人工智能时代：如何稳住、提升就业基本盘

作者 谭寅亮

人工智能正深刻改变全球产业结构和就业市场。对中国来说，人工智能不仅能够提升经济效率和质量，还可能加剧中低技能群体的就业压力，特别是高度重复性岗位。

中国面临的挑战主要体现在三方面：一是庞大的中低技能劳动力群体，很多岗位容易受到自动化和智能化的冲击，造成结构性失业；二是区域发展不平衡，东部沿海地区的产业升级速度较快，中西部地区则面临较大的技术转型与就业压力；三是现有的技能培训体系和社会保障制度无法有效覆盖新兴就业形态，灵活用工和平台经济的从业者缺乏足够的社保保障，导致其职业稳定性差，面临失业后的再就业困境。

美国通过教育改革、再培训和社保政策来应对这些挑战，中国需在推动中低技能群体数字化转型和优化区域资源配置上进一步完善，才能缓解人工智能带来的就业压力，防止收入差距加剧。下文将结合中美差异和美国经验，提出更具针对性的政策建议。

应对AI冲击的做法与启示

美国在应对人工智能对就业的冲击时，依托相对灵活的市场机制和政策环境，采取了多维度的措施，集中体现在以下四方面。

首先是强化教育与技能培训。

1、多层次、长周期的教育与再培训。美国联邦与州政府通过社区大学、高校、企业等多方合作，构建覆盖不同学龄与职业阶段的技能培训体系。政府往往以财政补贴或税收减免等方式，鼓励劳动者持续学习、转岗或提升技术水平。联邦政府自2021年以来已投入2.65亿美元用于加强社区学院培训项目，一些州已经开始在职业技术教育中实施AI培训项目,为不断发展的技术劳动力做准备。社区大学（全美约1000所）是实施的关键机构,它们还会与雇主和中介机构整合成强大的区域生态系统。AI驱动的个性化学习平台也正在兴起,可以根据每个学习者的当前技能、项目需求和职业抱负定制学习路径。如在线学习平台Udemy就报告称,与ChatGPT相关的课程在过去一年增长了4400%。

2、聚焦AI等前沿技术人才储备。中小学阶段的科学、技术、工程、数学（STEM）教育改革让学生更早接触编程与机器人等内容，美国国家科学基金会（NSF）2023年投入约13.77亿美元专项拨款，用于推广K-12阶段的STEM教育。NSF认为，为未来劳动力做准备必须从最早的年级开始，学生需要学习STEM学科的核心内容，以及计算思维如何融入这些学科。高校及研究机构则加强AI相关学科的师资与科研投入，为企业输送高技能人才。美国部分州设立专项教育基金，用于资助高等院校开设“机器学习与算法”方向的职业课程。

其次是社会保障与灵活用工管理。

1、失业保险与再培训挂钩。美国多数州规定，领取失业保险期间须参加求职辅导或职业培训，防止长时间失业造成技能退化。这样将“保基本”与“强技能”结合，对劳动者再就业起到一定的促进作用。约60%的失业人员可在6个月内重返工作岗位，其中不少人通过短期培训进入AI辅助的新岗位（如数据标注、简易算法测试等）。

2、新业态的制度探索。美国在平台用工监管上采取“先立法、再试点、再修正”的渐进策略，避免一次性颁布过于严格或宽松的条款。面对平台经济、零工经济的兴起，加利福尼亚州在2019年通过AB5法案（加州零工经济法案），尝试将网约车司机、外卖骑手等归类为“雇员”而非“独立承包商”，以便纳入社保和最低工资覆盖。虽然在执行过程中争议不断，但该立法探索为在平台经济时代保障从业者权益迈出了第一步。

3、灵活用工与基本保障并行。鼓励企业在一定范围内实行弹性工时或项目制，提升市场配置效率；同时确保最低工资、医疗、养老金等核心权益不被忽视，以免加剧就业脆弱群体的困境。

其三是促进创新与产业转型。

1、税收激励与研发扶持。联邦层面设置针对AI技术研发的专项补贴或税收减免，地方政府也尝试通过行业联盟、投资基金等方式，扶持本土AI初创企业并吸纳高技能就业。例如，加利福尼亚州通过研发抵税政策鼓励企业加大对AI相关技术的投入，带动了对算法工程师、数据科学家等岗位的需求。2024年4月，全美范围内的AI职位空缺为14117个，同比增长32%。

