人工智能等新技術(shù)對職業(yè)替代風(fēng)險的影響

巫強(qiáng)

摘要：人工智能等新技術(shù)的進(jìn)展，再次激起人們對新技術(shù)替代人類勞動的討論。以《中華人民共和國職業(yè)分類大典》（1999版）的工作任務(wù)描述作為基礎(chǔ)數(shù)據(jù)，利用機(jī)器學(xué)習(xí)的方法，對現(xiàn)存1443個職業(yè)被新技術(shù)替代的概率進(jìn)行估測，發(fā)現(xiàn)若考慮人工智能等新技術(shù)的影響，有70%的職業(yè)處在較高的替代風(fēng)險中，可替代概率在70%以上。結(jié)合CFPS2010的數(shù)據(jù)來看，若考慮人工智能等新技術(shù)的影響，67%的非農(nóng)就業(yè)者處于高替代風(fēng)險中。職業(yè)替代風(fēng)險與工資水平存在倒U型關(guān)系，與學(xué)歷負(fù)相關(guān)，與年齡正相關(guān)，但人工智能等新技術(shù)的應(yīng)用可能會削弱這些相關(guān)性。不同職業(yè)、不同工資水平、不同學(xué)歷、不同年齡的勞動者，在面對人工智能等新技術(shù)時，都會面臨替代風(fēng)險。

關(guān)鍵詞：人工智能；職業(yè)替代風(fēng)險；就業(yè)

中圖分類號：Ｆ２４９．２；ＴＰ１８? 文獻(xiàn)標(biāo)志碼：A? 文章編號：1001-862X（2023）04-0069-010

一、引 言

人工智能等新技術(shù)快速發(fā)展，再次激起人們對新技術(shù)替代人類工作的討論。一方面，新技術(shù)可執(zhí)行強(qiáng)度更大、難度更高、環(huán)境更惡劣的工作任務(wù)，提高生產(chǎn)效率；另一方面，新技術(shù)不可避免地會造成一些人失去當(dāng)前工作。［1］作為全球第二大經(jīng)濟(jì)體，同時也是最大的發(fā)展中國家，中國既需要通過積極發(fā)展人工智能等新技術(shù)促進(jìn)經(jīng)濟(jì)持續(xù)增長，又需要通過經(jīng)濟(jì)發(fā)展提升國民福祉，實現(xiàn)更高質(zhì)量的就業(yè)和更公平的收入分配。關(guān)于人工智能是非利弊的衡量，對于當(dāng)前中國的發(fā)展尤為重要。

若要考量人工智能等新技術(shù)對就業(yè)和收入的影響，首先要估計出這些新技術(shù)在多大范圍內(nèi)、多大程度上影響職業(yè)被替代的可能性。Frey和Osborne（2017）曾估計美國702種職業(yè)被自動化技術(shù)替代的可能性，發(fā)現(xiàn)47%的就業(yè)者處于高替代風(fēng)險中［2］，但國內(nèi)尚未有人基于中國職業(yè)分類的特點開展類似工作。國內(nèi)學(xué)者在估計人工智能、機(jī)器人等新技術(shù)對就業(yè)影響的研究中，涉及職業(yè)可替代性時，要么根據(jù)歷史數(shù)據(jù)估計出一個替代概率［3-4］，要么引用國外研究的結(jié)論。［5］此中有兩個潛在問題需要注意：一是未來的影響不同于過往的影響，因為如果影響一樣，則不必單獨討論人工智能等新技術(shù)的影響；二是國內(nèi)情況不同于國外情況，中國的職業(yè)分類不同于美國，在工作任務(wù)界定上也不完全相同。因此，有必要基于中國的職業(yè)分類來估計人工智能等新技術(shù)對職業(yè)替代風(fēng)險的影響。

基于《中華人民共和國職業(yè)分類大典》（１９９９版）中對工作任務(wù)的文字描述，估計出1443個職業(yè)被一般性技術(shù)替代的概率和以人工智能為代表的新技術(shù)替代的概率，并在此基礎(chǔ)上討論新技術(shù)對不同收入、不同受教育程度和不同年齡人群的職業(yè)替代風(fēng)險的不同影響。使用《中華人民共和國職業(yè)分類大典》（１９９９版）作為基礎(chǔ)數(shù)據(jù)，結(jié)合2010年中國家庭追蹤調(diào)查CFPS（China Family Panel Studies）數(shù)據(jù)展開分析，研究發(fā)現(xiàn)：若考慮人工智能等新技術(shù)的影響，70%的職業(yè)處于高替代風(fēng)險中，67%的非農(nóng)就業(yè)者處在高替代風(fēng)險中，替代概率在70%以上。在一般性技術(shù)進(jìn)步中，也就是除了人工智能、大數(shù)據(jù)、智能機(jī)器人、萬物互聯(lián)、無人駕駛等新技術(shù)的其他技術(shù)進(jìn)步中，學(xué)歷越高、年紀(jì)越輕的勞動者更不容易被新技術(shù)取代，但在人工智能等新技術(shù)應(yīng)用的背景下，高學(xué)歷、年輕勞動者在職業(yè)替代風(fēng)險上的優(yōu)勢會被削弱。

二、文獻(xiàn)綜述

本文的主題與兩方面的文獻(xiàn)相關(guān)：一是如何估計職業(yè)替代概率的文獻(xiàn)，二是技術(shù)進(jìn)步如何影響就業(yè)的文獻(xiàn)。

