人工智能应用对制造企业员工收入水平的影响研究

夏 鑫

引言

人工智能、云计算、大数据等技术推动人类社会快速步入数字化时代，推动生产、生活、思维方式和经济结构的重大变革[1]，为全球经济和社会发展带来新的机遇和挑战。近年来，人工智能技术受到国家政府的高度支持和重视，已成为国家战略的重要组成部分，例如2017年印发《新一代人工智能发展规划》，2018年人工智能与5G技术、工业互联网和物联网被定义为新型基础设施，2021年“十四五”规划提出要进一步加快建设新型基础设施，2022年出台《关于支持建设新一代人工智能示范应用场景的通知》等这一系列举措为人工智能技术的发展提供了长期保障，均体现了国家引领智能技术进步的决心。

随着人工智能技术的逐步应用，对劳动力市场也带来重大改变，人工智能对就业的影响主要存在“创造效应”和“替代效应”两种观点，创造效应是指新要素投入带来全新就业机会；替代效应是指技术进步替代一些人的职业，造成大规模失业等问题[2]148。已有研究表明，工业机器人大规模使用可能会对制造企业员工收入造成负面影响，但主要使用的是上市公司等宏观数据，且相关研究主要集中在宏观劳动力市场层面，对微观层面的劳动者个体的关注较少。本文使用2018年中国劳动力动态调查（CLDS）数据试图探讨人工智能应用对制造企业员工收入水平将会产生何种影响。制造企业员工属于低技能劳动者，收入是他们良好工作和生活的重要保证，也是激励他们在工作岗位上进步和发展的重要源泉，如何让社会低技能劳动者适应新技术的应用，更好地进行劳动也是我国政府未来工作重心之一。

一、文献回顾和研究假设

人工智能对就业的影响存在“创造效应”和“替代效应”两种观点。创造效应认为新要素投入带来新的就业机会，可以促使员工技能的迭代更新，提升员工工作效率，增加企业利润率，有利于增加员工收入水平[2]151。替代效应认为技术进步替代部分职业，造成失业等问题，给员工带来失业风险等威胁，就业市场竞争力下降，会降低员工收入水平[3]。2015年发布《工业机器人对就业的积极影响》报告认为，人工智能技术应用对就业不只是消极影响，反而积极影响更为显著，可以创造更高质量的就业机会[4]88。因此，从人工智能对就业的创造效应来看，人工智能技术应用一定程度上可以增加更优质的就业岗位，增加员工的工作效能，获得单位小时内更高的收入报酬。

制造业企业员工工作具有机械重复、工作时间长等特征，相比于二、三产业，人工智能技术在第一产业应用场景和范围更为普遍，制造业企业员工已经逐渐适应工作场所新技术的应用，工作知识和技能也得到一定的迭代和升级，能够适应新的工作任务和要求，工作效率能够得到一定提升，进而也会提升他们的收入水平。综上，提出假设：

H1：人工智能应用对制造企业员工的收入水平具有正向影响。

人力资本理论认为，教育投资是个体潜藏能力得以增长的生产性投资，能提高人的知识、技能和生产能力，从而增加个人收入。受教育程度更高的制造业企业员工可以更加快速掌握人工智能技术发展对知识和技能的需求，提高生产效率，增加工资收入，而受教育程度低的员工，掌握新知识和技能的时间相对更长，技能水平稍差，收入水平也会低一点。综上，提出假设：

H2：教育程度对制造企业员工的收入水平具有正向影响。

H3：教育程度在人工智能应用和制造企业员工的收入水平之间起正向调节作用。

二、数据来源和变量定义

（一）数据来源

本文数据来源于CLDS2018年个体问卷数据。该调查采用多阶段、多层次的概率抽样方法，每隔两年对中国城乡开展动态追踪调查，具备一定的权威性和代表性。选择制造企业18—65岁员工作为研究样本，剔除无效样本后，最终获得样本数据共778个。

