Artificial Intelligence Exposure, Tacit Experience and Occupational Wage Growth

关于机器如何改变工作的故事，长期以来一直被讲述为一场人类技能与计算机算力之间的简单竞赛。几十年来，经济学家和研究人员一直试图通过观察一项任务是否可以轻易地写成一套规则，来预测哪些工作会消失，哪些工作会兴盛。如果一份工作依赖于遵循清晰的清单，当时的观点认为，计算机最终可以做得更快、更便宜。但如果一份工作需要人类的直觉、创造力或处理混乱、不可预测情况的能力，它就被认为是安全的。这种观点将技术视为一种直接作用于劳动者的力量，就像一场袭击房屋的风暴。然而，一个新的视角表明，结果与其说是取决于风暴本身，不如说取决于房屋是如何建造的。它在追问：一份工作的价值究竟是来自于劳动者所遵循的正式规则，还是来自于他们通过多年实践获得的深层、默会的判断力。

来自暨南大学的尚泽中（Zezlow Shang）最近的一项研究探讨了这一观点，研究对象是 2018 年至 2024 年间的美国劳动力市场。该研究聚焦于人工智能的崛起，特别是这一波能够阅读、写作并进行语言推理的新型工具。作者并非仅仅询问一份工作是否暴露在这些工具的影响之下；相反，该研究调查了工作的知识类型如何改变其在暴露程度增加时工资增长的方式。核心发现是，那些高度依赖“隐性经验”（即通过实践、犯错和应对不确定性而获得的智慧）的工作，在暴露于人工智能时，其工资增长速度更快。相比之下，那些主要依赖“成文知识”（即可以被轻松记录、在课堂上教授或转化为手册的信息）的工作，则呈现出不同的模式，尽管研究指出这一结果的稳定性较低且对控制变量较为敏感。该研究表明，工作的未来不仅在于机器能做什么，还在于组织如何决定去衡量人类在规则失效时进行判断、谈判和承担责任的能力。

要理解这一点，首先必须了解研究人员是如何衡量工作图景的。他们从一个广泛使用的指数开始，该指数描绘了哪些职业最容易受到人工智能的影响。这个被称为“人工智能职业暴露指数”的指数就像一个雷达，显示了新技术的能力与人们日常完成的任务之间的重叠区域。然而，雷达本身无法告诉你职场内部发生了什么。它无法显示一家公司是否真的采用了该技术，技术如何改变了日常流程，或者员工是否因此涨了工资。为了填补这一空白，作者利用美国劳工部的 O*NET 数据库（一个关于职业技能和要求的庞大信息库）构建了两个新的衡量标准。

第一个衡量标准是“成文知识指数”。它捕捉了工作中正式且有据可查的部分。这包括特定的知识领域、可以在学校教授的基础技能，以及对专业认证或学徒制的的需求。这些是可以通过规则手册或教科书记录下来的工作要素。第二个衡量标准是“隐性经验指数”。它捕捉了通过实践学习且难以言传的部分。这包括预判错误、与他人谈判、在不确定性下做出决策以及为结果承担责任等技能。这些是资深专业人士的特质——他们之所以知道如何处理危机，不是因为读过手册，而是因为他们曾经经历过。

随后，研究人员将这些衡量标准与全美 26,697 种不同的州与职业组合的工资数据相结合。研究人员观察了 2018 年至 2024 年间工资的变化情况，这一时期正是生成式人工智能快速兴起的阶段。他们提出了一个具体的问题：人工智能暴露程度的高低，是否会根据工作是偏向成文知识还是偏向隐性经验，从而产生不同的工资增长影响？他们发现的答案是清晰且具有统计学显著性的。

当研究人员观察高水平隐性经验的工作时，他们发现人工智能暴露程度每增加一个标准差，往往伴随着工资增长的加速。通俗地说，一份工作越是依赖于通过多年实践积累的判断力和经验，随着人工智能变得更加普遍，其工资往往涨得越高。即使在考虑了初始工资、所在州以及所需的正式知识量之后，这一关系依然成立。该模式非常稳健，经受住了各种检验和不同的数据分组方式。这表明，在先进语言工具的时代，解释输出结果、管理异常情况以及做出重大决策的能力正变得越来越有价值。

相反，研究发现对于重度依赖成文知识的工作，呈现出了不同的模式，尽管作者指出这一结果的稳定性较低。对于这些角色，较高的人工智能暴露程度与平缓甚至负向的工资增长梯度相关，但这一发现对控制变量和指数构建较为敏感。这并不意味着正式教育或认证失去了作用。数据显示，这些工作仍然需要正式知识，且这些知识在定义问题和验证机器工作方面依然至关重要。然而，研究表明，由于工具可以轻易地复制和操纵这些规则，从事主要以遵循书面规则为核心工作的优势正在减弱。工作的价值正在从“背诵规则的能力”转向“在规则不再适用的灰色地带进行导航的能力”。

研究人员谨慎地澄清了他们的发现证明了什么，以及没有证明什么。他们并没有追踪具体的个人或公司来观察人工智能究竟是如何被使用的。他们也没有测量采用强度或单台机器对单一薪水的直接因果影响。相反，他们观察的是整个经济层面的宏观模式。结果显示，工作的组织形式至关重要。两份工作可能具有相同的 AI 暴露程度，但如果一份依赖深厚的实践经验，而另一份主要依赖正式规则，它们的工资轨迹很可能会发生分化。研究暗示，劳动力市场正开始奖励人类的“情境化判断”能力——即那种在特定情境下、在当下发生的思考能力——而非仅仅是遵循预设剧本的能力。

这种区分有助于解释为什么有些劳动者在蓬勃发展，而另一些人却在挣扎，即便他们在看似受技术影响程度相似的领域工作。它挑战了旧有的观念，即只有完全不受自动化影响的工作才是安全的。相反，它表明最具韧性的劳动者是那些其价值与经验以及处理突发状况的能力紧密相连的人。研究还强调，变化的走向并不完全由技术本身决定。它是由雇主如何组织工作以及他们决定奖励什么来决定的。如果公司利用人工智能来强化中央控制并剥夺劳动者的自主权，那么收益可能无法惠及员工。但如果他们利用人工智能来支持那些已经擅长处理复杂情况的员工，那么这些员工的报酬可能会随之增长。

研究结果还为关于工作未来的讨论提供了细微的差别。以往的研究通常关注一项任务是属于常规性还是非常规性。这项研究表明，对于新一代人工智能而言，这种界限正变得模糊。机器现在可以执行许多曾经被认为是“非常规”的任务，例如编写代码或总结复杂的报告。剩下的区别在于知识的来源。研究显示，劳动力市场正在区分“可以被记录在数据库中的知识”与“存在于从业者脑海中的知识”。随着人工智能变得能够处理工作的成文部分，其对隐性、经验性部分的经济溢价似乎正在上升。

最后，这项研究提供了一张人类工作价值如何被重塑的地图。它表明，在人工智能时代，通往更高薪资的路径可能不在于掌握更多的事实或遵循更多的规则，而在于深化通过实践工作所获得的实践智慧。研究并不保证每一位经验丰富的劳动者都会涨薪，也不承诺每一份基于规则的工作都会消失。它只是揭示了一个清晰的趋势：在当前的经济格局中，行使判断力、预见问题并承担责任的能力，正成为比遵循手册的能力更强大的工资增长驱动力。随着技术的不断演进，组织如何衡量这些人类特质，将决定谁能从这些新工具中获益最多。