（一）如何估計職業(yè)可替代概率

估計職業(yè)可替代概率，有三種思路：一是依據(jù)客觀指標(biāo)分類打分，二是依靠主觀經(jīng)驗分類打分，三是計算機(jī)算法綜合各種因素打分。二十一世紀(jì)前十年估計職業(yè)替代概率的文獻(xiàn)，主要在討論關(guān)于本土工作是否會被離岸外包的問題。Jensen等（2005）在對職業(yè)是否可離岸外包進(jìn)行分類時采用了客觀分類的方法，首先明確可離岸外包的特點，之后找到11個可以代表可離岸性的O*NET標(biāo)準(zhǔn)化指標(biāo)，最終根據(jù)各指標(biāo)的得分和權(quán)重算出每個職業(yè)的客觀得分并得出排序。［6］Blinder（200９）在對職業(yè)是否可離岸外包進(jìn)行分類時則主要采用了主觀打分的方法，即主要依靠個人經(jīng)驗和觀察O*NET上關(guān)于每個職業(yè)的描述，來給每個職業(yè)的可離岸程度進(jìn)行主觀打分。［7］

Jensen等（2005）方法的問題在于其選擇的代表性變量的可靠性存疑，Blinder（200９）所用方法的問題則在于主觀性太強(qiáng)。而Frey和Osborne（2017）在研究職業(yè)有多大概率被自動化技術(shù)替代時，為了克服過于主觀或過于客觀的缺點，巧妙地結(jié)合了上述兩種方法進(jìn)行估計：先通過O*NET中的工作任務(wù)描述等對職業(yè)能否自動化做主觀標(biāo)記（主觀地標(biāo)記了70個職業(yè)，如果是可自動化的，則標(biāo)記為1，如果不是，則標(biāo)記為0），然后利用客觀分類方法，找到９個描述可替代性的O*NET標(biāo)準(zhǔn)化變量，對這70個職業(yè)進(jìn)行客觀排序；通過客觀分類來糾正之前主觀標(biāo)記的誤差。之后，利用機(jī)器學(xué)習(xí)的方法確定O*NET標(biāo)準(zhǔn)化變量與可替代性之間的量化關(guān)系，對702個職業(yè)被替代的可能性進(jìn)行預(yù)測，最終得到所有職業(yè)替代概率的排序。［2］

Jensen等（2005）、Blinder（200９）、Frey和Osborne（2017）的方法，其框架大體一致，都是找到一系列職業(yè)替代的瓶頸變量，再利用主觀或客觀的方法估計出一個可替代的概率，以此衡量職業(yè)替代風(fēng)險。這種方法的有效性建立在O*NET較為完善的數(shù)據(jù)基礎(chǔ)上，若要將此種方法應(yīng)用于中國職業(yè)替代率的估計，需要結(jié)合中國職業(yè)分類數(shù)據(jù)的特點做出相應(yīng)調(diào)整。

（二）技術(shù)進(jìn)步對職業(yè)替代風(fēng)險的影響

技術(shù)進(jìn)步對不同職業(yè)存在不同影響，同時，不同技術(shù)帶來的影響也是有差異的。自二十世紀(jì)八十年代以來，以計算機(jī)技術(shù)為代表的技術(shù)進(jìn)步，總體來說是對低技能、常規(guī)性任務(wù)的替代作用強(qiáng)導(dǎo)致對此類勞動力需求減少，而對高技能、非常規(guī)任務(wù)的替代作用弱而互補(bǔ)作用強(qiáng)，對這類工作的威脅不大甚至對此類勞動力的需求有上升趨勢。但近年來以人工智能為代表的新技術(shù)，是否也只對低技能、常規(guī)性工作產(chǎn)生負(fù)面影響，則存在爭議。

對于以計算機(jī)為代表的信息技術(shù)而言，典型的看法來自Autor（2015），認(rèn)為計算機(jī)更多是替代常規(guī)性的任務(wù)，而人類在解決問題的技能、靈活性和創(chuàng)新能力上更有優(yōu)勢，使得以這類任務(wù)為主的職業(yè)的替代風(fēng)險并不大。［8］此前的研究也提供了一些證據(jù)：技術(shù)水平對技能型勞動者需求沒有影響，但技術(shù)進(jìn)步的速度決定了技能型勞動者需求［9］；教育回報率迅速增長，就業(yè)市場偏向高教育水平的勞動者［10］；計算機(jī)可以與非常規(guī)、抽象型任務(wù)（通常是高薪工作）互補(bǔ)，對常規(guī)性任務(wù)（中等薪酬工作）起到替代作用，而對非常規(guī)手工工作（底薪工作）的影響較小。［11-12］

但在技能型勞動力的市場需求和未來發(fā)展方向上，也有不同的看法。就美國的就業(yè)市場而言，在2000年左右對技能型、認(rèn)知性工作的需求已經(jīng)出現(xiàn)了下降趨勢，而認(rèn)知性工作的需求減少最終導(dǎo)致了低學(xué)歷勞動者的失業(yè)（因為高學(xué)歷勞動者從認(rèn)知性工作流向低技能工作，擠出了低學(xué)歷勞動者）。［13］雖然之前計算機(jī)化僅僅局限在常規(guī)性工作領(lǐng)域，但隨著新一輪的技術(shù)進(jìn)步，已經(jīng)擴(kuò)展到非常規(guī)性工作領(lǐng)域，物流運輸業(yè)、行政工作、生產(chǎn)工作者處于高自動化風(fēng)險中，甚至過去幾十年就業(yè)人數(shù)一直增加的服務(wù)業(yè)也是自動化風(fēng)險非常高的。［2］至于哪些職業(yè)相對安全，Schwab（201６）認(rèn)為技術(shù)進(jìn)步后，對解決復(fù)雜問題的能力以及社交和系統(tǒng)性技能的需求會遠(yuǎn)遠(yuǎn)高于對體力和知識性技能的需求，這樣的職業(yè)被替代的風(fēng)險相對較低。［14］

