💻 computer science

Generative-AI and the transformation of workforce. A job postings-driven analysis

本文分析了2018年至2025年间超过15万份招聘启事，以证明生成式人工智能主要发挥着增强作用，推动劳动力结构向人机混合专长转型，其特征是对专业人工智能技能和软性元技能的需求上升，同时对常规任务的需求下降。

原作者： Diana Maria Popa, Simona-Vasilica Oprea, Adela Bâra

发布于 2026-05-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Diana Maria Popa, Simona-Vasilica Oprea, Adela Bâra

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，就业市场就像一个庞大而繁忙的建筑工地。几十年来，蓝图（职位描述）非常具体：“你需要砌砖，”或者“你需要搅拌水泥。”但最近，一种新型机器人来到了工地。这不仅仅是一个搬运重箱子的机器人；它是一个“生成式”机器人，能够编写指令、设计建筑，甚至粉刷墙壁。

这篇论文就像一支侦探团队，他们决定阅读15.7 万份（2018 年至 2025 年）的“工作蓝图”，以观察这种新型机器人的到来如何改变游戏规则。他们不仅关注机器人本身，还关注人类被要求与机器人协同完成的任务。

以下是他们的发现，拆解为简单的故事：

1. “前后对比”照片

将 2021 年之前的就业市场想象成一座安静的图书馆。然后，在 2021 年，灯光亮起，所有人开始高呼“生成式人工智能”。

旧任务：曾经要求“数据录入”或“手动编码”（例如将数字从一张表格复制到另一张）的工作正在消失。这就好比工地经理不再要求人们徒手搬运砖块，因为传送带现在正在做这项工作。
新任务：突然，招聘广告开始大声疾呼“提示词工程”（精确告诉机器人该说什么）、“微调”（教机器人更好的技巧）和“模型验证”（检查机器人是否在说真话）。这是一种从“砌砖工”向机器人训练师的转变。

2. “副手”与“替代”之争

最大的问题之一是：这个机器人是来取代工人（自动化），还是来帮助他们更快工作（增强）？

论文发现：招聘广告中的语言告诉我们，它主要是一个副手。
类比：想象一位厨师。过去，厨师包办一切。现在，厨师有一位副厨（人工智能），可以瞬间切好蔬菜。职位描述不是说“解雇厨师”，而是说：“我们需要一位能够指挥副厨的厨师。”
研究人员计算了一个“框架指数”（衡量文本氛围的分数）。大多数招聘广告在“增强”方面得分很高。它们谈论“共同创造”、“协助”和“人在回路”。机器人被视为让人类更聪明的工具，而不是将人类踢出局机器。

3. 就业城市的不同街区

研究人员观察了不同的“街区”（行业），以了解它们如何应对新机器人的到来：

IT 和电子商务（科技枢纽）：这里是机器人最受欢迎的地方。这里的招聘广告充满了高科技技能。这就像那个最先购买机器人并正在研究如何将其用于从营销到物流等一切事务的街区。
医疗和法律（谨慎街区）：这些领域进展较慢。招聘广告仍然高度关注人类专业知识、伦理和法规。机器人确实在那里，但它主要是在处理文书工作或协助研究，而不是做出最终诊断或法律裁决。“人类”仍然是这艘船的船长。
教育：2022 年出现了一个突然的激增（像昙花一现），当时学校试图弄清楚如何使用这些工具，但目前已稳定为一种稳健、谨慎的整合。

4. “技能交换”

研究发现了一种清晰的权衡，就像跷跷板一样：

下降：常规技能（枯燥、重复的内容）正在下降。
上升：“软”技能（如沟通、战略和伦理）和“元”技能（知道如何学习和适应）正在上升。
隐喻：这就像就业市场正在用指南针交换计算器。你不再需要像以前那样做那么多数学计算（机器人会做），但你需要知道该往哪个方向走（战略和判断）。

5. 水晶球（预测）

利用数学水晶球（称为 ARIMA），研究人员观察了直到 2025 年的趋势。

预测：对 AI 技能和“类人”技能（创造力、领导力）的需求将持续增长。对常规、重复性任务的需求将持续萎缩。
结论：我们并非走向一个机器人做一切而人类无所事事的世界。我们正走向一个混合未来。2025 年最具就业竞争力的人，不是知道最多事实的人，而是知道如何与机器人共舞的人——知道何时让它主导，何时亲自掌舵。

总结

该论文得出结论，就业市场正在经历大规模的改造。“砖块”（常规任务）正由机器铺设，但“建筑师”（人类）比以往任何时候都更重要。招聘广告在告诉我们：不要害怕机器人；学会成为它的主人。 工作的未来不是人类对抗人工智能，而是人类加上人工智能。

技术摘要：生成式人工智能与劳动力的转型

问题陈述
生成式人工智能（AI）系统（如 ChatGPT 和 Copilot）的迅速涌现，从根本上重新定义了劳动力市场结构，将工作性质从明确的任务执行转变为协作式的人机生态系统。一个被识别出的关键挑战是现有教育框架与 AI 驱动经济不断演变的需求之间的差距日益扩大。虽然传统自动化主要针对重复性的体力或计算任务，但生成式 AI 引入了新的认知和创造能力，造成了“技能适应赤字”。目前缺乏大规模、纵向的证据来追踪生成式（而非通用）AI 技能如何在各行业扩散，以及 AI 主要作为替代性力量（自动化）还是增强性力量（人机协作）发挥作用。

