人工智能技术、任务属性与职业可替代风险——来自微观层面的经验证据

文/王林辉 胡晟明 董直庆

伴随人工智能技术创新场景及其应用领域不断拓展，职业更替日益频繁，职业内涵开始朝高端化方向演变。人工智能技术会借助机器学习、大数据和超强算力，将自动化能力推向更智能化领域，新技术情境中职业更替出现新变化，引发社会各界对人工智能技术可能造成大规模失业的担忧。为此，精准评估人工智能技术对职业的可替代风险，对于制定适宜的就业政策及时应对人工智能技术冲击，实现更充分更高质量就业意义突出。本文基于中国劳动力动态调查数据，采用机器学习模型测算人工智能技术引发的职业可替代风险，探究职业技能宽度与职业可替代率关系，考察职业可替代风险的组群性和劳动选择偏好特性，拓展人工智能技术如何影响劳动工时和岗位更替，以及不同行业智能化程度的选择问题。

研究假说

人工智能技术对不同职业的替代程度存在差异，这种差异主要源于职业的任务属性。任务属性是指从业人员执行生产任务需具备的思维能力、身体素质、技能专长以及任务自身等特征。职业能否被机器替代取决于其任务属性，例如计算机技术可以按照程序命令执行具有高重复性、规则明确且易于编码等常规属性的任务。有别于传统技术的替代范围，人工智能技术可以进一步使得非常规任务面临较高替代风险。然而，当前人工智能技术仍无法完全模仿人类行为，尤其无法执行需要较强思维能力和社交能力的任务。

假说1：人工智能技术存在职业替代效应，且职业可替代风险受制于任务属性。其中，非程式化且对思维能力和社交能力要求高的任务，职业可替代风险相对较低。

在真实经济中，一项工作可能要求多重技能协调完成。若将某一职业的任务属性拆分成若干技能属性，那么职业所涵盖的技能属性宽度越大，职业可替代风险越低。例如，银行柜员仅需具备现金支付与结算核算等业务技能，但银行信贷员不仅应掌握基本出纳能力，还需具备贷款咨询、了解客户借款需求、评定信用与风险等级、签订借款合同等多种能力；打字员仅需具有速录能力即可，但秘书不仅需要熟练操作各项办公设备，而且应具备较强的语言表达能力、与领导和同事沟通能力、组织规划能力以及团队协作能力等，甚至还需要一定创新能力。可以预期，要求多种技能的职业可替代风险会明显低于只需单一技能的职业。

假说2：职业技能宽度决定职业可替代风险，单一技能要求的职业往往比综合技能职业可替代风险大；而职业技能宽度越大、综合能力越强，职业被人工智能技术替代的风险越小。

有些职业可能会因具有某些相同任务属性而表现出相似性，那么人工智能技术的职业替代可能存在组群性，即同一组群内职业可替代风险相近。一些职业会因思维复杂性或创新性相似形成职业组群，如科研人员、高校教师和工程技术人员等研究型职业，这类职业组群的可替代风险较低。还有一些群体如心理咨询师、特殊教育教师和人力资源专业人员，需要较强的沟通、协作和交流等能力，这些职业形成的组群会因社交属性相似而具有较低的可替代风险。相反，一些需要频繁移动身体位置、从事繁重体力劳动和执行可重复任务的职业，如邮件分拣员、搬运工和包装工，因常规属性相似而形成职业组群，由于机器在完成常规型任务时比劳动者更精准且更有耐力，导致该组群面临较高的可替代风险。

假说3：人工智能技术的职业可替代风险存在组群特征，职业因任务属性相似而形成职业组群，同一组群内职业可替代风险相近，而不同组群的职业可替代风险存在差异。

不同职业可替代风险存在差异，暗示人工智能技术对不同特征劳动力存在选择偏好。对于性别特征，不同性别劳动者会因先天禀赋、后天训练和经验累积差异而形成不同类型能力，导致不同性别个体所能胜任的职业不同。其中，女性更偏好社交能力要求较高且稳定的职业，因而面临的替代风险可能低于男性。对于年龄特征，年龄差距会造成劳动者身体素质、知识储备和工作经验的差异，更具体能和知识优势的青年人通常会选择就职于创新型岗位，而中老年劳动者大多从事远离前沿技术且任务程式化特征突出的传统职业，因而人工智能技术对中老年劳动者的替代风险更高。对于受教育特征，受教育年限越长的劳动者技能水平越高，更能适应对思维、社交等综合能力要求高的职业，因而职业可替代风险越低。