孫文凱等（2018）曾根據(jù)Frey和Osborne（2017）估計出的職業(yè)替代概率，計算中國各行業(yè)和總體的就業(yè)可替代風(fēng)險，發(fā)現(xiàn)所有行業(yè)總的平均替代率為0.45，與美國較為接近，其中就業(yè)人口較多的制造業(yè)和批發(fā)零售業(yè)的平均替代率分別為0.43和0.57。［5］需要強(qiáng)調(diào)的是，相較于以美國為代表的歐美發(fā)達(dá)國家勞動力市場而言，中國的勞動力市場仍然有明顯的二元結(jié)構(gòu)特征，一方面存在大量技能要求高、學(xué)歷要求高、工資水平高的現(xiàn)代化工作崗位，另一方面也存在大量對技能和學(xué)歷無甚要求、工資水平也較低的傳統(tǒng)工作崗位。這樣的就業(yè)結(jié)構(gòu)，面對“一波還未平息，一波又在興起”的新技術(shù)浪潮，很可能有不同于歐美發(fā)達(dá)國家的職業(yè)替代風(fēng)險，需要結(jié)合中國的具體數(shù)據(jù)展開分析。

三、數(shù)據(jù)來源與分析方法

（一）數(shù)據(jù)來源

所使用的數(shù)據(jù)來自于《中華人民共和國職業(yè)分類大典》（１９９９版）和中國家庭追蹤調(diào)查（China Family Panel Studies，CFPS）。本文選擇中國職業(yè)分類大典（1999版）進(jìn)行分析有兩個原因：一是后期更新版本與1999版相比，在職業(yè)的工作任務(wù)描述上沒有根本性的變化，主要是增加或刪減了一部分職業(yè)，增加了對任職資格等的描述；二是除此版本外并未搜集到其他版本適合做文本分析的電子文檔。在比較CFPS、CHARLS、CGSS、CHIP等國內(nèi)主要的微觀調(diào)查數(shù)據(jù)，基于職業(yè)信息的完整性和樣本的代表性兩個標(biāo)準(zhǔn)，本文最終選擇以CFPS應(yīng)用于本文分析。

《中華人民共和國職業(yè)分類大典》（１９９９版）將我國職業(yè)歸為8個大類，66個中類，413個小類，共1838個職業(yè)，它對每個職業(yè)的工作任務(wù)進(jìn)行了具體的文字描述，其所用的職業(yè)分類編碼可以和國家標(biāo)準(zhǔn)職業(yè)分類編碼基本對應(yīng)。這樣的數(shù)據(jù)結(jié)構(gòu)可以讓我們對一部分職業(yè)的可替代性進(jìn)行主觀標(biāo)記，并利用算法根據(jù)工作描述的關(guān)鍵詞對職業(yè)可替代性進(jìn)行客觀排序。在全部1838個職業(yè)中，有部分職業(yè)沒有工作任務(wù)的文字描述，比如僅描述為“其他**相關(guān)工作”，本文只對1443個有詳細(xì)工作任務(wù)描述的職業(yè)進(jìn)行估計。

CFPS是一項全國性、綜合性的社會跟蹤調(diào)查項目，通過跟蹤收集個體、家庭、社區(qū)三個層次的數(shù)據(jù)，反映中國社會、經(jīng)濟(jì)、人口、教育和健康變遷。CFPS的職業(yè)數(shù)據(jù)是和國家標(biāo)準(zhǔn)職業(yè)分類代碼基本對應(yīng)的，本文通過職業(yè)分類代碼，把中國職業(yè)分類大典里的工作任務(wù)描述和CFPS數(shù)據(jù)中的工資水平、教育水平、年齡、性別等數(shù)據(jù)聯(lián)系起來，觀察職業(yè)替代風(fēng)險與其他變量的關(guān)系。

在CFPS數(shù)據(jù)中，職業(yè)這個變量，通過問卷中被訪者所回答的職業(yè)及其所對應(yīng)的職業(yè)小類來確定，具體問題為“G307您的職業(yè)屬于哪一類”。由于CFPS數(shù)據(jù)并沒有具體到職業(yè)，而是劃分到職業(yè)小類，與此相對應(yīng)，本文計算出具體職業(yè)的可替代概率之后，對屬于相同小類的職業(yè)取平均值作為職業(yè)小類的可替代概率，然后和CFPS數(shù)據(jù)相匹配。剔除調(diào)查數(shù)據(jù)中的無效和缺失數(shù)據(jù)，共得到352個職業(yè)小類。

（二）替代概率估計方法說明

在職業(yè)替代風(fēng)險相關(guān)研究中，F(xiàn)rey和Osborne（2017）的研究方法很有參考意義，他們先標(biāo)記標(biāo)桿職業(yè)的替代概率，再利用客觀指標(biāo)校準(zhǔn)主觀估計結(jié)果，最后將校準(zhǔn)后的結(jié)果作為訓(xùn)練集，用機(jī)器學(xué)習(xí)的方法估計所有職業(yè)的替代概率。