2、推动AI赋能传统行业。以制造、金融、零售、医疗为典型场景，通过大数据、智能算法等手段改造流程、提升效率，也创造了新的岗位需求，比如工业机器人维护、智能客服管理、医疗影像标注与分析、算法运营等新型岗位，估计占企业技术岗位新招聘的10%—15%。合理的政策引导和培训能让更多劳动者向新兴岗位流动，以实现“削峰填谷”的就业再分配。到2030年，美国的传统行业将有约25%—30%的岗位可与AI实现“人机互补”模式，部分缓解自动化带来的失业压力。

3、建设产业集群与监管沙盒。在硅谷、波士顿等高科技园区，地方政府通过人才引进、风投对接、法律法规适度放宽等措施，形成“技术—资本—产业”联动生态。监管部门对AI技术创新保持相对开放，注重事中事后评估，及时微调政策。

四是立法与监管创新。

1、算法公平与劳动力歧视防范。一些州（如伊利诺伊州、纽约州）针对招聘用AI软件出台管理条例，要求企业定期审核算法，避免因数据偏差导致年龄、种族、性别等歧视，对求职者提供可追溯的申诉渠道。美国某大型科技公司在招聘筛选算法中，因历史数据偏差导致对女性技术候选人歧视的案例，最终被迫下架相关AI系统。已有多起实际事件表明，必须通过立法和行业自律严防算法偏见对就业公平造成侵害。

2、动态监管，循序修法。美国倾向于通过“试点—评估—修订”的方式推进AI监管；如在自动驾驶、无人机等领域，先给予有限牌照进行实际测试，再根据反馈完善法律，力求在技术创新与公共安全（含就业稳定）之间取得平衡，形成与技术演进同步的监管框架。

3、鼓励行业标准化与透明度。学术界与行业协会积极推动对算法原理、数据安全的透明化规范，为市场主体提供相对一致的使用标准，也为劳动者维权提供参考依据。

稳住、提升就业基本盘

首先，我们要加强技能培训与教育转型，培育AI时代高素质劳动力。

1、扩容职业培训与终身教育体系。全球劳动力的数字技能普遍不足，即便在发达国家也存在“数字素养鸿沟”，这凸显了中国对中低技能群体进行“数字化补课”的紧迫性。

一是大规模、分层级培训：政府与企业、高校和社会组织协同，为中低技能劳动者提供针对性课程，例如工业机器人操作、数据标注、智能客服等新兴岗位的快速上岗培训；同时对高技能群体提供持续进修与专业拓展，覆盖从职业院校到高级职业资质的各个层次。

二是任务拆解方法论：将岗位拆解为“重复性/可编程”与“创造性/协作性”两大类型，重点强化后者所需技能。具体而言，在职业培训课程中，应突出培养无法被AI轻易替代的软技能，如创造力、沟通力和复杂问题解决能力，以免只聚焦技术层面而忽视综合能力，从而全面提升劳动者的应变与人机协作水平。

三是线上线下融合：在农村或欠发达地区，加大在线平台的推广力度，并辅以线下学习中心、远程教辅等形式，降低技能培训的区域壁垒。

四是建立技能认证与学分互认机制：完善多部门统一的技能等级评价体系，在职业院校、企业内训、社会培训机构间推动学分或证书互认，为劳动者提供灵活晋升通道。

2、深化基础教育改革，为AI人才培养奠定根基。一是STEM教育要深入中小学：引入编程、机器人、数据思维等内容，同时提升师资水平，鼓励校企合作开发校本课程，让学生尽早掌握AI时代必备的基础素养。二是校企协同的产教融合：鼓励AI企业与高等院校、重点职业院校共建实验室或实训基地，将理论课程与实践项目紧密结合，提高学生的实践操作水平。

其次，我们还要完善社会保障体系，兜牢AI时代的就业底线。

1、纳入新就业形态的社保覆盖。一是法规补充与分类管理：修订或出台针对灵活用工、平台从业者的新法规，为外卖骑手、网约车司机、自由职业者等人群提供参保渠道或商业保险补贴，形成“多层次、可组合”式的社保模式。二是社保转移与个人账户：推动跨区域、跨行业的社保转移更便利化，减轻劳动者在流动就业时的负担，并确保其能够持续享有基本养老、医疗保障。

