企业人工智能技术强度与内部劳动力结构转化研究
通过对人工智能上市企业相关数据进行的回归分析，本文从微观角度发现了人工智能技术强度对企业内部劳动力岗位总数，劳动力效率和劳动力结构的影响，更进一步分析了不同人工智能应用模式（不同人工智能企业）对劳动力结构的差异化影响，结合相关人工智能经济学理论得出以下研究结论：
第一，从微观企业角度看，人工智能技术强度的提升能够从总体上提升企业劳动力需求和劳动力生产效率（员工平均利润率）。与以往新技术一样，人工智能技术也能够显著提升企业员工的劳动生产率，在人工智能技术和商业应用的快速发展期，必然能够大幅度提升企业员工人均劳动生产率和人均利润水平和市场竞争力，从而刺激企业扩大规模，占领更广阔的市场份额，这需要雇佣更多的员工进行业务拓展。同时人工智能技术强度提升也会催生一系列技术相关的劳动力就业岗位，从微观层面能够提升企业的劳动力需求而非降低劳动力需求。这也从微观角度部分回答了学术界对人工智能就业影响的争论，为相关研究提供了微观基础。虽然微观现实并不可能等比放大为宏观结论，但是技术影响必然从微观企业到行业再到宏观环境，因此，对微观企业的分析也必然能够为宏观条件下人工智能技术与劳动力结构相关研究提供启示。
第二，从微观企业劳动力结构角度，人工智能技术强度的提升在创造部分类型岗位的同时，也使得其他类型的岗位逐渐消亡。具体而言，对于技术性、创新性较强的技术和研发岗位，由于人工智能新技术的特点，需要雇佣大量技术人员，催生大量的技术性劳动力需求。而与之对应的，同样需要较高培训成本但是相对而言创新性工作不足，同时重复性、程序化的可替代工作内容较多的管理行政类岗位，受到人工智能冲击最为严重。最后，由于销售性岗位需要大量的人际沟通，需要多样化和人性化的沟通能力以完成销售工作，因此，对于销售岗位而言，人工智能技术强度对销售岗位占比影响并不明显，在岗位总数量上还略有提升。由此可见，正如所有其他重要技术的应用一样，总体上人工智能对微观企业有劳动力雇佣促进作用，而从劳动力结构角度而言，人工智能技术的应用改变了企业内部劳动力结构。
第三，对于不同类型人工智能企业而言，人工智能强度对劳动力结构的影响具有显著差异。对于人工智能服务企业而言，人工智能技术应用前其本身往往就是高科技类的信息技术性企业，已经经历了对于技术人员的需求和对于行政性人员的强烈替代。但是对于传统企业应用人工智能技术以赋能传统业务的情况而言，新技术的劳动力冲击更为强烈，传统企业原有技术条件下信息技术等人工智能基础技术渗透较弱，技术岗位需求较低，行政等重复性岗位需求较高。企业技术转型过程中，传统企业劳动力结构受到的技术冲击更为强烈、迅捷，对于技术应用的劳动力调整效果也就更为强烈。
由上述研究结论，本文得出了相应政策建议：
第一，应当鼓励人工智能技术应用和提升，以从微观企业层面创造更多就业岗位和提升劳动生产效率。与很多较为悲观的预测不同，本文研究发现，微观层面人工智能技术的使用没有对就业岗位造成实质性威胁，反而在企业内部增加了更多技术类岗位，最终实现了总体岗位的提升和劳动生产效率的提高。因此，从微观角度看，总体上人工智能应用对劳动力岗位的威胁得以证伪，政策制定者不应当出于稳就业的考虑而限制人工智能技术的使用或者扶植和强制保留一定的非人工智能企业和劳动岗位。从就业和劳动力效率角度看，应当大力扶持人工智能技术的商业化应用。基于就业保障视角，中央和地方主管机关应当制定各级人工智能企业资金支持、技术保障、基础设施建设等政策，切实保障人工智能企业发展。特别是出台针对人工智能企业的人力资本保障政策，如落户优惠、人才补贴、设立人工智能专项人才市场等。
第二，从就业转换角度看，应当注意对非技术性岗位的培训。根据本文研究结论，企业内部在人工智能技术使用之后，技术性岗位占比不断提升，管理行政性岗位有所下降，需要对行政性岗位和劳动力密集性岗位进行培训，使相关人员更能适应人工智能劳动力结构影响的新形势、新变化。基于劳动力培训视角，除了以企业为中心对高技术人员组织在线或者线下人工智能培训外，还要以社会培训为中心，以商业培训为补充，组织专项销售和管理行政岗位劳动力接受人工智能相关专项培训。借助专门款项、专门机构、专门人员来提升低技术岗位人工智能相关劳动力的素质。
第三，从就业促进和生产制造业转型角度看，有关政策应更加倾向于扶持传统行业的人工智能转型。根据本文的研究结果，人工智能技术对传统行业赋能更能够显著影响企业劳动力结构的变化，在上述赋能产业企业之中，技术性岗位占比提升更为强烈，可替代性的岗位会被加快淘汰。上述行业引入人工智能更能够保证劳动力结构的顺利转型。相关的政策扶持对劳动力转型和产业结构的调整促进作用更强。基于产业规划视角，要明确传统企业人工智能化转型这一具体的政策支持方向，在产业规划特别是供给侧改革相关政策中明确传统产业的人工智能技术应用，实现传统行业劳动力本行业内部转型，扩大传统行业的劳动力容量。
本文还存在一定局限性：首先，由于人工智能技术的应用与否和应用程度无法完全用二手数据进行刻画，不论是根据有效专利数量还是年报所披露的经营范围，都只是侧面反映人工智能应用的一个或者几个角度，都不可能有助于真正全面了解企业的人工智能技术实际应用情况。其次，本文实证研究对象是A股上市企业，未能体现科技行业中最具活力的中小科技企业情况。再次，本文分别从专利和主营业务入手，利用专利数据库和大智慧软件确定的主营业务为人工智能相关业务的企业数据库两种数据模式，初步涵盖了人工智能研发和人工智能应用企业，但值得注意的是这种涵盖还比较粗糙。实际上，借助二手数据很难完全将企业的研发属性和技术应用属性区分开来。而且，由于上市公司信息披露中人员编制划分各个公司有所不同，可能存在人员实际工作岗位与披露内容差距，需要进一步的精细化和实地调研获取数据。最后，本文的实证研究限于篇幅和模型整体性问题，没有对不同技术进行细分研究，而在“技术/创新能力”这一环节上，人工智能应用可能与相当部分劳动力存在较强互补关系，这一创新/劳动力螺旋所产生的新就业和岗位也需要长期、动态化的观测和迭代研究。
因此，在未来的研究中，可以对人工智能企业和非人工智能企业进行实地调研，利用复合型的一手调研数据，发现企业人工智能技术应用和劳动力结构的真实情况。同时，可以对中小型人工智能和其他科技企业进行数据采集和调研问卷，发现这一最具活力的经济实体在应用人工智能过程中生产效率和劳动力结构的变化。此外，还可以对不同人工智能技术分支应用在时间上的动态生产效率和劳动力结构影响进行跟踪性的迭代研究。
……
王泽宇，中国社会科学院经济研究所。