本文對可替代概率的方法在流程上參考Frey和Osborne（2017）的做法，在變量的選擇和定義上做出了適應(yīng)中國職業(yè)分類大典的調(diào)整?；舅悸肥牵菏紫冗x擇若干個職位作為標(biāo)桿職位，然后用兩套工具分別對標(biāo)桿職位的可替代性進(jìn)行評估（一套工具是基于主觀判斷形成結(jié)果，一套工具是基于客觀指標(biāo)和算法形成結(jié)果），之后根據(jù)兩套評估結(jié)果的異同校準(zhǔn)工具，最后利用客觀指標(biāo)和算法對所有職位的可替代性進(jìn)行估計，得到結(jié)果。在估計人工智能等新技術(shù)對職業(yè)替代風(fēng)險的影響時，首先考慮各項新技術(shù)在任務(wù)層面會產(chǎn)生哪些影響，再基于工作任務(wù)可替代性的變化估計對職業(yè)替代風(fēng)險變化的影響。具體過程如下：

第一步，先主觀標(biāo)記80個職業(yè)，如果是可被替代的，則分配1，如果不是，則為0。作為訓(xùn)練樣本，這80個職業(yè)是從每個職業(yè)大類中選擇具有代表性且容易判斷可替代性的職業(yè)。

第二步，參照Frey和Osborne（2017）使用的計算機(jī)化瓶頸變量，本文確定11個衡量職業(yè)可替代性的指標(biāo)。與他們不同的是，為了更好地基于中國職業(yè)分類大典描述可替代性，本文新增了一個管理能力維度的正向指標(biāo)和2個感知與操作維度的負(fù)向指標(biāo)（手指靈活性與操縱靈活性），共包含9個正向指標(biāo)和2個負(fù)向指標(biāo)。此外，F(xiàn)rey和Osborne（2017）的指標(biāo)是O*NET中的標(biāo)準(zhǔn)化能力要素，而《中華人民共和國職業(yè)分類大典》（１９９９版）中并沒有這些能力要素，本文的做法是用一系列關(guān)鍵詞來定義相應(yīng)變量。于是，每個指標(biāo)的定義是由一系列代表本指標(biāo)的關(guān)鍵詞組成，這些關(guān)鍵詞來源于職業(yè)分類大典中對職業(yè)工作任務(wù)的文字描述，通過分詞工具進(jìn)行切分。

第三步，以中國職業(yè)分類大典的職責(zé)描述為數(shù)據(jù)基礎(chǔ)，運用機(jī)器學(xué)習(xí)的方法，得到每個職業(yè)可替代性的概率。這一步中，先用R軟件統(tǒng)計每個職業(yè)在11個維度上的詞頻，然后用機(jī)器學(xué)習(xí)的方法根據(jù)詞頻估計每個職業(yè)的替代概率。具體而言，以之前標(biāo)記的80個職業(yè)作為訓(xùn)練集，以余下的職業(yè)作為測試集，利用合適的分類方法來對職業(yè)是否被可替代進(jìn)行分類并最終得出可替代性的概率。在分類方法的選擇上，通過對K最近鄰算法（KNN），支持向量機(jī)（SVM）以及高斯分類方法的比較，發(fā)現(xiàn)SVM得出的結(jié)果與之前主觀標(biāo)記的結(jié)果相似度最高（AUC= 0.97），因此最終選用SVM方法計算各職業(yè)的可替代概率。

第四步，建立人工智能等新技術(shù)與職業(yè)可替代性之間的傳導(dǎo)機(jī)制模型，以模擬不同技術(shù)對職業(yè)可替代性的影響。這里假設(shè)新技術(shù)對職業(yè)的影響是通過對工作任務(wù)的影響來實現(xiàn)的，由于同一工作任務(wù)可能出現(xiàn)在不同行業(yè)、不同職業(yè)中，這樣就能更為細(xì)膩地刻畫新技術(shù)對不同行業(yè)、不同職業(yè)被替代可能性的影響。通過文獻(xiàn)梳理和專家訪談，本文建立了人工智能、大數(shù)據(jù)、機(jī)器人與服務(wù)、萬物互聯(lián)、無人駕駛等新技術(shù)在任務(wù)層面替代原有工作任務(wù)的對應(yīng)關(guān)系，新技術(shù)與可替代工作任務(wù)對應(yīng)關(guān)系如表1，第三列中原本是替代瓶頸的工作任務(wù)，在人工智能等新技術(shù)應(yīng)用后將不再成為瓶頸。正是基于這些變化，本文得以估計出人工智能等新技術(shù)對職業(yè)替代風(fēng)險的影響。

第五步，基于表1修正職業(yè)替代瓶頸變量，根據(jù)新的職業(yè)替代瓶頸變量與工作任務(wù)關(guān)鍵詞的對應(yīng)關(guān)系，重復(fù)第一步到第三步，重新估計各職業(yè)的可替代概率，從而得到在人工智能等新技術(shù)影響下的職業(yè)可替代概率。

四、職業(yè)替代風(fēng)險分析

本小節(jié)討論根據(jù)第三部分的數(shù)據(jù)和方法得到的結(jié)果，包括各職業(yè)替代概率的估計結(jié)果、人工智能等新技術(shù)影響下各職業(yè)類別的替代風(fēng)險，以及職業(yè)替代風(fēng)險與工資、學(xué)歷和年齡等的關(guān)系。

（一）各職業(yè)可替代概率的估計結(jié)果

通過第三部分介紹的方法，本文得到1443個職業(yè)的可替代概率（囿于篇幅，詳細(xì)結(jié)果不在文中列出，如有需要，可向作者索要）。參考Frey和Osborne（2017）的標(biāo)準(zhǔn)，本文以替代概率70%和30%為分界點將所有職業(yè)分為高、中、低風(fēng)險職業(yè)。若不考慮人工智能等新技術(shù)的影響，有64%的職業(yè)處在高替代性風(fēng)險之中，被替代可能性在70%以上，有18%的職業(yè)處于中替代風(fēng)險之中，有18%的職業(yè)暫時不會被替代（被替代可能性在30%以下）。（表2第4列）若考慮人工智能等新技術(shù)的影響，高風(fēng)險的職業(yè)會更多，占到70%，低風(fēng)險的職業(yè)會更少，為3%。（表2第7列）