方法论
本研究采用大规模、多源数据驱动的方法，分析 2018 年至 2025 年职位要求的演变。

数据语料库： 研究利用了一个包含约 157,552 份有效英文职位招聘帖的语料库（从初始的 230,922 份中筛选得出），这些数据聚合自 12 个开放获取数据集和一个公共 API（ReliefWeb）。来源包括主要平台（Indeed、LinkedIn、CareerBuilder）和特定领域招聘板（如医疗领域的 eMedCareers、人道主义工作的 ReliefWeb），确保了跨行业和全球的代表性。
预处理： 模块化 Python 流程对数据进行了标准化处理，去除了重复项、非英文条目和模板文本（例如“平等就业机会雇主”），以隔离实质性的职位描述。
技能提取与分类法： 基于词汇表的方法利用正则表达式和精心策划的层级词典来识别技能提及。技能被归类为五个宏观维度：
1. AI_Data： 技术型 AI/ML 技能（例如提示工程、微调）。
2. Routine： 重复性程序任务（例如数据录入）。
3. Soft_Meta： 跨领域的分析和伦理技能。
4. Domain_Specific： 行业特定专业知识。
5. Leadership： 战略和管理能力。
语义框架分析： 为了区分增强与自动化的叙事，本研究计算了“框架指数”（FI）。职位描述使用 all-MiniLM-L6-v2 SentenceTransformer 模型转换为稠密嵌入。计算职位向量与三个语义锚定组之间的余弦相似度：AI（技术实体）、Augment（协作术语）和 Automate（替代术语）。FI 定义为 $FI = \text{similarity}(\text{Augment}) - \text{similarity}(\text{Automate})$ 。
主题建模： 应用三种不同的技术来提取潜在主题：
- BERTopic： 使用基于 Transformer 的嵌入、UMAP 降维和 HDBSCAN 聚类来捕捉上下文关系。
- LDA（潜在狄利克雷分配）： 一种基于词共现频率的概率模型。
- KMeans： 直接应用于语义嵌入的基于向量的聚类。
预测与相关性： 使用 ARIMA 模型（具体为 ARIMA(1,1,1) 和 ARIMA(2,0,2)）进行时间序列预测，以展望至 2025 年的技能需求趋势。皮尔逊相关矩阵用于分析技能类别之间的相互依赖性。

主要结果

时间动态： 2021 年后，AI 相关技能提及（例如“提示工程”、“模型验证”）急剧增加，这与大型语言模型（LLMs）的主流扩散相吻合。相反，重复性任务（例如“数据录入”、“手动编码”）的提及量显示下降趋势。
框架演变： 框架指数表明，虽然 2022 年至 2023 年曾短暂转向自动化叙事，但主导话语仍保持增强导向。到 2024 年至 2025 年，框架趋于稳定，将 AI 描绘为共同创造伙伴和决策支持工具，而非替代劳动力的机制。
行业异质性：
- IT 和电子商务： 表现出最高的 AI_Data 技能采用率和强烈的增强叙事，角色正演变为混合人机专业知识。
- 医疗和法律： 表现出谨慎的采用，以 Domain_Specific 和 Soft_Meta 技能为主导。由于监管和伦理约束，自动化框架极少；AI 被定位为辅助诊断或文件审查的工具。
- 金融： 显示出对自动化（风险建模）和增强（战略监督）的双重强调。
技能相关性： Soft_Meta、Domain_Specific 和 Leadership 技能之间存在强烈的正相关，表明这些能力正日益融合。AI_Data 技能与其他群体的相关性较弱，表明它们通常出现在专门的技术角色中。Routine 技能与 AI_Data 呈负相关，证实了重复性任务正在被取代。
预测： ARIMA 模型预测，至 2025 年，AI_Data 和 Soft_Meta 技能将持续增长，而 Routine 技能预计将继续下降。这标志着向混合人机专业知识的结构性收敛，成为新的就业能力基础。

主要贡献
本文提供了一种可复制的、数据驱动的方法，用于绘制跨行业和时间的 AI 相关技能扩散图。具体而言，它：

提供了跨不同行业生成式 AI 技能提及的大规模纵向分析（2018–2025），解决了现有文献往往缺乏跨行业时间深度的问题。
在单一数据集中实现了技能需求演变与语义框架转变（增强与自动化）的同时分析操作化。
提供了关于 AI 在语言上如何定位的细粒度、行业特定分解，超越了总体趋势，识别出医疗、法律和电子商务等领域的独特采用模式。

意义与主张
作者声称，他们的研究提供了实证证据，表明劳动力市场正在经历结构性转型，其中 AI 主要作为增强性力量而非替代性力量发挥作用。该研究指出，工作的未来特征是“共生”，即人类智能补充 AI 能力。研究结果突显了教育和组织适应的迫切需求，以培养"AI 素养”——即指导、质疑和战略性地运用 AI 工具的能力。本文提出，虽然技术型 AI 技能正在增长，但最关键的 emerging 能力是混合型的：即在保持伦理监督和战略决策能力的同时，将 AI 整合到工作流中的能力。作者承认了局限性，指出职位招聘帖反映的是 stated 要求而非实际日常实践，且数据可用性偏向数字行业。然而，该研究断言，观察到的向混合人机专业知识发展的趋势代表了专业就业能力定义的根本转变。