技术摘要：西班牙人工智能与就业的领土与性别视角

1. 问题陈述

生成式人工智能（AI）的迅速扩张从根本上重塑了关于工作未来、生产力和社会凝聚力的辩论。虽然国际文献已建立衡量职业对人工智能暴露程度的稳健方法（例如使用 SOC、ISCO 或 ESCO 分类），但在西班牙背景下存在显著的方法论缺口。西班牙的官方劳动统计数据主要在省级和自治区层面按经济活动部门（CNAE）进行细分，而非按具体职业细分。

这种错位阻碍了国际人工智能暴露指数直接应用于西班牙区域数据，从而妨碍了针对性公共政策、工会战略和领土规划的发展。此外，现有文献往往忽视领土差异与性别特定脆弱性的交叉影响，尽管有证据表明，女性在行政和服务部门中占比过高，而这些部门极易受到人工智能自动化的影响。本文旨在解决对客观、可比工具的迫切需求，以衡量西班牙的人工智能暴露程度，该工具需尊重其特定的统计结构（CNAE），并允许进行细致的领土和性别分析。

2. 方法论

本研究提出了一种初步的、可复制的方法，以弥合国际职业人工智能指标与西班牙部门数据之间的差距。该方法包含三个主要步骤：

2.1. 构建 AI–CNAE 影响矩阵

作者改编自 Tomlinson 等人（2025）的"AI 适用性评分”，该评分基于超过 20 万次与生成式人工智能工具（如 Microsoft Copilot）的真实世界互动。作者没有直接使用职业代码，而是构建了一个映射矩阵，将这些职业能力转换为西班牙的 CNAE（2 位）分类。

• 因子分配： 每个 CNAE 部门被分配一个介于 0.06 到 0.30 之间的“影响因子”。
• 逻辑： 以体力、手工或常规任务为主的部门（如农业、建筑业）获得较低的因子。以行政、语言、分析或综合任务为特征的部门（如金融、专业服务、信息与通信）获得较高的因子。
• 综合： 该矩阵代表了国际证据与西班牙各部门特定职业构成的加权综合。

2.2. 数据来源与计算模型

本研究利用西班牙国家统计局（INE）2021 年和 2022 年的微观数据，具体为按省份、部门（CNAE）和性别细分的年度就业人口普查。

• 部门暴露度： 对于每个省份 $p$ 和部门 $c$，“经 AI 调整的就业”计算如下：
  $$IA\_employment(p,c) = employment(p,c) \times factor_{IA}(c)$$
• 领土指标： 某省份的总暴露度定义为经 AI 调整的总就业人数与该省总就业人数的比率：
  $$IA\text{-}share(p) = \frac{\sum_{c} IA\_employment(p,c)}{\sum_{c} employment(p,c)}$$
• 性别细分： 对男性和女性就业分别进行相同的计算，以得出性别特定的暴露指数（$IA\text{-}share_{female}$ 和 $IA\text{-}share_{male}$）。

2.3. 局限性

作者明确指出，这是一项初步研究，衡量的是潜在结构性暴露，而非实际替代或失业。该模型假设每个 CNAE 部门内部的职业构成是同质的，这可能会掩盖内部异质性。它未考虑动态效应，如新任务的创造、生产力提升或企业采用的速度。

3. 主要贡献

• 方法论适应： 本文首次系统地将国际人工智能暴露指标翻译为西班牙 CNAE 框架，使得省级层面的分析成为可能，而此前仅能进行国家级或宽泛的区域估算。
• 领土制图： 它生成了西班牙所有 52 个省份的人工智能暴露详细地图，根据经济专业化程度识别结构性脆弱点。
• 性别分析： 它量化了男女之间持续存在的结构性人工智能暴露差距，揭示女性劳动力在所有领土范围内都系统性地更易受到人工智能驱动转型的影响。
• 政策工具： 它为工会、政策制定者和研究人员提供了一种透明、开放的方法，以监测趋势并设计与《国家人工智能战略》（ENIA）相一致的“公正转型”战略。

4. 结果

对 2021–2022 年数据的分析揭示了若干一致的模式：

4.1. 总体暴露度

西班牙表现出中等至高度的总体人工智能暴露度，"IA-share"在总就业人数中波动于**18% 至 22%**之间。这表明西班牙劳动力市场的很大一部分从事着生成式人工智能具有高适用性的任务。

4.2. 领土极化

识别出一个清晰的“中心 - 地中海走廊”高暴露区，包括马德里、巴塞罗那、瓦伦西亚、阿利坎特、马拉加和加那利群岛（拉斯帕尔马斯和圣克鲁斯 - 德特内里费）。这些省份的暴露度超过21%。

• 驱动因素： 高暴露度与先进服务、金融、专业咨询、信息/电信以及零售/商业的集中程度相关。
• 低暴露度： 内陆省份（如索里亚、特鲁埃尔、萨莫拉、帕伦西亚）以及拥有强大农业或传统制造业基础的省份显示出较低的暴露度（约17.5%–18.5%）。
• 稳定性： 2021 年至 2022 年间，省份的排名保持惊人的稳定，证实暴露度是由根深蒂固的结构性经济因素驱动的，而非短期周期性波动。

4.3. 性别差距

在每一个省份，女性就业对人工智能的暴露度均高于男性就业。

• 幅度： 差距通常在1.5 至 3 个百分点之间，但在高度服务化的地区更为宽泛。
• 原因： 女性不成比例地集中在高人工智能适用性的部门，如教育、医疗保健、行政和社会服务。相反，男性更多地分布在建筑、运输和采掘业，这些行业的人工智能适用性因子较低。
• 影响： 这代表了女性劳动力的结构性脆弱性，表明除非通过具体政策加以缓解，否则人工智能的采用可能会对女性就业模式产生不成比例的影响。

5. 意义与主张

本文并非定位为对失业的确定性预测，而是作为战略规划的诊断工具。其主要意义在于：

1. 弥合数据缺口： 使利用标准西班牙统计数据（INE/CNAE）回答关于人工智能影响的问题成为可能，而这些问题此前在次国家层面是无法回答的。
2. 突出结构性不平等： 证明人工智能暴露并非随机，而是遵循劳动力市场中既有的领土专业化和性别隔离路线。
3. 为“公正转型”提供信息： 为西班牙政府和社会伙伴设计培训、再技能化和保护政策提供基准，这些政策在地理和人口统计上具有针对性。

作者得出结论，虽然人工智能的直接影响可能是互补的（增强生产力），但本研究中确定的结构性暴露突出了位移风险和适应需求最大的领域。他们强调，未来的工作应利用更细致的职业数据来完善模型，并纳入动态采用率，但当前的框架为西班牙包容性和公平的技术治理提供了必要的第一步。