NBER:AI与劳动力市场

论文题目：《Artificial Intelligence and the Labor Market》

发表期刊： NBER,No. 33509,.2025.February.

作者背景： Menaka Hampole(耶鲁大学管理学院)；Dimitris Papanikolaou(西北大学凯洛格管理学院，NBER)；Lawrence D.W.(麻省理工学院斯隆管理学院)；Bryan Seegmiller (西北大学凯洛格管理学院)

     

        今天介绍的这篇论文来自于美国NBER，在2025年2月公布，构建了一个较为完整的AI劳动经济学观点。

        具体而言：

        人工智能（AI）的快速发展引发了对劳动力市场被自动化取代的担忧。与以往技术变革主要影响中低技能职业不同，AI 暴露集中于高薪白领工作（如金融、工程）。然而，AI 对劳动力需求的实际影响尚未明确，因 AI 既可能替代劳动（通过任务自动化），也可能通过提升企业生产率间接增加劳动力需求。本文通过构建理论框架和新型测量方法，解析 AI 影响劳动力需求的双重渠道：任务替代效应与生产率溢出效应。

    

研究问题：

1.AI暴露对劳动力市场的净效应是替代还是互补？

2.AI 如何通过任务替代和生产率效应影响企业劳动力需求？

    

主要内容：

1. 理论模型

• 文章在前人的基础上，创新性地描述了职业内部技术变革暴露程度差异对生产率的影响。

• 主要推导结论为：若某项技术能均衡提升该职业大多数任务专用资本的生产效率，则相关职业的劳动力需求将下降，因为资本会替代对应的劳动任务。反之，若技术进步对资本的影响呈现离散态势——某些任务受到显著影响而其他任务几乎不变——则该职业的劳动力需求反而可能上升。其内在逻辑在于：各项任务具有互补性，劳动者能够内生性地调整不同任务的时间分配。因此，当某项技术在执行特定任务时显著优于人力时，其他任务的生产效率将随之提升，劳动者会将更多时间重新分配给这些任务。

2. reduced model

• 被解释变量：

  • 劳动力需求：职业 - 企业层面的就业增长率

• 解释变量：

  • 平均暴露度：职业任务受 AI 影响的平均概率

  • 暴露离散度：职业内任务暴露度的方差

    

研究结论：

1. AI对工作存在任务替代效应

• 职业任务平均 AI 暴露度增加，企业内就业份额下降

• 高薪职业（90 分位）暴露度最高，但通过任务重组部分抵消替代效应

2. 生产率提升带动就业

• AI应用集中于规模更大、生产率更高的企业。· 企业 AI 应用强度每增加 1 个标准差，销售额增长 9.5%，全要素生产率提升 7.6%

• 生产率提升带动整体就业增长 6%，部分抵消任务替代的负面影响

3. 净效应

• 较高的平均暴露度会减少企业内部就业，而更大的暴露度分散性则通过将劳动力重新配置到互补性任务中来缓解这种下降

• 企业整体AI应用会产生积极的就业效应，这与AI驱动的生产率提升会增加总体劳动力需求的理论预期一致

    

总结

本文对AI影响劳动力市场的理论提供了重要补充。同时文章通过分离 AI 暴露度的平均程度与离散度，为劳动力需求分析提供新视角，这为我们后续的研究提供了宝贵思路。