专访诺奖得主皮萨里德斯：AI时代的就业前景

来源：财经网

来源 | 《财经》杂志　作者 | 《财经》记者 江玮　编辑 | 苏琦

皮萨里德斯指出，为了确保人工智能带来的收益被广泛共享，需要投入资源到终身教育和再培训中，同时社会保障网需要足够强大且富有韧性，来支撑转型期失业的劳动者

“多项调查显示，劳动者普遍高估人工智能（AI）对其岗位的威胁。迄今为止人工智能并没有大规模替代人类，反而更多是对劳动赋能。”今年3月下旬，诺贝尔经济学奖获得者、伦敦政治经济学院（LSE）经济学教授克里斯托弗·皮萨里德斯在北京出席中国发展高层论坛2026年年会期间表示。

皮萨里德斯指出，目前的劳动力市场仍是人类掌握着主导权，人工智能系统需遵循人类的指令运行，还不能自主行动，只要人类保持控制权，就能在问题恶化前及时干预。他同时表示，人工智能与电力、早期计算机或其他过往的技术截然不同，那些技术的用途是清晰、可预测的，而人工智能不同。

皮萨里德斯长期致力于劳动力市场与就业研究，是现代搜寻与匹配理论的重要奠基人之一。他将搜寻理论扩展至劳动力市场分析，解释了为何劳动力市场存在空缺而失业者又找不到工作：当雇主寻找员工、求职者寻找工作时，双方并不会立刻找到彼此；这个搜索过程需要时间和资源，而市场中的摩擦会导致结果不够高效。

皮萨里德斯认为重大技术转型会淘汰一些职业，同时也会创造新的岗位。 摄影/江玮

2010年，皮萨里德斯与另外两名经济学家因为对劳动力市场的研究贡献被授予诺贝尔经济学奖。他们提出的模型为理解监管和经济政策如何影响失业、职位空缺和工资水平提供了重要参考。

近年来，皮萨里德斯聚焦人工智能等新技术对就业的影响。“当然部分岗位会因人工智能消失，但并非如民众所担忧的那样，历史告诉我们重大技术转型会淘汰一些职业，同时也会创造新的岗位。经济中的就业总量并非固定不变，关键在于劳动者是否具备转型所需的技能、知识与时间。”皮萨里德斯在发言中说。他强调，为了确保人工智能带来的收益被广泛共享，需要投入资源到终身教育和再培训中，同时社会保障网需要足够强大且富有韧性，来支撑转型期失业的劳动者。

2018年，皮萨里德斯作为联合创始人在伦敦成立了未来工作研究所，关注人工智能等新技术如何改变工作形态，并致力于确保这一转型能够带来更优质、更公平的工作生活。他和同事对英国各地的员工开展了调查，发现劳动者认可人工智能带来的机遇，比如部门内更大的自主权、更灵活的工作条件与工时，以及发展个人想法的空间；但劳动者反感企业要求他们在非工作时候加班，处理人工智能无法完成的琐碎任务，也担忧新技术带来的不确定性。

“他们害怕技能过时，更担心决策仅以股东利益为导向。如果能够得到合适的治理，人工智能能够提升工作质量，让劳动者、管理者与股东都能受益，若治理不当将会引发不满，加速人员流失与职场矛盾。劳动者希望参与人工智能部署，亲自使用工具、跨团队的协作，这些目标都需要企业层面的良好治理来实现。”皮萨里德斯说。

皮萨里德斯在两年前曾表示，他对人工智能研究得越多，就对劳动力市场越乐观。在出席中国发展高层论坛2026年年会期间接受《财经》专访时，皮萨里德斯表示，他依然持乐观态度，只是实现转型的难度使得保持这种乐观情绪比预想的更加困难。

最担心制造业的非熟练工人

《财经》：你长期研究新技术对劳动力市场的影响。和以往的技术浪潮相比，人工智能对就业是否产生了不同的影响？

皮萨里德斯：有一些类似，但也有不同。与以往不同的是，人工智能不会像电力、蒸汽和汽车内燃机那样带来大规模的工作流失。人工智能会改变工作，就像过去的工作被技术改变一样。不同之处在于，给工作带来的变化可能会比以往更大。在汽车被发明并投入使用之前，人们习惯于在城市里使用马车。当汽车被发明出来，司机们唯一要做的事情就是学会开车，把乘客从一个地方送到另一个地方。这是一项小的新技能，使用的道路还是相同的。

但人工智能带来的变化不一样。如果你之前是用机械或者手工操作，现在有人工智能来做这些事情，你将需要提升更多技能。所以最大的不同在于，随着人工智能的出现，我们需要改变行事方式，需要随时准备学习新的技能。

《财经》：你在两年前的一次采访中说，你对人工智能研究得越多，就对劳动力市场越乐观。你现在还持有同样的观点吗，还是事情已经发生了变化？

皮萨里德斯：我还是很乐观，但实现转型的难度使得保持乐观比我此前预想的更加困难。对工人来说，这意味着需要更加努力地学习新的技能。对管理者则意味着一种新的管理方式，他们需要以更具协作的方式展开工作，而不是像过去那样发号施令。我们参加的这场论坛很精彩，多位顶级工业界人士分享了他们如何利用人工智能对企业进行大规模转型，远远超出过去一个世纪所做的任何改变。

《财经》：你认为哪些群体最可能从这股人工智能的浪潮中受益，哪些群体又面临风险？

皮萨里德斯：最有可能受益的是那些接受过高等教育和高科技教育，特别是了解人工智能的群体。但面临风险的也是那些接受过高等教育，但掌握的是过去技术的人。以语言模型为例，无论是中国的DeepSeek还是ChatGPT、Copilot或者Gemini，它们正在取代很多从事常规工作的年轻人，比如写报告、处理基本数据的人。

