作者 譚寅亮

人工智能正深刻改變全球產業結構和就業市場。對中國來說，人工智能不僅能夠提升經濟效率和質量，還可能加劇中低技能群體的就業壓力，特別是高度重復性崗位。

中國面臨的挑戰主要體現在三方面：一是龐大的中低技能勞動力群體，很多崗位容易受到自動化和智能化的沖擊，造成結構性失業；二是區域發展不平衡，東部沿海地區的產業升級速度較快，中西部地區則面臨較大的技術轉型與就業壓力；三是現有的技能培訓體系和社會保障制度無法有效覆蓋新興就業形態，靈活用工和平臺經濟的從業者缺乏足夠的社保保障，導致其職業穩定性差，面臨失業后的再就業困境。

美國通過教育改革、再培訓和社保政策來應對這些挑戰，中國需在推動中低技能群體數字化轉型和優化區域資源配置上進一步完善，才能緩解人工智能帶來的就業壓力，防止收入差距加劇。下文將結合中美差異和美國經驗，提出更具針對性的政策建議。

應對AI沖擊的做法與啟示

美國在應對人工智能對就業的沖擊時，依托相對靈活的市場機制和政策環境，采取了多維度的措施，集中體現在以下四方面。

首先是強化教育與技能培訓。

1、多層次、長周期的教育與再培訓。美國聯邦與州政府通過社區大學、高校、企業等多方合作，構建覆蓋不同學齡與職業階段的技能培訓體系。政府往往以財政補貼或稅收減免等方式，鼓勵勞動者持續學習、轉崗或提升技術水平。聯邦政府自2021年以來已投入2.65億美元用于加強社區學院培訓項目，一些州已經開始在職業技術教育中實施AI培訓項目,為不斷發展的技術勞動力做準備。社區大學（全美約1000所）是實施的關鍵機構,它們還會與雇主和中介機構整合成強大的區域生態系統。AI驅動的個性化學習平臺也正在興起,可以根據每個學習者的當前技能、項目需求和職業抱負定制學習路徑。如在線學習平臺Udemy就報告稱,與ChatGPT相關的課程在過去一年增長了4400%。

2、聚焦AI等前沿技術人才儲備。中小學階段的科學、技術、工程、數學（STEM）教育改革讓學生更早接觸編程與機器人等內容，美國國家科學基金會（NSF）2023年投入約13.77億美元專項撥款，用于推廣K-12階段的STEM教育。NSF認為，為未來勞動力做準備必須從最早的年級開始，學生需要學習STEM學科的核心內容，以及計算思維如何融入這些學科。高校及研究機構則加強AI相關學科的師資與科研投入，為企業輸送高技能人才。美國部分州設立專項教育基金，用于資助高等院校開設“機器學習與算法”方向的職業課程。

其次是社會保障與靈活用工管理。

1、失業保險與再培訓掛鉤。美國多數州規定，領取失業保險期間須參加求職輔導或職業培訓，防止長時間失業造成技能退化。這樣將“保基本”與“強技能”結合，對勞動者再就業起到一定的促進作用。約60%的失業人員可在6個月內重返工作崗位，其中不少人通過短期培訓進入AI輔助的新崗位（如數據標注、簡易算法測試等）。

2、新業態的制度探索。美國在平臺用工監管上采取“先立法、再試點、再修正”的漸進策略，避免一次性頒布過于嚴格或寬松的條款。面對平臺經濟、零工經濟的興起，加利福尼亞州在2019年通過AB5法案（加州零工經濟法案），嘗試將網約車司機、外賣騎手等歸類為“雇員”而非“獨立承包商”，以便納入社保和最低工資覆蓋。雖然在執行過程中爭議不斷，但該立法探索為在平臺經濟時代保障從業者權益邁出了第一步。

3、靈活用工與基本保障并行。鼓勵企業在一定范圍內實行彈性工時或項目制，提升市場配置效率；同時確保最低工資、醫療、養老金等核心權益不被忽視，以免加劇就業脆弱群體的困境。

其三是促進創新與產業轉型。

1、稅收激勵與研發扶持。聯邦層面設置針對AI技術研發的專項補貼或稅收減免，地方政府也嘗試通過行業聯盟、投資基金等方式，扶持本土AI初創企業并吸納高技能就業。例如，加利福尼亞州通過研發抵稅政策鼓勵企業加大對AI相關技術的投入，帶動了對算法工程師、數據科學家等崗位的需求。2024年4月，全美范圍內的AI職位空缺為14117個，同比增長32%。

