人工智能与自动化如何影响女性的职业未来

戴珒

2023年上半年最热门的话题或许是ChatGPT。生成式人工智能被称为“真正人工智能时代”的开启，哪些工作会被AI取代也再次引发热议。女性职场发展本就挑战重重，叠加人工智能的发展，女性未来职业前景会受到什么样的影响？

这不是女性个体的职业发展问题。性别议题不是个体层面的议题，当我们谈性别差异时，几乎都是在讲群体比例、统计意义上的差异，放在某个具体的男性女性个体上讨论没有意义。按照诺贝尔经济学奖得主加里·贝克尔（Gary Becker）教授的观点，“歧视是歧视者放弃一定的利益以满足个人偏好”，可以认为歧视是歧视者非理性地关注了错误的表面指标。比如雇主希望员工工作尽心尽力，即便统计数据显示女性缺勤率高，但具体到某一个员工，真正起决定性影响作用的个体指标可能是大五人格特质中的责任心。以性别作为主要考虑因素，就属于不理性；冒险用一个错误指标，属于懒政。此外，对个体而言，技术取代并不是骤然发生。这个问题暂时还没有关乎到“生死存亡”。

最应该关注人工智能与自动化发展如何影响女性职业未来的，是企业、决策机构和教育机构。后两者自不必说，这与机构自身的目标相关。企业为什么应该关注这个问题？人工智能伦理学家赖德·布莱克曼（Reid Blackman）在《道德机器》（Ethical Machine）一书中指出，谈论人工智能的伦理问题不是要求企业用人工智能去行善，而是不用人工智能“作恶”。因为人工智能还存在很多缺陷，如果不解决相应的伦理问题或者在使用中避开这些问题，等待企业的就是市场和法规的惩罚。因此，对企业来说，关注人工智能技术对女性职业未来的影响，其实是关注一项新技术的缺陷可能带来的声誉、监管和法律风险。

人工智能技术涉及的范围是惊人的，因此，在开发阶段就需要防范相应风险，否则一次错误就可能让企业走向失败。人工智能技術一个饱受诟病的点，就是其放大了性别歧视，企业比女性个体更需要关注这一问题。

人们试图通过预测人工智能技术未来的发展趋势，来推断机器将来能完成的工作任务，再跟人的技能进行比较，以此推测哪些职业会被取代。这种思路存在根本上的漏洞。首先，准确预测技术进展很难。在ChatGPT横空出世之前，人们相信“人类的创意是不可替代的”，生成式AI可以画图可以写诗颠覆了这一信念。尽管AI会出错，但人类也会出错。一生都在研究人类决策的诺贝尔奖得主丹尼尔·卡尼曼（Daniel Kahneman）在2021年就已经预测：AI一定会全面超越人类。其次，这个思路的问题是把人当作了工具，只有在两个工具之间才会比较哪个更好用。AI是不是会替代人类成为更好的画家、作家、诗人？如果创作是一个体验的过程，一个能带来意义的过程，那么，AI与人在创作上的比较，就只是人类对工具的性能测试，不涉及人类被取代的问题。

哈佛商学院教授约翰·科特（John P. Kotter）在《变革正道》一书中提出了人和组织的“两种频道”——求生与求兴。当求生频道被激发，关注焦点是寻找威胁，下意识行动是避险、迅速解决眼下问题；当求兴频道被激发，注意力拓宽，关注点是发展机会，行动是创新和协作。如果在“机器替代人工”这一问题上的关注点是人类工作机会消失，这显然是打开了寻找威胁的雷达，求生频道开启。如果关注的是未来职业是什么样的，“人如何更好地使用工具帮助自己成为更好的人”，这是求兴频道的思维方式，打开了一条探索答案的路径。

人工智能和自动化都是发展生产力，发展人类的工具。受生产力发展水平以及相应的社会观念及认知水平的制约，当下可能还难以摆脱“把人看作是工具”思维。随着生产力水平的提升，社会将发生结构性改变，如果还“把人看作是工具”，就如同“困在二维空间想三维空间的事儿”。突破性的技术会让我们感到威胁，同时也能够让人突破想象空间去展望未来的机遇。

