Generative AI and the Reorganization of Labor Demand
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
将劳动力市场想象成一个巨大而繁忙的厨房，数百万名厨师（劳动者）受雇来制作特定的菜肴（工作岗位）。多年来，经济学家一直在观察这个厨房，并提出一个简单的问题：“这位新来的、超快的机器人厨师是否会抢走人类厨师的工作？”
大多数先前的研究通过统计存在多少种“菜肴类型”（职业），并推测哪些菜肴机器人能够制作，来观察这个厨房。他们假设，如果一道菜肴是“机器人友好型”的，那么制作它的人类就会消失。
但王、魏和王（Wang, Wei, and Wang）的这篇论文认为，故事要复杂得多。作者没有仅仅观察哪些菜肴消失了，而是查看了公司实际发出的“食谱卡片”（招聘启事）。他们利用一个特殊的 AI“副厨”，阅读了 2021 年至 2025 年间数百万份这样的食谱卡片，以确切了解正在被要求完成的任务。
以下是他们的发现，通过简单的类比进行解释：
1. 变化的不仅是菜单，还有食谱卡片
作者发现，一个工作的“机器人友好度”并非像盒子上的标签那样固定不变。它更像是一份每隔几个月就会被重写的食谱。
- 旧观点：“软件工程师”的工作始终有 80% 是机器人友好型的。
- 新观点：在 2022 年初，一份软件工程师的工作可能要求“从头编写代码”。到了 2023 年底，同样的职位名称可能被重写为要求“审查 AI 生成的代码并修复错误”。职位名称保持不变，但工作内部的任务发生了变化，减少了对机器人的依赖。
2. 公司适应的两种方式
当机器人厨师到来时，公司并没有仅仅解雇人员，而是通过两种截然不同的方式重组了厨房。作者测量了每种方法在变化中所占的比例：
方法 A：改变菜单（招聘重新分配）——52%
这就像一家餐厅决定：“我们不再为‘手工雕刻冰雕’这道菜订购食材了，因为机器人做得更好。”公司减少了发布那些 AI 可以轻松完成的任务的招聘启事。他们将招聘重心转向了不同类型的角色。这是降低整体"AI 暴露度”的最大因素。方法 B：重写食谱（工作重新设计）——39.5%
这是更令人惊讶的发现。即使对于公司继续招聘的工作，他们也改变了指令。他们将一份原本有 80% 机器人友好度的工作，重写为只有 40% 机器人友好度。他们将人类劳动者从“执行任务”转变为“管理机器人执行任务”。- 类比：想象一位作家过去受雇“撰写新闻文章”。公司继续雇佣作家，但新的食谱卡片写道：“使用 AI 起草文章，然后花时间进行事实核查并增添人类洞察。”职位名称相同，但其中的工作内容发生了变化。
3. “职业阶梯”的反应各不相同
该论文考察了这些变化如何影响不同资历层级的劳动者，就像梯子上的不同 rung（梯级）。
- 顶层梯级（高级工作）：高级劳动者最先看到变化。公司主要使用方法 A（改变菜单）。他们停止招聘某些 AI 能够处理的高级任务，并将重心转移到其他地方。
- 底层梯级（初级/入门级工作）：初级劳动者看到了各种变化的混合。公司既改变了菜单，也重写了食谱。这至关重要，因为入门级工作是新员工学习规矩的地方。如果“学习任务”（如起草或基础编码）被重写或移除，新员工进入厨房时可能具备与以往不同的技能组合。
4. “职业”并非全貌
作者还检查了哪些因素最为重要。他们发现，你从事的工作（职业） 是这些变化的最大驱动力。如果你从事的是高科技或金融领域的工作，你的工作比从事零售或餐饮服务的人更有可能被重写。
然而，他们也发现其他细节也很重要，比如工作是远程还是现场。有趣的是，随着 AI 的普及，公司为那些高度暴露于 AI 的远程岗位招聘的人员减少了，这表明工作的“地点”也发生了转变。
核心结论
主要结论是，劳动力市场并非仅仅在 AI 擅长的领域萎缩，而是在重新配置。
这就像一次视频游戏更新。游戏并没有仅仅删除某些关卡（工作），而是改变了留存关卡的规则。公司正在积极重塑他们在哪里招聘，以及这些工作实际上需要什么。“暴露于 AI"并非关于职位头衔的静态事实；它是一个动态过程，公司不断重写职位描述以适应其新工具。
简而言之：机器人并没有仅仅抢走工作；它迫使老板重写工作描述，而劳动者必须适应新的指令。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。