2、推動AI賦能傳統行業。以制造、金融、零售、醫療為典型場景，通過大數據、智能算法等手段改造流程、提升效率，也創造了新的崗位需求，比如工業機器人維護、智能客服管理、醫療影像標注與分析、算法運營等新型崗位，估計占企業技術崗位新招聘的10%—15%。合理的政策引導和培訓能讓更多勞動者向新興崗位流動，以實現“削峰填谷”的就業再分配。到2030年，美國的傳統行業將有約25%—30%的崗位可與AI實現“人機互補”模式，部分緩解自動化帶來的失業壓力。

3、建設產業集群與監管沙盒。在硅谷、波士頓等高科技園區，地方政府通過人才引進、風投對接、法律法規適度放寬等措施，形成“技術—資本—產業”聯動生態。監管部門對AI技術創新保持相對開放，注重事中事后評估，及時微調政策。

四是立法與監管創新。

1、算法公平與勞動力歧視防范。一些州（如伊利諾伊州、紐約州）針對招聘用AI軟件出臺管理條例，要求企業定期審核算法，避免因數據偏差導致年齡、種族、性別等歧視，對求職者提供可追溯的申訴渠道。美國某大型科技公司在招聘篩選算法中，因歷史數據偏差導致對女性技術候選人歧視的案例，最終被迫下架相關AI系統。已有多起實際事件表明，必須通過立法和行業自律嚴防算法偏見對就業公平造成侵害。

2、動態監管，循序修法。美國傾向于通過“試點—評估—修訂”的方式推進AI監管；如在自動駕駛、無人機等領域，先給予有限牌照進行實際測試，再根據反饋完善法律，力求在技術創新與公共安全（含就業穩定）之間取得平衡，形成與技術演進同步的監管框架。

3、鼓勵行業標準化與透明度。學術界與行業協會積極推動對算法原理、數據安全的透明化規范，為市場主體提供相對一致的使用標準，也為勞動者維權提供參考依據。

穩住、提升就業基本盤

首先，我們要加強技能培訓與教育轉型，培育AI時代高素質勞動力。

1、擴容職業培訓與終身教育體系。全球勞動力的數字技能普遍不足，即便在發達國家也存在“數字素養鴻溝”，這凸顯了中國對中低技能群體進行“數字化補課”的緊迫性。

一是大規模、分層級培訓：政府與企業、高校和社會組織協同，為中低技能勞動者提供針對性課程，例如工業機器人操作、數據標注、智能客服等新興崗位的快速上崗培訓；同時對高技能群體提供持續進修與專業拓展，覆蓋從職業院校到高級職業資質的各個層次。

二是任務拆解方法論：將崗位拆解為“重復性/可編程”與“創造性/協作性”兩大類型，重點強化后者所需技能。具體而言，在職業培訓課程中，應突出培養無法被AI輕易替代的軟技能，如創造力、溝通力和復雜問題解決能力，以免只聚焦技術層面而忽視綜合能力，從而全面提升勞動者的應變與人機協作水平。

三是線上線下融合：在農村或欠發達地區，加大在線平臺的推廣力度，并輔以線下學習中心、遠程教輔等形式，降低技能培訓的區域壁壘。

四是建立技能認證與學分互認機制：完善多部門統一的技能等級評價體系，在職業院校、企業內訓、社會培訓機構間推動學分或證書互認，為勞動者提供靈活晉升通道。

2、深化基礎教育改革，為AI人才培養奠定根基。一是STEM教育要深入中小學：引入編程、機器人、數據思維等內容，同時提升師資水平，鼓勵校企合作開發校本課程，讓學生盡早掌握AI時代必備的基礎素養。二是校企協同的產教融合：鼓勵AI企業與高等院校、重點職業院校共建實驗室或實訓基地，將理論課程與實踐項目緊密結合，提高學生的實踐操作水平。

其次，我們還要完善社會保障體系，兜牢AI時代的就業底線。

1、納入新就業形態的社保覆蓋。一是法規補充與分類管理：修訂或出臺針對靈活用工、平臺從業者的新法規，為外賣騎手、網約車司機、自由職業者等人群提供參保渠道或商業保險補貼，形成“多層次、可組合”式的社保模式。二是社保轉移與個人賬戶：推動跨區域、跨行業的社保轉移更便利化，減輕勞動者在流動就業時的負擔，并確保其能夠持續享有基本養老、醫療保障。

