Martha Gimbel: Why Has AI Not Yet Caused a Job Apocalypse?

【文/玛莎·金贝尔】 <br> 现有证据表明，人工智能工具对就业的影响尚属温和。这揭示出一个关键点：真正引发当下恐慌的，并非铺天盖地的自动化浪潮，而是数据质量的严重缺失。 <br> 过去几个月里，多项调查和媒体报道纷纷强调人工智能技术将越来越多地取代人工岗位。越来越多的公司在计划或实际裁员时，也将AI列为一个因素。例如，总部位于伊利诺伊州芝加哥市的招聘公司挑战者（Challenger）追踪企业公开声明所得到的数据显示，2025年，美国因AI引发的裁员数量可能是美国政府加征国际关税所引发裁员数量的七倍之多——而后者是目前全球经济动荡的主要缘由之一。 <br> 这些警示信号助长了人们的普遍预期，即劳动力市场可能正处于剧变的边缘。最悲观的预测甚至将当下比作第一次工业革命时期（1760—1830年）——当时兴起的机械化最终提高了普遍生活水平，但短期内却给劳动者的生计造成了广泛的冲击。 <br> 2021年2月至2025年4月的美国就业数据 路透社制图 <br> 知识工作者，甚至像我这样的研究人员都不禁担忧：自己的饭碗是否还保得住？AI会取代教学、科研任务和数据收集工作吗？未来，美国劳动力市场是否不再需要那么多人？ <br> 这些恐惧之所以加剧是因为，有人猜测AI革命展开的速度可能远超以往任何由技术驱动的变革。例如，电力的发现本身对劳动力市场的冲击微乎其微。真正的颠覆发生在后来——由电力催生的各种应用，如室内照明、电梯、麦克风等工具，重塑了工作形态。虽然变革的过程中有赢家也有输家，但大部分劳动者有数年甚至数十年的时间来适应。AI会打破这一历史先例吗？ <br> 现有数据表明，我们还不必为AI快速普及的负面影响而恐慌。我所在的团队——康涅尼格州纽黑文的耶鲁大学预算实验室（Budget Lab at Yale University）与华盛顿特区的布鲁金斯学会（Brookings Institution）——的研究发现，自2022年ChatGPT聊天机器人问世以来，至今尚无证据表明就业模式已开始发生显著变化（参见 go.nature.com/47aeexk）。好消息是，美国学术界和政策制定者仍有时间来解决这个问题，并确定在转型期的哪些群体可能需要支持。与此同时，这一研究结果也凸显了建立更完善的数据收集系统来研究当前这场变革的紧迫性。 <br> 普及率低迷 <br> 尽管众多企业首席执行官们纷纷高调宣布AI驱动的变革正在到来，但并非所有公司都在日常运营中应用机器学习工具。美国人口普查局（US Census）为追踪短期技术使用情况而收集的2023年中期至2026年2月的调查数据显示，目前约有18%的企业表示在过去两周内使用了AI，而预计在未来六个月内使用的企业也仅有22%（参见 go.nature.com/3prvpjg）。 <br> 这些数字可能高估了实际的有效采用率。高管们常常面临来自股东的压力，需要阐明公司的“AI战略”并展现出前瞻性的姿态。然而，AI模型可能与公司业务毫无关联，或者缺乏令人信服的应用场景，又或是必要工具尚未成熟。 <br> 这种动态对于技术转型的早期阶段来说并不罕见。关键不是要否定变革本身，而是不要被商业领袖的空洞言辞所裹挟。坦率地说，统计CEO们在股东大会上提及AI的次数，实在没什么用处。 <br> 那么，什么样的信号才更具参考价值呢？当一项创新的技术重塑劳动力市场时，它最终会留下清晰的印记：某些职业的就业岗位会减少，而另一些则会增加。例如，自计算机和互联网时代开启以来，市场对计算机程序员的需求持续上升，而对秘书等部分岗位的需求则不断下降。根据美国劳工统计局（US Bureau of Labor Statistics）的数据，2007年美国约有150万名行政助理，而到2023年，这一数字已降至不足50万。 <br> 这些工作岗位并非一夜之间消失，但这一趋势对掌握旧技术相关技能的劳动者产生了深远的影响。忽视岗位调整对劳动者带来的真实压力是错误的。例如，一项研究估计，2018年约60%的工作岗位所对应的职业在1940年时根本不存在（D. Autor et al. Q. J. Econ. 139, 1399–1465; 2024）。 <br> 因此，如果生成式AI工具已经在改变工作的性质，那么行政助理的雇用人数可能会出现明显下降，而与AI相关的岗位，如数据工程师或机器学习专家，则会显著增加。然而，迄今为止，职业分布的变化速度并未比2022年之前更快（参见下图）。 <br> “AI采用足迹”本图展示了人工智能（橙）、互联网（蓝）和计算机（绿）等科技变革出现以来对就业的冲击程度，横轴为出现后年数，纵轴为就业差异指数百分比（该指数范围为0到1，数值越大表明隔离程度越高，即两类群体在工作职位上的差异越大） <br> 同样，对于那些容易被AI取代的岗位（如翻译或法律秘书），其失业周期本应预期会变得更长，但目前也未见端倪。 <br> 新的数据体系 <br> 目前，关于AI将如何影响劳动力的大多数讨论仍停留在推测层面。对未来最为焦虑的一大人群是年轻劳动者，但究竟哪些群体会受到最大冲击，目前还缺乏确凿的证据。政府支持计划若定位不准，将带来实实在在的风险：旨在保护某一劳动者群体的政策，可能会错过最终受冲击最严重的人群。 <br> 眼下最紧迫的是，需要集中精力构建一套能够追踪事态发展的数据系统，以便政府与政策制定者能够有效应对。这样的系统应能够跟踪企业是否在将招聘实践转向新兴岗位、那些贡献最多净就业增长的新兴企业吸纳劳动力的速度有多快，以及某些职业的从业者是否比其他职业面临更长的失业期。没有这样的基础，相关讨论就只能继续在臆测而非证据的驱动下进行。 <br> 遗憾的是，目前最有价值的大量数据都掌握在私营部门手中。招聘信息发布平台将是最早记录具体新兴岗位的载体，而私营企业的工资单记录对于理解企业采纳AI后的招聘模式转变至关重要。将这些来源与AI服务商提供的企业AI应用数据关联起来，将能够更清晰地呈现变革的速度与方向。 <br> 原则上，制定有效政策所需的数据已然存在。当前缺失的，是学术界、私营部门与政府之间的协同努力，以确保这些数据能被及早收集、有效整合，并以真正有价值的方式进行分析。 <br> 例如，政策制定者需要了解，哪些职业的岗位数量下降最为显著，哪些劳动者亟需支持。没有可靠的数据，干预措施就可能为时过晚。 <br> 当关于AI导致失业的警报初次拉响时，我不禁想到了工业革命引发的动荡。从某种意义上说，我是否就是当代的纺织工人？成为那些生计被新机器所颠覆的劳动者之一，究竟是何等滋味？ <br> 事实是，1822年时，美国还没有成立劳工统计局；不存在任何关于就业或产出的系统记录。我们拥有的只是些零散的碎片——传闻、零星的工资报告，以及人们的平均身高体重变化这类间接指标。 <br> 如今，我们有机会避免重蹈覆辙。这一次，我们可以预先判断需要哪些数据，建设收集这些数据的基础设施，并确保我们能够在技术变革展开的同时，理解其产生的影响。 <br> （原文发布在美国《自然》期刊网站评论版面，原标题：“为什么AI至今仍未引发就业末日？”译文仅供读者参考，不代表观察者网观点。）