【关注】程实等：AI让传统经济信号失灵，货币政策亟须前瞻布局

未来的货币政策可能更倾向于采取前瞻性的风险管理思路，即在核心就业指标尚未明显走弱之前，提前释放一定的政策缓冲空间，从而推动宽松政策前置。货币政策制定对潜在下行风险的重视程度或将进一步提升，使政策决议更容易在信号模糊阶段向宽松方向倾斜，而非等待数据出现明显恶化后再被动调整。

本文作者系盘古智库学术委员、工银国际首席经济学家程实，工银国际宏观分析师周烨，文章来源于“第一财经”。

本文大约2600字，读完约6分钟。

过去数十年，菲利普斯曲线与贝弗里奇曲线构成了宏观经济分析劳动力市场、判断通胀压力与政策周期的核心工具。然而，近年来以美国为代表的发达经济体劳动力市场运行特征，正系统性偏离这一传统框架。

人工智能（AI），是理解上述结构性变化的重要切入点。与以往主要替代体力劳动的技术进步不同，当前AI对劳动力市场的影响更多发生在任务层面。这一过程在短期内缓冲了就业波动，但在中长期加剧了技能错配与区域分化，使劳动力市场信号呈现出更强的滞后性与非线性特征。

在这一背景下，菲利普斯曲线的斜率趋于平坦，贝弗里奇曲线则整体外移，经济增长与就业市场表现之间的联动关系出现阶段性脱钩，劳动力市场信号参考性下降，这对宏观政策框架提出了新的挑战。

经典劳动力市场框架的现实偏离

数十年来，两条经典关系构成了宏观分析劳动力市场的重要分析框架：一是权衡通胀与失业的菲利普斯曲线，二是刻画岗位空缺与失业的贝弗里奇曲线。这两条曲线共同构成了货币政策评估劳动力市场松紧程度的核心工具。在这一传统框架下，失业率被视为连接经济增长、工资形成与通胀压力的核心枢纽变量，而职位空缺率则被用于衡量企业用工需求与劳动力供给之间的匹配状况。

然而近年来，以美国为代表的发达经济体的劳动力市场表现，正在逐步偏离上述传统框架。一方面，失业率维持历史低位，并未出现与经济放缓相匹配的明显抬升；另一方面，工资增速放缓，通胀对劳动力市场紧张程度的反应明显弱于历史经验，反映出工资—价格传导机制在当前结构环境下趋于钝化。同时，职位空缺率处于高位，但其变化与就业改善之间的对应关系明显弱化，结构性失业现象趋于常态化。

这一系列特征表明，传统以就业—通胀为主线的分析框架，正在面临系统性的挑战。而人工智能（AI），尤其是以任务自动化和认知替代为特征的新一代技术，可能是理解这一结构性变化的重要切入点。

与以往主要替代体力劳动的机械化或机器人技术不同，本轮AI对劳动力市场的冲击并非主要发生在岗位层面，而是更多体现在任务层面。美国国家经济研究局和国际货币基金组织近期的工作论文指出，AI对就业的影响主要通过三条渠道展开：

第一，任务替代效应。当AI能够以更低成本完成某些具体任务时，这些任务对应的边际劳动需求下降。这种替代并不局限于低技能岗位，而是广泛发生在白领、专业服务和中等技能职业中。

第二，任务重组与生产率放大效应。当AI只替代岗位中的部分任务，劳动者会将时间配置到尚未被自动化的任务上，从而缓冲就业冲击并提升企业生产率，带来企业规模扩张，对就业形成反向拉动。

第三，宏观层面的就业压缩。尽管企业层面的生产率提升存在，但在区域和行业层面，任务重组并不能完全吸收被替代的劳动。结果是，AI高暴露地区的就业率出现结构性下移，尤其集中在制造业和中等技能服务业。

菲利普斯曲线趋于平坦，贝弗里奇曲线外移

传统菲利普斯曲线将失业率视为衡量劳动力市场紧张程度的核心变量，隐含假设是：失业率下降意味着劳动力市场偏紧，伴随工资加速上行将推升通胀水平。然而，AI的引入正在系统性削弱这一传导链条。

首先，有效劳动供给的弹性显著上升。AI扩展了单个劳动者可完成的任务集合，即便就业人数不变，单位产出所需的劳动投入亦在下降，使得失业率下降不再必然对应同等强度的用工约束。

其次，工资形成机制出现明显分化。AI并未推高整体工资水平，而是强化了工资结构的分层：不可被替代任务获得溢价，而可被自动化任务面临持续压制，从而降低了平均工资对劳动力紧张程度的敏感性。

再次，生产率提升对成本冲击形成缓冲，AI通过降低单位边际成本，削弱了工资变动向价格端的传导。

综合来看，菲利普斯曲线的斜率正在趋于平坦，通胀对失业率的相关性下降，对技术扩散速度与任务结构变化的依赖上升。

相较菲利普斯曲线，AI对贝弗里奇曲线的影响更为直观。AI替代主要集中于中等技能岗位，而再培训、技能转移与跨区域流动存在显著摩擦，导致相同职位空缺率对应更高的失业率，贝弗里奇曲线整体外移。企业新增岗位更多指向高技能、复合任务及人机协作型职位，而失业人口则集中于被AI替代的任务类型，形成结构性错配。AI参与生产的环境下，职位空缺数据本身的信息含量有所下降。部分职位空缺更多反映的是对AI系统的补充配置或探索性需求，而非等量的劳动需求，这使得职位空缺率作为劳动力市场紧张度指标的解释力亦持续弱化。

劳动力市场信号滞后带来的货币政策范式转变

在人工智能持续改变用工方式、传统劳动力指标解释力下降的背景下，未来对劳动力市场以及货币政策的判断，可能在两个维度发生变化。

其一，薪资增速对通胀的传导效率正在减弱。一方面，AI提升了单位劳动效率，使得企业能够在不显著扩张用工规模的情况下消化成本压力；另一方面，工资上涨更多集中于不可被替代的高技能任务，其对整体消费需求与价格水平的外溢效应有限。在这一背景下，薪资增速与物价之间的联动关系可能走弱，依赖工资数据判断通胀走势容易高估通胀的持续性。

其二，失业率对经济变化的反应正在变慢，货币政策需要更早关注潜在风险。随着企业更多通过放缓招聘、调整岗位结构和提高效率来应对需求变化，就业人数和失业率对经济放缓的反应逐渐滞后。在经济出现下行压力的初期，就业市场可能仍表现稳定，但企业盈利、融资环境和金融市场波动已开始恶化。如果货币政策过度等待就业数据出现明显转弱，政策调整的时点可能偏晚，反而加剧经济和金融波动。

这意味着，传统宏观模型中以失业率、职位空缺率等指标作为判断经济周期位置和政策转向信号的做法，其解释力与前瞻性正在下降。在这一环境下，货币政策决策不可避免地需要在更大的不确定性下进行权衡。

未来的货币政策可能更倾向于采取前瞻性的风险管理思路，即在核心就业指标尚未明显走弱之前，提前释放一定的政策缓冲空间，从而推动宽松政策前置。货币政策制定对潜在下行风险的重视程度或将进一步提升，使政策决议更容易在信号模糊阶段向宽松方向倾斜，而非等待数据出现明显恶化后再被动调整。■

文章来源于“第一财经”

图文编辑：张洵

责任编辑：刘菁波