生出特定的技术或产品，从而通过新产品、新工艺获取相应的经济效益。那么，产业内的人工智能企业数量越多，则该产业其他企业就越能较为便捷地获取相关人工智能技术的应用方案，从而推动该产业整体的智能化程度。但不同的人工智能技术在与产业融合发展的过程中，能否继续加持员工技能培训带来更大的创新绩效，需要在经验层面得到相关证实，具体结果如表5所示。

表4 产业智能化背景下员工技能培训创新绩效的产业异质性分析结果

表5 产业智能化背景下员工技能培训创新绩效的技术异质性分析结果

第(1)列汇报了员工技能培训与“智能”技术交互项的回归系数在1%的显著性检验水平上为0.035 8，表明“智能”技术加持下的员工技能培训更能塑造产业创新能力。第(2)列汇报了员工技能培训与“云”技术交互项的回归系数在1%的显著性检验水平上为0.044 7，表明“云”技术加持下的员工技能培训更能塑造产业创新能力。第(3)列汇报了员工技能培训与“数据”技术交互项的回归系数在1%的显著性检验水平上为0.188 5，表明“数据”技术加持下的员工技能培训更能塑造产业创新能力。第(4)列汇报了员工技能培训与“物联”技术交互项的回归系数在1%的显著性检验水平上为0.682 2，表明“物联”技术加持下的员工技能培训更能塑造产业创新能力。第(5)列汇报了员工技能培训与“机器学习”技术交互项的回归系数在1%的显著性检验水平上为62.181 8，表明“机器学习”技术加持下的员工技能培训更能塑造产业创新能力。

五、研究结论与对策建议

1.研究结论

本文使用网络爬虫技术所形成的2001—2019年中国制造业上市公司数据，对产业智能化背景下员工技能培训的创新绩效展开实证研究。主要研究结论如下：(1)员工技能培训对产业创新具有统计学意义上的促进作用，在产业智能化的加持下员工技能培训的创新效应更加明显。(2)图2形象揭示了员工技能培训在从低培训水平上升到高培训水平的过程中，无论是智能化高的产业还是智能化低的产业，其创新绩效都处于一个不断上升的状态。(3)夏普利贡献度的分解结果也在一定程度上说明，随着产业智能化水平的提升，员工技能培训的创新绩效会更加明显。(4)随着产业技术水平的提升，员工技能培训的创新绩效及产业智能化加持下员工技能培训的创新绩效会更显著。(5)对人工智能技术进行“智能”“云”“数据”“物联”及“机器学习”区分后，员工技能培训的创新绩效及产业智能化加持下的创新绩效仍然存在。

1987年，美国学者克里斯托弗·弗里曼(Christopher Freeman)首次提出“国家创新体系”的概念之后，超越了技术概念范畴的“创新”，强调借助多元公共性组织机构组成的国家网络以推动创造、扩散和运用新技术。[22]技术创新动态理论模型将创新区分为产品创新和工艺创新，产品创新属于“突变型”技术进步，需要大量的研发创新投入和高学历科技创新人才作为支撑，而工艺创新则属于“累积型”技术进步，需要一大批会操作懂维修先进机器设备和生产线的高技能人才作为支撑。换言之，从产品创新到商业化生产之间存在一段“知识距离”，员工的高技能素质则是缩短这段知识距离的有效工具，其在革新工艺生产流程中达成提升劳动生产率的目的，从而为企业带来可观的经济收益。那么，技能之所以能产生经济价值的作用机理之一就是其有助于提升产业创新能力，本文的研究结果也证实了有关理论假设，这也为大规模推进技能型社会的建设提供了学理支撑。

2.对策建议

英国科技委员会(The Lords Science and Technology Commitlee)在2019年8月提交的《为提高生产力而进行技术扩散》(DittusionofTechnologyforProductivity)报告认为，领导和管理能力的不足、技能和知识的广泛差距所引起的技术扩散传播障碍是英国生产力低迷的主要原因，报告明确建议财政部、能源和工业战略部及教育部联合制定相应政策法规以鼓励企业雇主支持新技术运用和投资员工技能培训。[23]可见，基于工作场所的学习在科学技术迭代更新加快的时代，对于创新成果的商业化转化具有中介承载作用。但当前，企业对员工技能培训的投资一直处于低迷状态。鉴于此，结合上述研究结论并从激励企业投资培训的角度出发，提出如下对策建议：

第一，降低企业参与培训的成本。将人力资源转化为人力资本，需要政府持续加大财政投入力度，并对开展员工技能培训的企业在财政、金融、税收、土地、信用等方面给予必要的政策套餐组合支持。考虑到技能属于准公共产品，可能会引致企业对员工技能培训存在前期投资规模大、回报周期长且收益不确定等问题，这就需要政府根据强制性、非营利性和营利性来划分劳动技能的培训项目，并据此制定不同类型的金融税收方案。

第二，强化企业的社会责任意识。企业在产业工人技能塑造的过程中占据主体地位，但政府不能单纯地希冀企业按照《劳动法》《职业教育法》等法律自觉足额提取和使用职工教育培训经费，可考虑将企业是否举办或参与培训列入监测企业履行社会责任的指标清单。当然，人社部门对履行社会责任贡献突出的企业进行表彰奖励的同时，也要通过及时跟进技术创新的步伐，并不定期发布新职业的培训标准，以此引导企业从完善生产系统的角度重视培训工作的开展。

第三，支持职业院校承担企业培训。“学历教育与培训并重”是凸显现代职业教育类型属性的根本特征，培训为学龄群体和非学龄群体提供了突破学历教育时空限制的终身学习方式。那么，确定培训在职业院校办学任务中的合法性和必要性，将教师承担职业技能培训的情况作为绩效工资考核分配的重要依据，推进以职业院校为培训重点承担主体的终身职业技能培训制度的构建，有助于推动劳动技能要素加快向企业集聚，从而促进产教融合取得深度成果。

六、结语

国际机器人联合会(International Federation of Robotics)发布的《世界机器人2021工业机器人》报告显示，中国的工业机器人密度从2015年的49台每万人快速增长至2020年的246台每万人，中国的机器人密度在全球排名也因此从五年前的第25位提升至第9位[24]。伴随着工业机器人的数量激增，生产车间的自动化进程得以加快推进，这将深刻改变劳动者与生产机器的相处方式。流水线生产车间的劳动“去技能化”已成为过去式，而如何推动“人机共生”背景下的劳动“再技能化”成为当前劳动力市场亟待解决的关键议题。那么，职业技能培训凭借“干中学”的独特属性，突破了学历教育的“时空限制”，在灵活多变中承担起重塑劳动技能的重任。随着《“十四五”职业技能培训规划》的深入实施，以企业为主体的职业技能培训将为生产车间变革带来技能的赋能效应。