以CFPS勞動者的樣本來看，若不考慮人工智能等新技術(shù)的影響，只考慮計算機(jī)、移動互聯(lián)網(wǎng)、工業(yè)機(jī)器人等技術(shù)的影響，80%的就業(yè)者處在高替代風(fēng)險中，15%的就業(yè)者處在中等替代風(fēng)險中，5%的就業(yè)者處在低替代風(fēng)險中。（表2第2列）

CFPS中有大約50%樣本的職業(yè)為“大田作物生產(chǎn)人員”，這部分樣本是純粹意義上的農(nóng)民，若把這部分樣本剔除后可得到非嚴(yán)格意義上的“非農(nóng)勞動者”，其中58%的就業(yè)者處在高替代風(fēng)險中，31%的就業(yè)者處在中替代風(fēng)險中，11%的就業(yè)者處在低替代風(fēng)險中。（表2第3列）若考慮人工智能等新技術(shù)的影響，處于高風(fēng)險的非農(nóng)就業(yè)者占比會更高，達(dá)到67%。（表2第6列第3行）

需要說明的是，CFPS數(shù)據(jù)具有較高的代表性，這里看到的情況在一定程度上也能代表全樣本人口的情況。在CFPS2010就業(yè)人口職業(yè)大類分布中，農(nóng)、林、牧、漁、水利業(yè)生產(chǎn)人員（52.51%），生產(chǎn)、運輸設(shè)備操作人員及有關(guān)人員（20.15%）和商業(yè)、服務(wù)業(yè)人員（11.25%）就業(yè)人口占到總就業(yè)人口的約85%，另有3.64%的國家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人，6.31%的專業(yè)技術(shù)人員和3.99%的辦事人員和有關(guān)人員。特別是從事大農(nóng)業(yè)生產(chǎn)的人員超過總就業(yè)人口的1/2，這與第六次全國人口普查的就業(yè)人口職業(yè)分布相吻合。第六次全國人口普查中，這幾個數(shù)據(jù)分別為：48.31%、22.49%、16.17%、1.77%、6.84%和4.32%。

根據(jù)CFPS2010的數(shù)據(jù)，我們還可以看到各職業(yè)大類就業(yè)者被替代風(fēng)險的分布情況。若不考慮人工智能等新技術(shù)的影響，國家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人的可替代風(fēng)險總體較低，大部分專業(yè)技術(shù)人員、辦事人員和相關(guān)人員的可替代風(fēng)險較低，概率集中在50%以下，商業(yè)、服務(wù)業(yè)人員和農(nóng)、林、牧、漁、水利生產(chǎn)人員的可替代風(fēng)險離散程度高，生產(chǎn)、運輸設(shè)備操作及有關(guān)人員替代風(fēng)險整體較高，概率大多在70%以上。（如圖1）

若考慮人工智能等新技術(shù)的影響，絕大部分農(nóng)、林、牧、漁、水利生產(chǎn)人員，生產(chǎn)、運輸設(shè)備和操作人員及有關(guān)人員都處于高替代風(fēng)險中（概率在70%以上），大部分的辦事人員和相關(guān)人員及商業(yè)、服務(wù)業(yè)人員處于較高的替代風(fēng)險中（概率在70%左右），國家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人和專業(yè)技術(shù)人員大部分處于中等或較低替代風(fēng)險中。（如圖2）

（二）職業(yè)替代風(fēng)險與工資、學(xué)歷和年齡的關(guān)系

通過第三部分所介紹方法的第四和第五步，可以得到考慮人工智能等新技術(shù)影響的職業(yè)替代概率。考慮人工智能等新技術(shù)的影響后，各職業(yè)的可替代概率均值從之前的62%升高到76%，這種升高主要是由商業(yè)服務(wù)和辦事人員職業(yè)替代性變高帶來的。

為進(jìn)一步分析人工智能等新技術(shù)會對哪些群體的職業(yè)替代風(fēng)險帶來影響，這里利用CFPS2010的數(shù)據(jù)，考察職業(yè)可替代概率與工資、學(xué)歷和年齡的關(guān)系。注意，這里不是討論因果關(guān)系，而是分析人工智能等新技術(shù)可能對哪些群體的就業(yè)產(chǎn)生影響。

本文將工資水平定義為與工作相關(guān)的年度收入，在CFPS2010數(shù)據(jù)中，通過加總K101、K102、K103、K104、K105、K106各項數(shù)據(jù)中基本工資、獎金、年終獎、福利等各項勞動相關(guān)收入得到。圖3展示了職業(yè)替代概率與年度工資水平的散點圖和擬合曲線，圖3a是未考慮人工智能等新技術(shù)影響的情形，圖3b則是考慮人工智能等新技術(shù)影響的情形。觀察兩張圖，可以得到兩個直觀印象：一是職業(yè)替代概率與工資水平似乎存在U型關(guān)系，也就是可替代概率隨著工資水平的上升而先下降后上升；二是在考慮人工智能等新技術(shù)的影響后，職業(yè)可替代概率與工資水平的相關(guān)關(guān)系減弱。