2、整合失業保險與再就業服務。一是“保基本”與“強技能”結合：領取失業保險期間，對勞動者進行強制性或半強制性的職業培訓與就業輔導，建立“保險+培訓”的聯動機制。二是探索動態補貼機制：對受AI沖擊較嚴重行業的失業者或轉崗人員，給予差異化的技能培訓補貼、企業見習補貼或轉崗津貼，縮短失業周期。

其三，我們要推動產業協同與區域均衡，擴大AI應用的就業增量。

1、引導傳統制造業、服務業與AI深度融合。一是數字化改造升級：在裝備制造、家電、紡織、物流等勞動密集型產業推動智能生產線、數據管理系統的使用，替代部分危險、高耗能或重復性崗位的同時，也創造新崗位（如機器人維護、智能調度等）。二是共享平臺與行業賦能：鼓勵龍頭企業或產業聯盟搭建共享平臺，為中小企業提供可負擔的AI技術服務與解決方案，激活更多就業機會。

2、區域協調發展，避免“數字鴻溝”。一是差異化扶持中西部：針對中西部地區或資源型城市，加大財政、金融與培訓資源傾斜，加強人工智能基礎設施建設，讓當地企業擁有相對公平的數字化升級環境。二是建設產業集群與人才流動通道：在重點城市或產業園區試點AI應用與制度創新，支持高校、科研院所、企業共同做研發攻關，將成果推廣至欠發達地區，帶動區域就業生態共同提升。

其四，我們還需健全法律監管與行業自律，防范就業不公與潛在風險。

1、規范算法在招聘與管理中的使用。一是要求算法透明與可審計：建立獨立檢測或認證機構，對企業在招聘、績效管理等人力資源環節使用的算法進行檢查，防止因數據偏見導致歧視，保護勞動者公平就業權益。二是明確責任與申訴渠道：為求職者或員工提供明確的投訴和救濟途徑，一旦遭遇不公待遇，可依程序追究企業或技術服務提供方的責任。

2、保護勞動者數據隱私。一是立法細化與場景規范：在國家層面制定針對AI場景的勞動者數據保護規定，要求企業明示數據收集、存儲與用途，并確保個人隱私不被濫用。美國已有若干企業因濫用職場監控（如捕捉員工鍵盤/鼠標使用習慣、自動跟蹤聊天記錄等）而受到社會強烈譴責乃至法律追究的案例。二是行業自律守則：督促AI從業企業及平臺企業建立自律公約或“白名單機制”，提高用工管理的透明度與合規性，減少行業內惡性競爭與違規行為。

其五，我們還需強化多部門協調與政策聯動，形成AI就業治理合力。

1、建立跨部門統籌機制。在國家層面設立或強化由工信、發改、人社、教育、科技、財政等部門共同參與的AI就業協調小組，定期評估技術變革對就業的影響，及時出臺或調整配套政策。鼓勵地方政府因地制宜，根據本地產業特點和勞動力結構差異，制定個性化AI就業扶持政策，做好上下貫通與數據對接。

2、完善就業監測與預警系統。AI迭代速度快，不確定性高，政策若一成不變，易出現滯后或“一刀切”問題。建議在勞動力市場層面建立“試點—評估—迭代”的閉環機制，通過實時收集各地區、各行業失業率、轉崗培訓成功率等數據，快速反映在政策更新中。

一是實時監測：借助大數據與統計信息，跟蹤不同行業、地區的崗位變動情況，識別失業與技能缺口分布。二是發布預警：一旦發現某個產業或地區因AI應用導致失業率急速上升，可及時啟動應急預案或專項扶持，避免結構性失業蔓延。

3、加強社會共治與國際合作。一是社會力量參與：鼓勵行業協會、智庫、高校和公益組織共同研究AI就業的前沿挑戰，并在職業培訓、就業服務等領域貢獻資源。二是國際對話與借鑒：加強與歐美、日韓等在AI就業管理上經驗豐富的國家或地區進行溝通，分享數據與案例，提升中國在全球AI治理中的話語權。

面對AI技術的快速迭代與深度滲透，中國在就業領域正面臨前所未有的挑戰與機遇。通過加快技能培訓與教育改革、完善社會保障制度、引導產業升級與區域平衡、健全法律監管，以及強化多部門協同與國際對話，中國有望在穩住就業基本盤的同時，順勢培育出一批高質量、充滿活力的AI相關新興崗位，進而在全球競爭中搶占先機、行穩致遠。

（作者系中歐國際工商學院決策科學與管理信息系統教授）