2、整合失业保险与再就业服务。一是“保基本”与“强技能”结合：领取失业保险期间，对劳动者进行强制性或半强制性的职业培训与就业辅导，建立“保险+培训”的联动机制。二是探索动态补贴机制：对受AI冲击较严重行业的失业者或转岗人员，给予差异化的技能培训补贴、企业见习补贴或转岗津贴，缩短失业周期。

其三，我们要推动产业协同与区域均衡，扩大AI应用的就业增量。

1、引导传统制造业、服务业与AI深度融合。一是数字化改造升级：在装备制造、家电、纺织、物流等劳动密集型产业推动智能生产线、数据管理系统的使用，替代部分危险、高耗能或重复性岗位的同时，也创造新岗位（如机器人维护、智能调度等）。二是共享平台与行业赋能：鼓励龙头企业或产业联盟搭建共享平台，为中小企业提供可负担的AI技术服务与解决方案，激活更多就业机会。

2、区域协调发展，避免“数字鸿沟”。一是差异化扶持中西部：针对中西部地区或资源型城市，加大财政、金融与培训资源倾斜，加强人工智能基础设施建设，让当地企业拥有相对公平的数字化升级环境。二是建设产业集群与人才流动通道：在重点城市或产业园区试点AI应用与制度创新，支持高校、科研院所、企业共同做研发攻关，将成果推广至欠发达地区，带动区域就业生态共同提升。

其四，我们还需健全法律监管与行业自律，防范就业不公与潜在风险。

1、规范算法在招聘与管理中的使用。一是要求算法透明与可审计：建立独立检测或认证机构，对企业在招聘、绩效管理等人力资源环节使用的算法进行检查，防止因数据偏见导致歧视，保护劳动者公平就业权益。二是明确责任与申诉渠道：为求职者或员工提供明确的投诉和救济途径，一旦遭遇不公待遇，可依程序追究企业或技术服务提供方的责任。

2、保护劳动者数据隐私。一是立法细化与场景规范：在国家层面制定针对AI场景的劳动者数据保护规定，要求企业明示数据收集、存储与用途，并确保个人隐私不被滥用。美国已有若干企业因滥用职场监控（如捕捉员工键盘/鼠标使用习惯、自动跟踪聊天记录等）而受到社会强烈谴责乃至法律追究的案例。二是行业自律守则：督促AI从业企业及平台企业建立自律公约或“白名单机制”，提高用工管理的透明度与合规性，减少行业内恶性竞争与违规行为。

其五，我们还需强化多部门协调与政策联动，形成AI就业治理合力。

1、建立跨部门统筹机制。在国家层面设立或强化由工信、发改、人社、教育、科技、财政等部门共同参与的AI就业协调小组，定期评估技术变革对就业的影响，及时出台或调整配套政策。鼓励地方政府因地制宜，根据本地产业特点和劳动力结构差异，制定个性化AI就业扶持政策，做好上下贯通与数据对接。

2、完善就业监测与预警系统。AI迭代速度快，不确定性高，政策若一成不变，易出现滞后或“一刀切”问题。建议在劳动力市场层面建立“试点—评估—迭代”的闭环机制，通过实时收集各地区、各行业失业率、转岗培训成功率等数据，快速反映在政策更新中。

一是实时监测：借助大数据与统计信息，跟踪不同行业、地区的岗位变动情况，识别失业与技能缺口分布。二是发布预警：一旦发现某个产业或地区因AI应用导致失业率急速上升，可及时启动应急预案或专项扶持，避免结构性失业蔓延。

3、加强社会共治与国际合作。一是社会力量参与：鼓励行业协会、智库、高校和公益组织共同研究AI就业的前沿挑战，并在职业培训、就业服务等领域贡献资源。二是国际对话与借鉴：加强与欧美、日韩等在AI就业管理上经验丰富的国家或地区进行沟通，分享数据与案例，提升中国在全球AI治理中的话语权。

面对AI技术的快速迭代与深度渗透，中国在就业领域正面临前所未有的挑战与机遇。通过加快技能培训与教育改革、完善社会保障制度、引导产业升级与区域平衡、健全法律监管，以及强化多部门协同与国际对话，中国有望在稳住就业基本盘的同时，顺势培育出一批高质量、充满活力的AI相关新兴岗位，进而在全球竞争中抢占先机、行稳致远。

（作者系中欧国际工商学院决策科学与管理信息系统教授）