圖4 展示的是替代概率與學(xué)歷的散點圖和擬合曲線，圖4a是未考慮人工智能等新技術(shù)影響的情形，圖4b則是考慮人工智能等新技術(shù)影響的情形。同樣可以得到兩個結(jié)果：一是職業(yè)替代概率與學(xué)歷負(fù)相關(guān)，也就是學(xué)歷越高則職業(yè)替代風(fēng)險越低；二是在考慮人工智能等新技術(shù)的影響后，高學(xué)歷職業(yè)的優(yōu)勢明顯減弱。

圖5展示的是可替代概率與年齡的關(guān)系，同樣，圖5ａ是不考慮人工智能等新技術(shù)影響的情況，圖5ｂ則是考慮人工智能等新技術(shù)影響的情況?？梢园l(fā)現(xiàn)，在未考慮人工智能等新技術(shù)的影響時，職業(yè)替代概率與年齡有明顯的正相關(guān)關(guān)系，也就是年齡越大越容易被替代。但考慮人工智能等新技術(shù)的影響后，這種替代概率與年齡的正相關(guān)關(guān)系幾乎看不出來，換句話說，年輕人在抵御職業(yè)替代風(fēng)險上的優(yōu)勢不再明顯。

為了進(jìn)一步考察職業(yè)替代概率與工資、學(xué)歷、年齡等變量的關(guān)系，本文設(shè)計了一個回歸分析，試圖從統(tǒng)計上檢驗前面從圖形上觀察到的現(xiàn)象的可靠性。當(dāng)然，仍需注意的是，這里并不是要去探討它們的因果關(guān)系。

回歸模型如下：

Pi=α+β1Wagei+β2Wage2i+β3Edui+β4Agei+β5Genderi+εi

因變量Pi為第i個樣本所在職業(yè)的替代概率，自變量為第i個樣本的工資水平Wagei、工資水平的平方Wage2i、學(xué)歷Edui、年齡Agei和性別Genderi，α為常數(shù)項，β1、β2、β3、β4、β5分別為各變量的系數(shù)，εi為隨機(jī)擾動項?；貧w結(jié)果如表3。

從表3的數(shù)據(jù)來看，替代概率與工資水平在控制學(xué)歷、年齡、性別等因素的影響后，存在顯著的倒U型關(guān)系。也就是對于同樣學(xué)歷、年齡、性別的勞動者而言，職業(yè)替代概率隨工資水平的上升而先增加后減少。這種從U型到倒U型關(guān)系的反轉(zhuǎn)，可能是由于工資水平與學(xué)歷、年齡、性別都存在較強(qiáng)相關(guān)性帶來的。本文的結(jié)果與Autor等（2008）、Frey和Orsborne（2017）的發(fā)現(xiàn)是一致的，工資較低的藍(lán)領(lǐng)工作和工資較高的非常規(guī)、抽象型工作更不容易被替代，而中等工資的常規(guī)性工作則較易被替代。［2，11］此外，學(xué)歷與職業(yè)替代概率有顯著的負(fù)相關(guān)關(guān)系，年齡與職業(yè)替代概率有顯著的正相關(guān)關(guān)系，男性所在職業(yè)的替代概率顯著更高一些。也就是說，學(xué)歷越高越不容易被替代，年紀(jì)越輕越不容易被替代，女性更不容易被替代。

表3第2列的因變量是未考慮人工智能等新技術(shù)影響的職業(yè)替代概率，第3列的因變量是考慮人工智能等新技術(shù)影響職業(yè)替代概率，這里將前者稱為概率1，后者稱為概率2。工資、學(xué)歷、年齡、性別與概率1和概率2的相關(guān)關(guān)系，在方向上是一致的，顯著性也大體一致，只是系數(shù)大小有區(qū)別。自變量與概率2的回歸系數(shù)更小一些，大約相當(dāng)于與概率1回歸系數(shù)的1/5到1/2。自變量對概率2的R2是0.139，也比對概率1的R20.239要更小一些。從更小的回歸系數(shù)和R2可以看出，考慮人工智能等新技術(shù)的影響后，工資、學(xué)歷、年齡、性別與職業(yè)替代概率之間的相關(guān)性在降低。換句話說，在人工智能等新技術(shù)產(chǎn)生實質(zhì)性影響后，高學(xué)歷勞動者、年輕勞動者、女性勞動者，在職業(yè)替代上所占有的優(yōu)勢將被削弱，更多的勞動者會在同一條起跑線上面對職業(yè)替代的問題。

本文的結(jié)果略微不同于程虹等（2018）根據(jù)2015、2016和2018年的“中國企業(yè)—勞動力匹配調(diào)查”（CEES）數(shù)據(jù)得出的“非技能勞動力受到機(jī)器人的‘換人沖擊更大”的結(jié)論［3］，但與Beaudy等（2016）、Frey和Osborne（2017）、Schwab（2017）的發(fā)現(xiàn)更為接近。新技術(shù)的發(fā)展，使得認(rèn)知型、服務(wù)型工作同樣面臨更高的替代風(fēng)險，而那些需要解決復(fù)雜問題，或是需要身心關(guān)懷與支持問題的工作則處在相對安全的位置上。［2，13－14］

五、結(jié)論與討論

本文主要做了兩方面工作，一是基于中國職業(yè)分類大典中的工作任務(wù)描述，估計各職業(yè)替代概率，二是分析職業(yè)替代概率與工資、學(xué)歷、年齡等變量的關(guān)系，尤其是人工智能等新技術(shù)的應(yīng)用可能會對這些關(guān)系產(chǎn)生怎樣的影響。主要結(jié)論如下：