（二）变量定义

因变量：收入水平。选择被调查对象2017年的年总收入数据来衡量劳动力收入水平，并对其做对数化处理[5]。数值越高，代表员工收入水平越高，反之则越低。

自变量：人工智能应用。采用二分类变量进行表示，通过对问卷中“您的工作单位是否使用高度自动化、机器人、人工智能等技术？”这一题目进行测量[4]89，若回答是，则赋值1；若回答否，则赋值0。

调节变量：教育程度。通过对受访者询问“您的最高学历是什么”了解其教育程度，取值范围为1—10分，数值越高，代表受教育程度越高，反之越低。

控制变量：为了尽量消除变量遗漏带来的估计偏差，本文选择以下控制变量包括：年龄、性别、婚姻状态、社会保险、健康状况等作为控制变量。

三、实证结果和分析

描述性统计分析

采用SPSS26.0对筛选后的制造企业员工样本进行描述性统计，分析结果如表1所示。研究样本的平均年龄在41岁左右，男女性别比例分布较为均匀，购买社会保险的调查者不到总调查者半数，样本制造企业人工智能应用水平总体偏低，员工年总收入平均水平在5万元左右，受教育程度平均为高中学历水平。

表1 描述性统计分析

各变量之间的相关性关系如表2所示。由皮尔逊相关系数可以看出：人工智能应用与收入水平（r=0.179，p ＜0.01）显著正相关，人工智能应用与教育程度（r=0.130，p＜0.01）显著正相关，教育程度与收入水平（r=0.353，p＜0.01）显著正相关，各变量相关性与假设初步相符。

表2 变量间相关性分析

接着，检验人工智能应用与收入水平之间的基准回归关系，见表3。首先，将收入水平设为因变量，将年龄、性别、婚姻状态等变量作为自变量，模型1结果显示，性别（β=0.226，p＜0.001）、婚姻状态（β=0.287，p＜0.001）、社会保险（β=0.287，p＜0.001）对制造企业员工收入水平具有显著正向影响，即制造企业男性、已婚或社会保险水平高的员工收入水平提高的可能性更大。

表3 基准回归分析

表4 教育程度的调节作用

然后将人工智能应用作为自变量，将年龄、性别、婚姻状态等设为控制变量，收入水平作为因变量。回归结果如模型2所示，人工智能应用对收入水平也具有显著正向影响（β=0.085，p＜0.01），当制造企业人工智能应用水平逐渐增加时，制造企业员工对应的收入水平也会提高。综上，假设1得到验证。

为进一步检验教育程度在人工智能应用和制造企业员工收入水平之间的调节作用，首先对调节变量和自变量进行标准化处理，再将标准化结果乘积项（人工智能应用×教育程度）带入回归模型进行分层回归分析。由模型3可知，在基准回归分析基础上，加入教育程度作为自变量，结果显示，制造企业员工的教育程度对收入水平呈现显著正向影响（β=0.209，p＜0.001），即制造企业员工受教育水平越高，收入水平也会越高，假设2得到验证。由模型4可知，人工智能应用和教育程度的交互项会对制造企业员工收入水平产生较为明显的正向影响（β=0.080，p＜0.05），表明教育程度在人工智能应用和制造企业员工的收入水平之间起正向调节作用，即受教育程度越高，人工智能应用和收入水平之间的正向关系就越强。

四、研究结论与讨论

对制造企业员工收入水平产生显著的正向影响。同时，教育程度对制造企业员工收入水平产生正向影响，教育程度在人工智能应用和制造企业员工收入水平之前起到正向调节作用。

基于研究结论，提出以下政策启示：首先，企业应科学合理引进人工技能技术的应用。考虑人工智能技术应用对员工带来的不利影响，组织相关技能培训，循序渐进推进企业人工智能应用过程，帮助企业更好地发展。其次，员工要与时俱进提升自身工作能力和技术。正确看待新技术的发展应用，快速掌握对应新技术和新技能，主动学习更新知识和技能。最后，政府有关部门应出台完善相关的辅助政策。对人工智能应用低的企业提供一定资金扶持和倾斜，帮助其更好地转型升级；为就业群体提供就业信息咨询服务，组织开展职业技能培训活动，提高劳动者工作适应能力。