加载中...
From Substitution to Empowerment: Artificial Intelligence Alleviates Low-end Occupational Lock-in among Workers
人工智能技术变革正在推动劳动力市场的技能迭代与岗位重构,为劳动力突破低端锁定、拓展职业发展空间提供新的可能。本文构建了包含“低—中—高”技能劳动者与失业者“任务—培训—技能”的搜寻匹配框架与多层级职业流动模型,刻画人工智能影响劳动者职业晋升、劳动力市场供求结构性转变的演化过程。理论研究揭示了人工智能通过岗位结构升级与智能化技能水平提升带来劳动力向上层级流动、岗位适配的内在驱动力。实证研究发现,人工智能水平每提升1%,劳动力职业晋升概率提升0.79%,这一正向作用不仅在低技能劳动群体中表现更为突出,而且在自愿原职业发展、自愿工作转换和非自愿工作转换群体中均表现出显著晋升效应。进一步研究发现,人工智能发展显著降低了职业层级滑落风险的替代效应,提升了劳动者长期职业晋升的赋能效应。本文为破解劳动力低端锁定困境提供了理论分析框架,也为“十五五”时期强化人工智能的就业创造效应提供了微观层面的实证依据。
Abstract
Artificial intelligence is reshaping labor markets by changing job tasks, skill requirements and occupational mobility opportunities. This paper develops a task-training-skill search and matching framework and a multi-level occupational mobility model to examine whether and how artificial intelligence helps alleviate low-end occupational lock-in among workers. The theoretical model reveals the intrinsic driving force of artificial intelligence in promoting upward occupational mobility and job matching through job structure upgrading and intelligent skill improvement. Empirically, using individual-level data from the China Family Panel Studies from 2014 to 2022 matched with regional artificial intelligence indicators, the paper finds that a 1% increase in the level of artificial intelligence raises the probability of occupational promotion by 0.785%. This positive effect is more pronounced among low-skilled workers and is significant across groups with voluntary original occupational development, voluntary job changes, and involuntary job changes. Further analysis shows that artificial intelligence significantly reduces the substitution effect of occupational downgrading risk and enhances the empowerment effect of long-term career advancement. The paper provides a theoretical framework for solving the low-end lock-in dilemma and micro-level empirical evidence for strengthening the employment creation effect of artificial intelligence during the 15th Five-Year Plan period.
人工智能显著提升劳动者职业晋升概率
基准回归结果显示,在控制个体特征、区域经济社会特征及固定效应后,省级人工智能水平每提升1%,劳动者职业晋升概率显著提高0.785%,表明人工智能发展有助于拓展劳动者向上流动空间,缓解低端锁定。
岗位结构升级是重要机制路径
机制检验表明,人工智能显著推动地区岗位结构向信息传输、软件和信息技术服务业及科学研究和技术服务业等高端行业升级,岗位结构优化又显著促进劳动者职业晋升,形成“技术进步—岗位升级—职业晋升”的传导链条。
智能化技能提升是另一关键机制
基于ESCO技能-职业矩阵的检验发现,人工智能显著提升了劳动者在计算机使用、信息处理、沟通协作与创造力等智能化转型相关技能水平,技能提升进一步显著增强劳动者进入更高职业层级的能力。
失业保险弱化人工智能晋升激励
调节效应分析显示,人工智能与失业保险的交互项系数显著为负,表明较高水平的失业保险可能降低了劳动者主动进行人力资本投资和承担职业转换风险的激励,从而部分抑制人工智能晋升效应的发挥,但较高的晋升满意度可缓解这一弱化。
对低技能劳动力晋升促进作用更强
异质性分析表明,人工智能对低技能劳动者的晋升影响系数为0.908,显著高于中高技能群体的0.444,说明任务重组、岗位再配置和中间层级岗位扩张为低端劳动力突破锁定提供了新的上行通道。
核心解释变量
地区人工智能水平(ln_ai,采用人工智能相关专利申请数的对数化指标衡量)
被解释变量
职业晋升(间隔两期调查的ISEI得分差值是否为正)
样本与数据
2014-2022年中国家庭追踪调查(CFPS)数据,匹配省级人工智能专利数据、国家统计局及统计年鉴宏观数据,样本量52882个个体-相邻两期配对观测
识别方法 / 模型设定
基于基准回归模型,采用工具变量法处理内生性:使用长途光缆密度与基于Lewbel(2019)异方差工具变量法构造的工具变量,缓解反向因果、遗漏变量及自选择偏误
内生性及稳健性检验
通过多维度衡量职业层级、规避非常规非均衡就业冲击、考虑人工智能影响时滞性、排除跨省流动子样本自选择、更换人工智能衡量方式等稳健性检验;进一步采用有序Probit模型及两年、四年、六年、八年期晋升幅度进行长期效应检验
AI岗位线上招聘数据
AI招聘可支持的研究问题:可基于AI岗位线上招聘信息,考察人工智能相关岗位需求的数量与结构变化,验证人工智能发展对高技能岗位创造的促进效应,支撑岗位结构升级机制的研究。
专精特新“小巨人”企业工商注册基本信息数据
可支持的研究问题:可基于专精特新小巨人企业工商注册数据,分析人工智能应用水平较高的创新型企业区域分布及用工特征,辅助研究技术进步对劳动力市场结构的影响。
A股上市公司AI岗位线上招聘数据
AI岗位可支持的研究问题:可基于A股上市公司AI岗位招聘数据,分析上市公司对人工智能人才的需求特征与变化趋势,检验企业层面人工智能应用对劳动力技能结构的影响。
中国工业企业股东信息数据
工业企业可支持的研究问题:可基于中国工业企业股东及工商数据研究企业技术变革与人力资本结构的关系,为分析人工智能背景下企业内部职业流动环境提供参考。