1.就各職業(yè)的替代概率而言，若不考慮人工智能等新技術(shù)的影響，有64%的職業(yè)屬于高替代風(fēng)險職業(yè)，58%的非農(nóng)就業(yè)者處在高替代風(fēng)險中。若考慮人工智能等新技術(shù)的影響，則有70%的職業(yè)和67%的非農(nóng)就業(yè)者處在高風(fēng)險中。相較于Frey和Osborne（2017）估計出的47%的美國就業(yè)者處于高風(fēng)險中，本文的估計值要明顯更高一些。這可能是由兩個原因引起的，一是本文的估計方法和數(shù)據(jù)結(jié)構(gòu)與Frey和Osborne（2017）有差異，可能會帶來替代概率的系統(tǒng)性高估；二是中國目前的就業(yè)結(jié)構(gòu)和美國的就業(yè)機(jī)構(gòu)相比仍然有較大的差異，以農(nóng)業(yè)、工業(yè)為就業(yè)主體的中國勞動者，在新技術(shù)的沖擊下，被替代的風(fēng)險事實上高于以服務(wù)業(yè)為就業(yè)主體的美國勞動者。［2］

2.若考慮人工智能等新技術(shù)的影響，不僅農(nóng)、林、牧、漁和水利相關(guān)生產(chǎn)人員，生產(chǎn)、運輸設(shè)備操作人員處于高替代風(fēng)險中，相當(dāng)部分的商業(yè)、服務(wù)業(yè)人員及辦事人員和相關(guān)人員也處在高替代風(fēng)險中，只有一部分國家機(jī)關(guān)、黨群組織、企業(yè)、事業(yè)單位負(fù)責(zé)人和專業(yè)技術(shù)人員面臨較低的替代風(fēng)險。

3.一般而言，高學(xué)歷、高工資的年輕人面臨被替代的風(fēng)險相對較低，但這種優(yōu)勢，在考慮人工智能等新技術(shù)的影響后明顯削弱。換句話說，人工智能等新技術(shù)對勞動力的替代幾乎是不分學(xué)歷、不分年齡的，諸多我們以往認(rèn)為比較安全的職業(yè)、難以替代的職位，當(dāng)其利用人類勞動力取得的投入產(chǎn)出效率低于利用新技術(shù)取得的效率時，仍有較高的概率被替代。在這個意義上，人工智能等新技術(shù)有可能帶來的技術(shù)性失業(yè)不同于以往我們認(rèn)識的失業(yè)。Acemoglu和Restrepo（2019）提出要通過估計人工智能對就業(yè)的影響來區(qū)分好的人工智能和壞的人工智能，這樣的呼吁值得關(guān)注。［15］

技術(shù)進(jìn)步所導(dǎo)致的技術(shù)性失業(yè)并不是近期才出現(xiàn)的，縱觀歷史進(jìn)程，每一次技術(shù)進(jìn)步在帶來巨大的財富飛躍的同時，也帶來其他沖擊，其中一項就是技術(shù)性失業(yè)。Frey 和Osborne（2017）認(rèn)為十九世紀(jì)的工業(yè)革命一個重要的特點是去技能化，技術(shù)進(jìn)步通過將任務(wù)簡化替代技能型勞動者，因此需要更多的低技能勞動者。［16－17］第二次工業(yè)革命使得電力取代蒸汽機(jī)得到廣泛應(yīng)用，電力的廣泛應(yīng)用使得原來需要大量低技能勞動者的手工生產(chǎn)轉(zhuǎn)變?yōu)樽詣踊a(chǎn)，在搬運、輸送、組裝等領(lǐng)域?qū)Φ图寄軇趧诱叩男枨鬁p少，但是對技能型勞動者的需求上升；除此之外，電氣化推動了對白領(lǐng)工人需求的增長。［17］第三次技術(shù)革命帶來的最重要的影響就是工作極化現(xiàn)象，即高技能和低技能崗位的就業(yè)量增長，而中等技能崗位的就業(yè)量在下降，這個現(xiàn)象得到了大量在產(chǎn)業(yè)、地區(qū)或國家層面的研究驗證。［8，１０－１１，1８－2２］

若順著這個邏輯往前推演，技術(shù)進(jìn)步在不斷重構(gòu)勞動力市場，技術(shù)對人工的替代從一開始的以農(nóng)業(yè)手工業(yè)者為主，到替代制造業(yè)和文職工作。當(dāng)前面臨的人工智能等新技術(shù)對就業(yè)的沖擊，將對服務(wù)業(yè)甚至專業(yè)技術(shù)工作的未來產(chǎn)生實質(zhì)性影響。由此，政府在優(yōu)化職業(yè)分類和制定職業(yè)政策時，需要綜合考慮職業(yè)需求和供給的動態(tài)平衡，注重科學(xué)性、靈活性和可持續(xù)發(fā)展性，以促進(jìn)經(jīng)濟(jì)的健康發(fā)展和人民的就業(yè)創(chuàng)業(yè)。具體措施可包括：持續(xù)完善職業(yè)分類體系，將新型職業(yè)按照不同特征和屬性進(jìn)行分類，確保職業(yè)分類的準(zhǔn)確性和實時性；不斷細(xì)化職業(yè)分類標(biāo)準(zhǔn)，根據(jù)經(jīng)濟(jì)社會發(fā)展的變化，不斷調(diào)整和更新職業(yè)分類標(biāo)準(zhǔn)，以適應(yīng)新興產(chǎn)業(yè)和職業(yè)的出現(xiàn)；加強(qiáng)數(shù)據(jù)統(tǒng)計和分析，通過對職業(yè)結(jié)構(gòu)、就業(yè)崗位需求、人才供給等方面的研究，為職業(yè)政策的制定提供科學(xué)依據(jù)；強(qiáng)化職業(yè)政策的協(xié)調(diào)性，綜合考慮經(jīng)濟(jì)、教育、社會保障等多個方面的因素，考慮職業(yè)發(fā)展、人才培養(yǎng)、勞動力市場等各個環(huán)節(jié)的需要，實現(xiàn)政策的整體性和協(xié)同性；加強(qiáng)職業(yè)培訓(xùn)和就業(yè)服務(wù)，幫助人們提升職業(yè)技能，適應(yīng)職業(yè)發(fā)展的新形勢、新需求。