假说4：人工智能技术对不同劳动者的职业替代存在选择偏好，性别、年龄和受教育年限在其中扮演着重要角色，年龄越大、受教育年限越短的劳动者可替代风险可能越高。

研究方法设计

本文基于任务方法利用劳动个体从事的任务属性变量，测算人工智能技术的职业可替代率，且引入职业特征、工作环境与经济环境因素进行修正，使结果更贴近现实。测算原理为监督学习算法，利用已知输入与输出变量的训练集估计机器学习模型参数，以建立输入与输出变量之间的映射关系，进而可以在模型中输入新变量预测对应的输出变量。本文测算思路遵循机器学习模型的一般步骤，主要包括输入变量选择、训练集构建、机器学习模型训练、可替代率预测。本文与既有文献的不同之处在于：一是数据方面，本文采用中国劳动个体数据，考虑职业内任务差异，规避基于职业整体高估风险的可能；二是训练集构建方面，依据当前中国职业中可智能化和难以智能化任务的特征，构造符合中国实际情境的训练集；三是输入变量方面，不仅选取任务属性变量，还引入职业特征、工作环境和经济环境因素；四是机器学习模型方面，选择逻辑回归（LR）、支持向量机（SVM）与随机森林（RF）三类机器学习模型，并通过调参确定最优参数。本文数据源于中山大学社会科学调查中心的中国劳动力动态调查（CLDS）数据库。

人工智能技术的职业可替代率测算结果与评价

LR、SVM和RF三类机器学习模型测得的职业可替代率分布基本一致，均呈现“单极化”右偏分布特征，多数职业可替代率位于（0.2,0.3］区间，较少群体的可替代率超过0.9，表明我国劳动力市场面临的人工智能技术替代风险总体偏低，但仍有部分劳动者面临较高替代风险。通过将职业可替代率处于［0,0.3］、［0.3,0.7］和［0.7,1］区间，依次划分为低、中、高风险计算，可知我国低、中、高风险就业份额分别为35.94%、45.01%和19.05%，预示未来人工智能产业化发展将对中国劳动力市场产生较大冲击。表1列举了部分代表性职业可替代率测算结果，发现职业可替代率的测算结果基本符合常识性认知。

表1 代表性职业可替代率测算结果

通过统计各行业不同风险程度就业份额可知，农林牧渔业、采矿业、制造业和建筑业的高风险就业份额均高于20%，表明这些行业面临较高的可替代风险。交通运输、仓储和邮政业、住宿和餐饮业、居民服务、修理和其他服务业的高风险就业份额在10%以上，也存在一定程度替代风险。需要较强学习能力、创新能力、社交能力等综合素养的行业，如金融业、科学研究和技术服务业、教育、卫生和社会工作、文化、体育和娱乐业等行业的高风险就业份额均低于5%，表明该类行业面临的可替代风险较低。

任务属性与职业可替代率

任务属性贡献率的测算结果显示，与思维能力相关的任务属性对职业可替代率的贡献率较高。任务属性与可替代率的相关性分析表明，掌握工作技能时间、能力和技能使用状况、专业技术资格数量等思维类属性，以及与他人打交道频率、外语能力、管理能力等社交类属性与可替代率显著负相关，表明职业的这些任务属性评分越高，则可替代风险越低。相反，繁重体力劳动频率和频繁移动身体位置频率等常规类属性与可替代率正相关，若职业常规类属性评分越高，则职业可替代风险越高。

为回答技能属性种类越多的职业可替代风险是否越低，本文采用计数法、贡献法与熵权法3种方法构造职业技能宽度，可得职业技能宽度与职业可替代率负相关，表明要求多种类型技能的职业比只要求单一技能的职业被人工智能技术取代的风险更低，技能种类越多则职业被替代的可能性越小，反映未来人工智能环境中人类从事的职业往往要求技能更具综合性。

