Generative AI and the Reconfiguration of Skill Demand in Chinese Job Postings

关于我们如何工作的历史，通常是一个关于工具的故事。几个世纪以来，新机器不断改变着劳动的本质，改变了人类通过双手完成的工作与通过大脑完成的工作之间的平衡。当一项新技术到来时，经济学家和社会学家都会问一个特定的问题：它是在取代劳动者，还是在改变工作本身？近年来，一种强大的新型人工智能出现了，它能够生成文本、代码和分析。这项技术不仅仅是自动化简单的、重复性的动作；它触及了传统上定义专业职业的复杂认知任务。现代经济的核心问题在于，这种转变是迫使雇主停止为某些职位招聘人员，还是仅仅要求同样的人以不同的方式去做他们的工作。

为了回答这个问题，中国陕西师范大学的研究员董远转向了数字市场本身。他没有采访工人或追踪他们的工资，而是研究了公司在线发布的职位广告。这些广告是观察雇主在特定时刻想法的直接窗口。它们揭示了一家公司期望新员工执行的任务，以及在面试开始前所要求的资质。通过分析多年来数百万份此类招聘信息，该研究旨在观察生成式人工智能的到来是否改变了所提供工作的蓝图。研究人员观察的不是工人是否真的被解雇或录用，而是随着技术的普及，工作的描述本身是如何演变的。

该研究检查了 2018 年至 2025 年间中国各地近 570 万份在线职位发布信息。研究人员将这些广告的文本映射到一个包含 2000 多个特定任务的固定列表上，从而建立了一种衡量随时间推移对工人需求变化的统一方式。分析重点关注了雇主可能改变需求的四种不同方式。首先，他们观察了对常规性、重复性任务的需求是否正在消失。其次，他们检查了任务组合是否正在重新分配，即某些任务变得更加重要，而另一些任务则逐渐淡出。第三，他们测量了单个职位发布中任务组合的变化，询问雇主是否正在以新的方式将不同的技能捆绑在一起。最后，他们检查了准入门槛，观察公司是否在要求更多的受教育年限或更多的从业经验。

研究结果呈现了一个微妙的图景，否定了那种“全面取代”的简单叙事。在观察对常规任务的需求时，研究发现没有明确且一致的证据表明雇主正在突然减少这类工作的平均需求。数据并未显示职位广告中列出的常规任务数量出现了大规模下降，也没有显示大规模增加。这表明对于许多角色而言，工作的基本结构保持稳定，即使在技术变得可用之后也是如此。然而，当研究人员观察任务是如何被重新排列时，情况发生了变化。研究发现，任务的分布确实发生了偏移。在技术更有可能被应用的地区和行业，任务的平衡发生了变化，某些活动变得更加突出，而另一些则相对减少。这表明，虽然常规工作的总量可能并未消失，但职位内活动的具体组合正在被重新配置。

或许最令人震惊的发现是关于任务如何在单个职位发布中进行捆绑的方式。研究测量了新职位广告中的任务与前一年类似职位任务之间的“距离”。数据显示，这种距离显著增加了。简而言之，特定职位名称所需的技能和职责组合，与一年前的要求相比变得更加不同。雇主不仅仅是在要求同样的一套旧技能，他们是在要求这些技能的新组合。这表明，劳动者的角色正在被重新定义，任务正被重新排列成新的组合包，这可能需要不同的思维和工作方式。研究指出，这种变化足够稳健，足以被视为雇主需求的真实转变，而非数据中的随机噪声。

当涉及到雇主要求的资质时，研究结果是复杂且谨慎的。研究并未发现职位要求的受教育年限有持续上升的趋势。雇主似乎并没有在所有领域统一要求更高的学位。然而，在针对特定任务的详细分析中，要求的从业经验却出现了明显的增长。这表明，虽然正式教育的门槛未必提高了，但随着人们应对这一新技术环境的过程，雇主可能更加看重实际的、在职的知识。研究还强调，这些职位广告代表的是雇主的期望，而不一定是现实中的情况。一个职位可能会要求某种特定的技能组合，但这并不保证被聘用的人一定具备这些技能，也不代表公司已经完成了对现有员工的培训。

研究结论认为，生成式人工智能的影响并不是一场瞬间抹杀旧工作或创造全新工作的单一、席卷式的浪潮。相反，它是一个重新配置的过程。这项技术正促使雇主重新思考如何组建工作的职责，从而导致任务的新组合以及对经验的更高重视。该研究明确避免声称这证明了工人正在失去工作，或者他们都被迫回到学校读书。相反，它指出的是劳动者激励机制的转变：具备适应和组合不同技能的能力，其价值正在上升。证据表明，劳动力市场正通过改变工作本身的形态来应对这项技术，从而创造出对能够驾驭这些更复杂任务组合的劳动者的需求。该研究是一份关于这些变化需求的地图，它表明虽然许多工作的核心保持不变，但这些工作被组合在一起的方式正在根据可用的新工具进行演变。