囿于數(shù)據(jù)可獲得性，本文只是基于《中華人民共和國職業(yè)分類大典》（１９９９版）和CFPS的2010年數(shù)據(jù)進(jìn)行分析，得出的結(jié)論更多是探索性的。未來如果條件允許，可以從以下三方面拓展本研究：一是用更新的職業(yè)分類大典版本估計職業(yè)替代風(fēng)險，二是用更新的微觀調(diào)查數(shù)據(jù)檢驗職業(yè)分布的實際變化，三是檢驗職業(yè)替代風(fēng)險與工資、就業(yè)、收入不平等、人力資本投資等經(jīng)濟(jì)變量之間的因果關(guān)系。

參考文獻(xiàn)：

［1］Acemoglu D.，P.Restrepo.The Wrong Kind of AI？ Artificial Intelligence and the Future of Labor Demand［J］.Cambridge Journal of Regions， Economy and Society， 2020， 13（1）：25-35.

［2］Frey C.B.， M.Osborne.The Future of Employment：How Susceptible are Jobs to Computerization？［J］.Technological Forecasting and Social Change，2017，114：254-280.

［3］程虹，陳文津，李唐.機(jī)器人在中國現(xiàn)狀、未來與影響——來自中國企業(yè)-勞動力匹配調(diào)查（CEES）的經(jīng)驗證據(jù)［J］.宏觀質(zhì)量研究，2018，（3）：6-26.

［4］趙忠，孫文凱，郭鵬.人工智能等自動化偏向型技術(shù)進(jìn)步對我國就業(yè)的影響［J］.中國人民大學(xué)國家發(fā)展與戰(zhàn)略研究院政策簡報， 2018， （3）：1-13.

［5］孫文凱，郭杰，趙忠，湯璨.我國就業(yè)結(jié)構(gòu)變動與技術(shù)升級研究［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2018，（6）：5-14.

［6］Jensen J.B.，L.G.Kletzer， B.R.C.Feenstra，Tradable Services：Understanding the Scope and Impact of Services Offshoring with Comments and Discussion[M]. Brookings Trade Forum， 2005： 75-133.

［7］Blinder A.S.How Many US Jobs Might be Offshorable［J］.World Economics，2009，10（2）：41-78.

［8］Autor D.H.Why Are There Still So Many Jobs？：the History and Future of Workplace Automation［J］.Journal of Economic Perspectives，2015，29（3）：3-30.

［9］Galor O.，O.Moav.Ability-biased Technological Transition，Wage Inequality，and Economic Growth［J］.Quarterly Journal of Economics，2000，115（2）：469-497.

［10］Ｍａａｒｔｅｎ Ｇｏｏｓ，Ａｌａｎ Ｍａｎｎｉｎｇ. Lousy and Ｌovely Ｊobs：The Rising Polarization of Work in Britain［J］.Review of Economics and Statistics，2007，89（1）：118-133.

［11］Autor D.H.，L.F.Katz， M.S.Kearney．Trends in U.S.Wage Inequality：Revising the Revisionists［J］.Review of Economics & Statistics，2008，90（2）：300-323.

［12］Frey C.B.， M.Osborne．Technology at Work：The Future of Innovation and Employment[R]. Citi GPS， 2015：1-100.

［13］Beaudry，P.，D.A.Green，B.M.Sand，The Great Reversal in the Demand for Skill and Cognitive Tasks［J］.Journal of Labor Economics，2016，34（S1）：S199-S247.

［14］Schwab K.The Fourth Industrial Revolution：What it Means，How to Respond［J］.Economy，Culture & History Japan Spotlight Bimonthly， 2016，（4）：3-5.

［15］Acemoglu D.，P.Restrepo.Automation and New Tasks： How Technology Displaces and Reinstates Labor[J]. Journal of Economic Perspectives， 2019， 33（2）：3-30.

［16］Hounshell D.From the American System to Mass Production，1800-1932：The Development of Manufacturing Technology in the United States［J］.The American Historical Review， 1985， 72（2）： 385-386.

［17］Goldin C.，L.F.Katz．The Origins of Technology-skill Complementarity［J］.Quarterly Journal of Economics，1998，113（3）：693-732.

［18］Autor D.H.，L.F.Katz， M.S.Kearney．The Polarization of the U.S.Labor Market［J］.American Economic Review，2006，96（2）：189-194.

［１９］Autor D.H.，D.Dorn．The Growth of Low Skill Service Jobs and the Polarization of the U.S.Labor Market［J］.American Economic Review，2013，103（5）：1553-1597.

［2０］Michaels G.，A.Natraj， J.Van Reenen．Has ICT Polarized Skill Demand？ Evidence from Eleven Countries Over 25 Years［J］.Review of Economics and Statistics，2014，96（1）：60-77.

［2１］Goos M.，A.Manning， A.Salomons，Explaining Job Polarization：Routine-Biased Technological Change and Offshoring［J］.American Economic Review，2014，104（8）：2509-2526.

［2２］Graetz G.，G.Michaels．Robots at Work［J］. The Review of Economics and Statistics， 2018， 100（5）：753-768.