一些职业会因任务属性相似而表现出组群特征，本文为比较不同职业组群的可替代风险差异，将任务属性分类为思维、社交及常规能力，采用K均值聚类法将233个职业分为4个组群，参考2×2矩阵分类法，以常规能力强弱区分“程式化”和“非程式化”，以思维和社交能力强弱区分“认知交互”和“非认知交互”，从而可以将4个组群分别定义为程式化非认知交互型、非程式化非认知交互型、程式化认知交互型和非程式化认知交互型组群。可知，非程式化认知交互型组群可替代风险最低，程式化非认知交互型组群可替代风险最高。

人工智能技术职业替代的劳动选择偏好

上述分析是从任务或职业角度即就业需求方进行分析，而职业替代问题也需要关注就业供给方即劳动者。由于不同特征劳动者所能胜任的职业类型存在差异，分析人工智能技术的职业替代是否存在劳动选择偏好具有重要意义。为此，本文探究职业中劳动者性别、年龄与受教育特征和职业可替代率的关系。首先，职业内男性比例与职业可替代率的相关性不显著，表明人工智能技术职业替代的性别偏好不明显，但男性相对女性可替代风险略高。其次，年龄与可替代率显著正相关，表明年龄越大的劳动者面临越高替代风险。再次，受教育年限与可替代率显著负相关，表明受教育年限越长的劳动者越不易被替代。综合可知，人工智能技术的职业替代存在劳动选择偏好，年龄越大、受教育年限越短的劳动者替代风险越高。

进一步拓展

本文进一步思考在中国情境中，人工智能技术的劳动替代是缩减劳动工时还是引发劳动岗位更替？行业智能化程度是否一定越高越好？

首先，通过匹配CLDS数据库中2012年和2014年连续两次追踪的劳动个体，测算工时变化率和岗位是否发生更替，基于劳动个体数据检验人工智能技术对劳动工时变化和岗位更替的影响，回归结果显示人工智能技术更有助于缩减劳动工时，表明当前我国人工智能技术可通过人机协作方式替代劳动执行部分繁重、重复性高或危险性高的任务，降低工作强度并提高生产效率，但也可能替代部分工作岗位。其次，本文在考察可替代属性的基础上，结合行业劳动年龄结构、工作强度、劳动成本、要素密集度等多重视角，综合评估行业智能化发展需求。通过量化并对比分析不同行业可智能化程度的影响因素可知，行业智能化程度选择由多方面因素共同决定，不能仅从人工智能技术可替代视角判断，在依据任务属性评估人工智能技术可替代风险的基础上，应结合行业劳动年龄结构、工作强度、劳动成本和要素密集度等多重因素，选择适宜的行业智能化方向。

基本结论

本文研究表明：（1）人工智能技术会引发职业替代风险，中国19.05%的劳动就业面临高替代风险。人工智能技术对职业的替代风险受制于任务属性，其中思维类属性对可替代风险影响最大，而职业技能宽度越大则可替代风险越低。（2）人工智能技术的职业可替代风险存在组群性，非程式化认知交互型职业组群可替代风险最低，而程式化非认知交互型职业组群可替代风险最高。（3）人工智能技术的职业替代具有劳动选择偏好，年龄越大与受教育年限越短的劳动者可替代风险越高。（4）现阶段中国人工智能技术应用会显著缩减劳动工时进而降低劳动强度，也会使劳动者岗位发生更替。行业智能化程度的选择不应仅考虑职业可替代属性，还需考量行业劳动年龄结构、工作强度、劳动成本和要素禀赋等多重因素。

本文提出如下建议：第一，高校要依据人工智能技术对劳动力市场的影响，建立学科专业增设、改造与撤销的动态调整机制，科学地增补智能科学与技术、机器人工程、智能制造工程等相关专业，而对于高替代风险的专业，要缩减其招生规模甚至实施撤销机制。第二，劳动者应不断更新自身知识储备，提高自身创新、社交、组织协调与合作等综合能力，通过掌握多元化技能扩大自身技能宽度，以规避人工智能技术冲击。第三，政府一方面应积极推动社会保障体系的建设，给予失业者基本生活保障；另一方面，注重为失业者提供就业信息咨询、岗位推荐与职业技能培训服务，以及公益性岗位的兜底援助，最大限度地降低人工智能技术对劳动力市场的负面冲击。