很多工人从事的低技能、低水平的制造业工作或者日常行政工作已经被机器人或者带有标准软件的电脑所取代。这种趋势从一二十年前就开始了，在中国还在延续。所以谈到转型，我最担心的是制造业的非熟练工人，他们很多人来自农村，没有太多的技能，如今在工厂里工作。这一群体人数众多，他们可能会受到人工智能带来的负面影响。

《财经》：如何才能化解对他们的负面影响？

皮萨里德斯：企业和政府之间需要合作，在转型过程中对这些人提供支持。他们需要更多来自政府的社会保障支持，需要重新培训的支持。世界上现有的实践中，我更倾向于北欧模式，比如瑞典、丹麦和挪威。它们有精心设计的再培训项目以及在培训时期提供的社会保障。我不推荐美国模式，因为它只是把劳动者扔到市场就不管了。

《财经》：你认为人工智能革命将使人类一周工作四天成为可能，我们什么时候才能看到它的实现？英国经济学家凯恩斯在1930年预言，随着生产力的提升，到2030年的时候，人类每周只需工作15个小时。但我们离它成为现实还很远。

皮萨里德斯：已经有一些西方国家的公司在这么做了，从西欧到北美。一周工作四天，这是可行的。凯恩斯所指的是，我们不必那么努力工作，因为每周15个小时的工作已经可以满足我们基本的需求。我们可以更少地工作，更好地享受生活。我同意他的观点。

教育系统如何做出调整

《财经》：为什么从匹配而非供需不平衡的角度来看待失业问题是重要的？你如何解读当下劳动力市场的匹配功能？

皮萨里德斯：你还是可以像过去那样解读，但摩擦和匹配的范围发生了变化。现在的摩擦是信息不对称。技术将往何处去？我们并不知道。市场有很多不确定性和波动性，在很大程度上取决于你如何通过适应公司、学习新事物和做出改变的意愿来取得成功。这些并不能反映在简历中，是要通过面对面的谈话才能发现的事情。

人工智能可以改善很多方面，包括匹配效率，但它不能取代人与人之间的互动。人工智能非常擅长处理语言和文字，但不擅长处理人类的感情和人类对未来的想法。你可以让人工智能观察行为并告诉你它观察到了什么，人工智能是基于数据训练的，它会使用这种训练来完成任务。

如果我告诉你有一份工作，需要每周进行两个小时的培训，因为总是会有新的技能出现，人工智能无法辨别你是否准备好接受这份工作。但如果我当面问你，我将可以从你的回答来判断你所言是真还是假，从而决定要不要给你这份工作。

《财经》：如果今天你要扩展匹配模型，你会如何把人工智能纳入其中？

皮萨里德斯：我会纳入人工智能把人聚集起来，但我不会用它来决定是否匹配，因为它无法做到，这件事情我更倾向于交由人与人之间的互动来决定。

《财经》：你认为欧洲的劳动力市场是否表现出了足够的韧性？

皮萨里德斯：我觉得欧洲做得很好了，面对新技术的变化，欧洲大部分国家都表现出了足够的韧性。欧洲人在发明技术、推动技术前沿方面做得不是很好。他们处在技术前沿，并且非常接近利用这些前沿技术，但欧洲不像美国或中国那样，既推动前沿又充分利用前沿技术。欧洲人有很强的能力，但发展得好的不是在欧洲本土，他们都去了美国。

《财经》：你对人工智能时代的工作前景感到悲观还是乐观？

皮萨里德斯：我总是乐观的那个人。让我唯一感到悲观的是战争，我不喜欢战争。当国家之间开战，让我对人性感到悲观。但谈到技术或者工作的未来，我持乐观态度。

《财经》：人工智能会带来一个更公平的社会吗？

皮萨里德斯：我们必须小心谨慎，如果我们对它置之不理，可能会加剧不平等。但这不是一个必然结果，而是可以通过应对来解决。政府可以发挥作用，工会组织也可以。我认为雇主和雇员之间应该通过代表展开持续的协商。我们没有理由完全反对工会，欧洲有很多例子表明工会可以发挥建设性作用，可以通过谈判达成协议。

《财经》：在你看来，一个运转良好的、由人工智能驱动的劳动力市场会是什么样的？

皮萨里德斯：劳动者能够与人工智能协同工作，就像出席这次论坛的企业家们谈论的他们公司所做的尝试，已经很接近理想状况了。我唯一有点失望的是，他们更多的是在谈论高技能员工，却没有谈及那些低技能的员工，比如为他们送咖啡的人、实验室里的保安人员。我们同样需要关心这些员工，他们不会像其他群体那样使用人工智能。

《财经》：但机器人已经可以做咖啡了。

皮萨里德斯：可是没有这些人做得好。我没有在会上听到企业家谈论这些群体。但我看到了他们，我认为他们的生活水平也应该得到提高。

《财经》：面对人工智能时代，你认为教育系统应该如何做出调整来应对？

皮萨里德斯：除了我们现在学习的语言、历史、地理以及其他科目，每个人都应该具备一定的科学常识。我们应该进行更多的科学训练，但不必专门化，比如专攻科学、技术、工程、数学（STEM）这些领域，而是应该有更多的训练。因为想要理解人工智能可以做什么，掌握一定的科学知识是很重要的。并不是每个人都需要去开发人工智能，但他们需要使用人工智能及其应用。这些使用起来很容易，但如果你了解它的工作原理，会更高效。你不能以为只是问一个问题、得到一个答案就够了，其实还有更多事情可做。