所以，不妨把未来职业放在求兴频道下思考。在“人如何更好地使用工具帮助自己成为更好的人”这一跨越时代的目标下，想象人工智能与自动化能为未来职业带来什么新的机遇。我们将把上述目标拆分成三个子问题来进一步探讨。

更好的人

“更好的人”绝不等同于“更好的劳动力”，后者反映的是农业时代、工业时代的思维。马克思主义女权主义者指出，把“市场”中的“劳动力”看作“人”，不能成为市场劳动力、归于“家庭”的老人、病人、残疾者和女性都“非人化”，是近代资本主义的压迫形式。未来要实现全人类的自由，人不再被当作是有工具属性的劳动力，劳动成为人类自身的需求。因此，我们需要回归人之价值。

我们曾经在动物和人的比较中发现人可贵之处。通过对AI和人进行比较，也可以不断探索“人之可贵”。通过技术迭代不断逼近和“替代”人的功能性，我们明白功能性不是人之价值。实业界的思想家多里·克拉克（Dorie Clark）和商业心理学教授托马斯·查莫罗-普雷穆日奇（Tomas Chamorro-Premuzic）对人们在人工智能时代如何验证自己的职业价值给出了五条建议，这五条建议可以看作是人类与AI的差异化竞争策略。

第一，避免可预测性，也就是避免趋同，随大流可预测就落在了AI的优势项目上。

第二，保持真实。AI的“软技能”源于文本预测，但AI不能“体验”也不能“运行情绪”（perform），它的“软技能”可以说是虚假的。所以人类不走心，还不如机器人。

第三，驻守真实世界。AI在“0-1世界”中所向披靡，人类如果执着于练虚拟世界里的能力，过虚拟世界的生活，就是跑到AI的主战场。

第四，打造个人品牌。受AI影响较大的主要是中低端市场，即依靠低成本获取竞争力的市场。打造品牌就是避开这些战场。

第五，成为领域专家。快速了解一个领域的大致情况是AI的长项，因此，在自己的领域精耕细作才有价值。尽管这些建议还是从与AI竞争的角度出发，但也能提供一些思考方向，机器擅长的显然不是人类真正的价值。

更好的工具

让AI成为更好的工具也可成为体现人类价值的职业方向。AI性能提升和缺陷解决以及涉及伦理方面的问题，都是人类的工作方向。在有关AI伦理的讨论中，避不开的三大问题是偏见、黑箱和隐私，每一个都值得AI技术开发者和相关公司去探索解决方式。其中，与性别最为相关的是偏见问题。

美国亚马逊公司曾经尝试训练人工智能用于简历筛选，在把已有的大量雇佣决策数据喂给AI后，AI学会的是“我们不雇女性”。这反映了AI技术一个更深层次的局限性，或许也是前一个问题“更好的人”的一个答案。人类可以学习规律，也会在某些时候产生突破规律的动机和行为。随着技术的发展，AI如果也可以做到这一点，那会成为更好的工具，帮我们解决更多决策问题；如果不可以，人类就又多了一条可以去发展其价值的可贵之处。

瑞德·布雷克曼指出，公司在AI技术开发阶段常常会认为已经关注了伦理问题（不限于“偏见、黑箱、隐私”三大问题），但事实上并非如此。当下的科技发展需要更综合的视角、更谨慎的研发过程来用于人类的发展，对伦理问题的考量需要更综合的方式。首先要区分公司开发项目的结构性伦理风险和内容性伦理风险，并且都纳入考虑。人们很难看到结构性风险，因为这个概念常常被混淆，容易被习惯性忽视掩盖于迷雾中。马斯克在一次公开访谈中称，在人工智能领域，如果按照过去的监管逻辑，即“先发生再监管”，监管可能就太迟了。这就是在内容性伦理风险之外的结构性风险。发现和解决结构性伦理风险需要囊括更多的专家、更多的视角。AI（或许也包括其他突破性技术）要成为好工具，需要的不仅仅是技术专家，还包括社会学科的专家。同时这些跨学科的、多方视角的协作，从科学家、产业界、监管方、技术的使用者，到会受到技术影响的各方，也需要更多的工作去联结才能顺利发生，这也催生新的职业需求和教育需求。

