Who becomes replaceable? Generative AI and the discursive stratification of work
这项研究揭示了生成式人工智能对就业的影响不仅是一种技术上的必然，更是一种话语层级化现象，即公共新闻话语不成比例地将初级员工框定为可替代的，同时将资深专业人士描绘为被增强的，从而在职业层级中主动地分配着脆弱性与机遇。
原始论文采用 CC BY 4.0 许可（https://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
当我们听到人工智能正在改变世界的工作方式时，对话往往感觉像是一场技术审计。我们询问哪些工作可以由机器完成，哪些不能，将其视为职业本身的一种固定属性。但这个故事还有另一个层面，它并不发生在代码或工厂中，而是发生在新闻和公众对话中。在机器取代人类之前，人们必须首先达成共识，即这种取代是可能的、必要的，甚至是理想的。这种共识是通过语言建立起来的。当新闻媒体将一份工作描述为“处于风险之中”时，它们不仅仅是在预测未来；它们是在通过语言对劳动者进行分类，将他们划分为那些会被保留的人和那些会被丢弃的人。这种通过文字进行的分类过程，就是研究人员所称的“话语分层”（discursive stratification）。这是一种理解社会如何在实际裁员发生之前，决定谁容易受到变革影响，以及谁是安全的手段。
由韩国科学技术院（KAIST）研究员金荷娜（Hana Kim）开展的一项新研究，深入调查了在生成式人工智能时代，这种分类是如何发生的。该研究聚焦于一个特定的转折点：2022年底ChatGPT的发布。作者想要了解，新闻媒体关于AI与工作的讨论方式是否在这一时刻发生了变化，更重要的是，这种变化是否对同一职业内的不同类型的劳动者采取了不同的对待方式。该研究并非观察人们是否真的失去了工作，而是通过检查近50万篇新闻文章的文本，来观察公众叙事发生了怎样的转变。核心问题很简单：当新闻说某份工作正被AI取代时，那个句子中的“谁”是谁？
为了回答这个问题，研究人员收集了从2010年到2026年的海量新闻段落，重点关注了对律师、医生、作家和开发人员等特定职业的提及。团队使用了一个由人类专家训练过的计算机程序来阅读这些段落，并将它们分为四个截然不同的类别。第一个类别是“中性”，即提到了该职业但未将其与AI联系起来；第二个是“增强”（augmentation），即AI被描述为帮助劳动者更好地完成工作的工具；第三个是“任务自动化”（task automation），即工作的特定部分被认为被机器接管，但职业本身依然存在；第四个也是最严重的类别是“取代”（replacement），即文本暗示该职业本身变得不再必要，或者劳动者将被移除。
分析显示，在ChatGPT到来之后，讨论AI对工作影响的新闻总量确实有所上升。然而，这种增长并不是均匀分布的。 “取代”类故事的增加，并不是因为每一份工作突然都显得更加危险。相反，新闻开始将注意力转向与以前不同的职业群体。报道的重心转向了那些已经被讨论为具有风险性的职业，如作家和程序员，而对其他职业的相对关注度则有所下降。这意味着，新闻中整体的危机感是由关注职业种类的变化驱动的，而非所有职业的叙事突然变得更加严苛。
然而，最重要的发现不在于讨论了哪些工作，而在于如何描述这些工作中的人。研究仔细观察了初级员工（即那些刚刚开始职业生涯的人，通常被称为入门级或实习生）与高级员工（即经验丰富的领导者或资深专业人士）之间的差异。结果显示，两者之间存在着显著且不断扩大的鸿沟。2022年后，新闻文章在讨论AI的影响时，更有可能提到初级员工。事实上，在讨论初级与高级员工作为AI变革目标的频率上，两者之间的差距扩大了20个百分点。
但这种差异不仅限于被提及的频率。当一个初级员工在AI的背景下被提及时，新闻叙事极大概率将其框架化为“可被取代的”。分析发现，在讨论初级员工的新闻中，近一半描述其角色为被完全消除，且很少有描述其被AI辅助。相比之下，当同一时期的资深员工被提及时，叙事几乎截然相反。他们更有可能被描述为被“增强”，即AI作为提升其判断力和生产力的工具。新闻很少暗示资深员工会被移除；相反，它暗示他们将是运用这项新技术的人。
即使研究人员试图排除其他解释，这一模式依然成立。他们检查了这种差异是否仅仅是因为初级工作更具常规性或重复性（这是工作被自动化的常见原因）。数据表明，虽然常规性工作确实更容易被讨论为自动化，但初级与资深员工之间的特定差距是一个独立的现象。这并非关乎任务类型，而是关乎职业阶段。研究人员还测试了计算机程序是否只是将“初级”或“资深”作为一种快捷方式进行反应。他们在隐藏了这些特定词汇后重新运行了分析，模式依然完全一致。计算机是对故事的语境做出反应，而非仅仅针对标签。
为了绝对确定，研究人员邀请人类专家阅读了一组经过精心匹配的小规模故事集。他们将关于同一职业、同一年份的初级员工新闻故事与资深员工新闻故事配对，然后要求人类在不知道身份的情况下进行分类。人类读者以惊人的清晰度证实了这一模式。在绝大多数两个故事存在差异的情况下，关于初级员工的故事被归类为“取代”，而关于资深员工的故事则被归类为“增强”。人类的一致性如此之强，以至于这种现象纯属偶然的可能性在统计学上几乎为零。
研究表明，生成式AI的到来不仅改变了工作的技术景观，也重塑了关于“谁是不可或缺的”以及“谁是可消耗的”这一社会图谱。叙事已经发生转变，将许多职业的入门级职位视为自动化的主要目标，同时保留了资深专业人士作为新工具掌控者的形象。这是一个关键的区别，因为入门级职位不仅仅是低成本劳动力；它们是新专业人士学习技能、判断力和习惯所需的训练场。如果公众话语将这些起步阶段的角色视为可丢弃的，那么就有可能切断让人们成为未来资深专业人士的必经之路。
这项研究并不声称这些新闻故事是导致失业的直接原因，也不说雇主会立即根据这些故事采取行动。相反，它识别了一种关于“如何想象工作未来”的强大思维转变。通过一致地将初级角色框架化为“可取代的”，并将资深角色框架化为“可增强的”，公众对话正在创造一种脆弱性的等级制度。它正在通过文字决定，AI的未来属于经验丰富者，而新手则是那个必须被取代的人。这种“话语分层”发生在经济变革发生之前，为这样一个未来奠定了基础：在职业阶梯底层学习和成长的机会正在缩小，而顶层的人则获得了新的权力。研究结论指出，理解AI对工作的影响，不仅要看机器能做什么，还要看我们愿意将谁想象成“可被取代的人”。
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。