培训AI

AI影响就业的量化悖论

2025 年 8 月 25 日

AI就业影响研究为何争议不断？权威报告揭示量化测算的三大不足与操作难题。核心内容： 1. 国际机构AI就业影响量化结果的不可比性与矛盾性 2. AI暴露度测算的局限性引发社会恐慌 3. 动态就业市场与静态研究方法的根本冲突

闫德利 腾讯研究院资深专家

一、三大不足

技术对就业影响的研究是一门显学。随着生成式人工智能蓬勃兴起，全球又掀起了一波新的研究浪潮。OECD、IMF、世界经济论坛、联合国贸发会议、国际劳工组织、世界银行等国际组织，高盛、麦肯锡、皮尤研究中心等咨询机构，纷纷推出报告。如下表所示。

表 AI影响就业的部分量化测算结果

来源：腾讯研究院根据公开材料整理，2025年7月。

全世界的顶尖机构多年持续研究，成果汗牛充栋，人们仍争论不休、困惑不已。原因让人好奇。总体来看，量化测算结果具有不可比性、片面性和静态性三大不足。

首先，最终测算结果差距甚大，几乎不具可比性。粗略来看，上表的结果处于0.4%-67%之间；美国白宫（2016）也做过类似汇总，结果在9%-47%之间。同一机构不同报告之间相冲突相矛盾的情况也很普遍，例如表中的OECD、国际劳工组织和世界银行。单独一份报告都很权威，放到一起就“神仙打架”。权威机构尚且如此，其它机构可想而知。

其次，AI暴露度测算局限于对现有岗位的潜在影响，徒增恐慌。上述研究多使用“人工智能职业暴露度（AI Occupation Exposure）”来衡量AI的就业影响。高暴露度不必然意味着岗位走向消失（OECD，2021），然而现实中人们容易把“暴露”理解成“取代”。它表达的是潜在风险，不代表真正发生；也没有考虑技术经济可行性，没有明确指出时间线和范围。片面的预测只会带来“AI抢走工作”的恐慌，而非对技术和就业关系的正确认知。

第三，人的行为是动态变化的，而量化测算是静态的切面研究。工作岗位像流水中的小船，一直处于运动变化之中，把现有岗位作为研究对象具有可操作性，但相对于工作全景来说就以偏概全、刻舟求剑了。对未来总体岗位的立体影响，是人们想要的，但似乎还难以实现。因为人们能够感受到那些有替代风险的工作，却难以识别尚未出现的新岗位。根据麻省理工学院大卫·奥托等人的研究：“2018年的工作岗位中有60%在1940年并不存在。”在未来岗位面前，人们是无知的。

二、三道操作难题

OECD（2021）和世界银行（2025）曾指出：AI对就业的影响还不明确、无法预估。从某种意义上讲，量化AI对就业的影响是一个悖论。它在操作上面临着无法切割、难以界定和不可预判三个层层递进的难题。

从宏观角度，AI不是独立影响因素，无法切割。就业率受经济周期、技术变革、产业经济、人口结构、就业政策、全球化、突发事件等多重因素影响。它们之间相互联系、相互作用，把单一因素从中完好切割出来是困难的。必须设置诸多假设条件，但这种完美的模型在真实社会中并不存在，在现实意义上大打折扣。

从产品角度，难以清晰界定AI的范围。即使解决了独立性问题，人们也难以对AI作出清晰界定。AI没有明确的定义，很少以独立的产品形态存在，已广泛嵌入经济社会系统中。AI已成为地图导航、在线翻译、图像识别、短视频、手机、智能网联汽车等日常应用的组成部分，在研发设计、生产制造、广告宣传、售后服务、医疗、教育、采矿、军事等行业已有广泛应用。而且AI的内涵是动态变化的，似乎只有还没普遍实现的能力才配得上AI的称谓。正如Nick Bostrom（2006）所言：“许多尖端人工智能已经渗透到通用应用中，但通常不被称为人工智能，因为一旦某些东西变得足够有用和普遍，就不再被称为人工智能了。”

从技术发展角度，人们难以预判未来技术的发展。即使能够解决独立性和范围界定问题，就业影响的量化研究还取决于对技术发展的准确把握，这是必备前提。然而，技术史一再表明，人们难以预判新技术的未来，众多预言沦为笑谈。人工智能的未来尚不可预测（Brynjolfsson，2024）。没有前件条件，就不会有后件结果。

三、三个局限性

在这个推崇用数据说话的时代，很多人知其不可而不得不为。因此，强调数据的局限性尤为必要。

第一，受利益驱动，主观干预。数据并不都是客观准确的，有时受到人类行为的影响和支配，一定程度上反映的是人们的意志。为达到期望的结果，不乏主动干预数据生成的行为。例如，上市公司财务造假，谎报瞒报遇难人数。

第二，力求客观，但执行不力。多数时候，人们想要真实情况。但真相是昂贵的。哪怕是一个普通的问卷调研，也需要不菲的经费支持，抽样不合理、问答敷衍了事是普遍现象。经过多个不同环节的层层叠加，结果往往失真较大。填写过问卷或接受过拦访的人，想必会有所感受。现实中，只能靠机构的知名度和权威性来彰显结果的准确和合理。

第三，数据自身的局限性。如果未来是确定好的，完全由过去决定，只是等待时间展示出来，那么通过数理统计可以预测未来。但人类社会充满着变数，数据往往无能为力。一只岁月静好的猪，无法通过既往数据预测出春节的黑天鹅；马车出行数据，可以获得“一匹更快的马”，但不能发明出汽车。正如米塞斯所言：“即使你对过去无所不知，你对未来仍一无所知。”无法应对突变，是数据天然的局限。 AI影响就业的量化悖论配图 3

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

AI影响就业的量化悖论

立即咨询 JOTO

想把这些做法用到你的业务里?

Start your enterprise AI rollout

Tell us what you need