更好的使用者

让人们成为更好的工具使用者，也是一类职业方向。工具会越来越顺手，所以对普通大众来说，未来不见得一定要专门学习如何开发人工智能，但一定要发展“驾驭”人工智能的能力，而这个世界需要继续发展规范人类行为的机制。

武器可能是一个极端但最容易理解的例子，来说明“工具”的功能性在科技发展到当下程度已不是限制。单说武器的“破坏性”这个功能，从冷兵器到枪炮再到核武器，技术上已经实现了毁天灭地的功能。驾驭或者约束工具，靠的是社会规范、法律、国际协议的层层框定。除了宏观层面的规范制定，人的意识动机、人使用工具的目的性，也是该子命题的解决方向。与此相关的学科和职业也将得以发展。

从人类千百年的发展历史可以看到，工具能在一定程度上弥补人类先天的生理差异和差距。随着技术的发展，未来的工具将越发能够弥合人类先天的不平，而差异性将成为欣赏的对象，出现在特定的情境，如体育运动、表演活动。弥合性别差异和其他先天差异带来的不平等或许将是工具发展的一个趋势。

行业性别比是一个行业社会结构的重要表征。行业性别比可能是一个个独立的雇佣决定和个体的工作表现综合形成的，但它实实在在地影响着该行业中的数量占优群体和少数派群体。在雇佣关系中，“隔离”指的是两个或多个群体在工作设定中的区别对待。性别隔离发生在基于性别进行工作安排中、存在其中一个性别占优的设定，这一情况就阻碍了工作流动性，工作场合的同质性会影响人们的互动。

职业的性别比问题并没有随着技术进步改变。康奈尔大学两位劳动经济学家2017年发表的一项研究指出，在1980到2010年的30年间，存在主导性别的行业中，性别比的改变微小。信息化革命带来一些新岗位，比如社交媒体经理、数据科学家、平台司机等，美國数据显示，这些新增岗位60%以上是男性主导的领域。

一些对情绪智力和成熟沟通能力有要求的职业，通常由女性主导。这些职业被认为是不太容易被AI替代，比如幼师、护理师等。男性同样也会因为性别刻板印象缺少从事这些职业的机会，也会有作为少数派要承受的“性别隔离”压力。

明确了起点——职业存在性别差异，和终点——人类价值实现、平等、尊重差异性，我们还可以根据目前已知的一些证据，探讨“机器替代人工”这一过程中存在的性别差异，从而识别出起点到终点的进程中人类需要做的努力。

学习机会的性别差异。在2019年前进行的一项跨国研究中，麦肯锡通过分析自动化技术的技术可行性和采用可能性，估算了收入增长、消费和投资增长（部分是由于技术进步带来的生产力增长）创造的新增岗位，然后用性别棱镜识别这些增长对男性和女性的不同影响。在该研究涉及的六个成熟经济体中，有五个的劳动力需求净增长只发生在那些学历要求为本科及以上的岗位。西欧79.8%的女性、66.7%的男性符合该学历要求，但英国的官方数据显示，全日制大学生中只有37%的大一女生学习了科学课程，而男生的这一比例为48%。在发展中经济体，很多女性在自给自足的农业领域（印度超过60%的女性），受教育很少、技能狭窄。研究涉及的四个发展中经济体中，有三个发展中经济体的净劳动力需求增长都要求至少有中学教育，而女性在高等教育学生中只占35%。就全球而言，接触技术、受益于技术带来的学习机会，男性比女性要多出33%。

职业通道中的流动性差异。社交网络上的劣势和职场性别歧视等障碍，阻碍了女性的流动。家庭负担限制了女性再教育的时间、出差距离等。尽管技术使得工作具有更多灵活性，如在家工作、电子商务等，尤其是新冠全球大流行以来，远程办公快速普及，但诸多研究表明，女性更重的家庭负担导致其职业受负面影响更大。因此，企业仍需进一步扩大灵活工作选项。

创新创业的性别差异。发达经济体中，女性技术工作者占比少于20%。根据经济合作发展组织（OECD）的统计数据，只有1.4%女性员工的工作涉及开发、维护、运营ICT系统（信息和计算技术系统），而男性员工的这一比例为5.5%。根据2018年世界经济论坛和领英提供的数据，人工智能领域女性从业者只占22%，如果只考虑资深岗位，这一比例就更低了。创业投资方面还应考虑拓宽女性创业者包括科技创业者得到资本的途径。2018年的一项美国数据显示，全男性组成的创始团队获得了85%的创投资本，性别中立的创始团队获得了13%的创投资本，而全女性组成的创始团队只得到了2%的创投资本。

未来，工作将会是人的需求，而不是获得其他生存需要的交换底物。

我们把“机器替代人工”这一问题和性别问题放到一起，从“求生频道”转到“求兴频道”，这个问题就不再是女性或者人类将面临的工作岗位消失的威胁，而是“机器替代人工”这个趋势变化会带来的机遇。在当前的政治经济形势下，企业难免会更多地感受到生存危机，但如果能避免被“求生”完全占领“波段”，会发现在求兴频道中可能更有生的机遇。面对个人的职业发展压力或是就业压力，处在性别弱势位置上的“受苦受难”的群体，不论男女，都可以将新产业革命当作是机遇。

不妨将“机器替代人工”与“性别问题”看作是彼此的解决方案，随着二者的共同发展其问题都将得到解决。人工智能和自动化带来生产力的根本性变化，有望改变父权制同时也是解放人类自己，从而摆脱工具属性。尽管女权主义者提出了女性的“再生产（生物性生育）劳动”这一不被市场认可的劳动价值，但如果只是把生产力拓展定义和分类，女性的再生产劳动也并不能得到足够的价值认可。生产与再生产到底能不能实现人真正的价值？人的价值可能根本就不应该由“是不是生产、是不是再生产”来定，“机器替代人工”是技术弥合先天差异的一种趋势，也是人類重新考虑自身价值的契机。

在讨论了“机器替代人工”这一历程的起点、终点、过程中的性别差异之后，企业应该看到，顺应趋势并推动趋势方向的行动就是机遇。人工智能和自动化等科技进步将带来生产力的飞跃，如果能跳出时代局限性放眼未来，就能更好地理解那些已经兴起的思潮和行动为什么是即便秉承趋利避害的个人和企业都应该投入和付出的方向。生产力发展是人可以不再作为工具的物质基础，我们也应带着“人不再作为工具”的基本认识去发展生产力。

要走到人类社会的下一个阶段，目前我们的重要大方向任务是：全球性“脱贫”、普及文明和教育、科技教育和通识教育。同时，考虑到无法自发调整的一些结构性问题，如社会化的性别差异在“机器替代人工”中可能发生的偏移、人工智能等突破性技术的伦理问题等，我们需要刻意调整社会中的机构并建立约定/监管，同时要接受一个价值观：关于人类和社会的原理研究及规则制定，是不亚于生产力和技术继续发展的一个重要工作内容。

服务于“更好的人”“更好的工具”“更好的工具使用者”三个子目标的创业方向、转型战略都可能是人工智能时代突围之策。涉及技术开发的企业，扩大数据集的多样化、考虑结构性问题、吸收社会学科专家，把技术问题放到超越技术的层面去启动开发，或许才能真正缩短开发周期和减少成本。

很多企业已经捕捉到了可持续发展的价值，突破性技术像是助推的一把火，跳跃出当前的维度去看长期趋势。教育也不该是将孩子培养为提供劳动价值的劳动者。增加多样性（哪怕是从性别数量比开始）、尊重个体差异、发展人的非工具价值，应该是企业、决策机构、教育机构共同推动改变的方向。

本研究受上海市2023年度“科技创新行动计划”软科学研究主题项目：面向上海国际科技创新中心建设需求的教育、科技、人才融合发展模式研究（项目编号 23692100300）资助。