一、背景介紹
以 ChatGPT 為代表的生成式人工智慧迅速發展
上世紀 50 年代，艾倫·圖靈提出人工智慧這一概念，電腦科學家們便開始研究如何賦予機器思考和對話的能力。2017 年，Ashish Vaswani 團隊設計的變換器模型徹底改變了語言數據的處理方式。2018 年，谷歌研發的 BERT 和 OpenAI 使用的 GPT 便是變換器模型的兩個變種。
OpenAI 不斷改進 GPT 模型，分別於 2019 年、2020 年和 2023 年發布了我們熟知的 GPT-2、GPT-3 和 GPT-4。從分析型 AI 到生成型 AI，從機器語言到自然語言，人工智慧與人之間的差異進一步縮小，尤其是在溝通和智慧的領域。
生成式 AI-ChatGPT 發布時所基於的 GPT-3 框架是一種生成式 AI 算法，其接受訓練數據並生成新內容，包括文字、圖像、音頻、影片和代碼等。
大語言模型-大語言模型的一個顯著特徵是其龐大的參數大小，可以達到上千億的水平。例如，GPT-1 有 11 億個參數，到 GPT-2 有 15 億參數，而 GPT-3 有驚人的 1750 億個參數，GPT-4 更是具有 1.8 萬億巨量參數。ChatGPT 問世之後，各大科技的 AI 大語言模型走入人們視野，例如谷歌的 LaMDA，百度的文心一言，阿里巴巴的通義千問，Meta 的 LLaMA，以及英偉達的 NeMo Service 等。從這個意義上來說，ChatGPT 是人工智慧尤其是生成式 AI 發展歷史上的一座里程碑。
二、人工智慧對於工作的影響：毀滅還是創造？
當 2022 年 11 月 OpenAI 發布 ChatGPT 之後，短短半年多來，大語言模型已經達到了成熟運用自然語言與人類溝通的地步。ChatGPT 對寫作、修改潤色、資訊歸納、內容創意和編程能力的替代作用是驚人的。現在我們可以讓 ChatGPT 根據指令生成流暢的稿件和實用的網站程序，讓 Midjourney 生成精妙繁複的圖像。這也意味著從業者所積累的相應技能的貶值速度大大提高了，而對應的工作也就更容易被替代。
1、白領工作和知識型工作更容易被大語言模型替代
根據智聯招聘發布的各種職業的崗位需求對工作任務的描述，哪些職業更可能被以 ChatGPT 為代表的大語言模型人工智慧技術進步所影響？按照課題組構建的「基於工作任務的大語言模型影響指數」（Work Activity-based LLM Exposure Index），圖 1 展示了影響指數最高和最低的各 20 個職業。
影響指數最高的 20 個職業包括財務/審計/稅務、翻譯、銀行、銷售業務等，其「基於工作任務的大語言模型影響指數」（Work Activity-based LLM Exposure Index）分別為 0.89、0.85、0.82、0.81，法律/法務/合規職業也位於影響指數前 20 榜單。這些職業多為白領工作，其共同特點在於工作任務包含較多的文本處理、資料收集整理等內容，而這些知識型的工作任務正是大語言模型人工智慧的長項。
銷售業務職業在其中名列前茅，值得特別說明。通常認為，銷售需要眾多「軟技能」，並且需要直接與人打交道，因此不太受到人工智慧等技術進步的影響。然而，考察實際發布的銷售業務崗位的任務和技能需求可以發現，大多數銷售業務崗位所提出的工作和技能要求的文字描述還是常規性質的任務，例如收集客戶資訊、電話聯絡客戶、提供資訊諮詢等，因此在人工智慧影響程度的計算中排名靠前。
影響指數最低的 20 個職業包括社區/居民/家政服務、技工/操作工、烹飪/料理/食品研發、交通運輸服務、物流/倉儲、醫院/醫療/護理等，其「基於工作任務的大語言模型影響指數」（Work Activity-based LLM Exposure Index）分別為 0.11、0.16、0.17、0.26、0.27、0.37。這些職業的共同特點在於，工作任務包含較多的體力勞動，並且需要在直接與人打交道的過程中提供服務。值得注意的是，儘管這些職業受到大語言人工智慧的影響較小，但是其受到機器人等其他數字技術的影響較大。評估職業的可替代性和未來的發展前景，還需要結合不同技術的發展綜合評判。
2、過去五年人工智慧技術替代人工的初步趨勢已顯現
課題組首先利用技術路線一，按照不同職業進行分類，對智聯招聘在 2018 年 1 月到 2023 年 4 月期間新發布的崗位需求資訊進行分析，對這些新發布崗位的「人工智慧影響指數」（AI exposure Index）以及「大語言模型影響指數」（LLM exposure Index）進行了計算，然後逐月進行了加權平均，計算出每個月新增崗位的影響指數。
如圖 2 所示，過去五年中國新增職位的「人工智慧影響指數」（AI exposure Index）和「大語言模型影響指數」（LLM exposure Index）均呈下降趨勢，前者從 2018 年 1 月的 0.7 下降至 2023 年 4 月的 0.68，後者從 2018 年 1 月的 0.85 下降至 2023 年 4 月的 0.252。影響指數持續下降，並隨時間呈加速下降態勢，主要的下降發生在 2021 和 2022 年。這說明新增崗位逐漸集中於那些不容易被人工智慧技術所替代的崗位。換句話說，那些比較容易被人工智慧所替代的崗位正在逐漸消失。
課題組隨後利用技術路線二，對新發布崗位的「基於工作任務的大語言模型影響指數」（Work Activity-based LLM Exposure Index）進行了計算，並按月進行了加總統計。如圖 3 所示，該指數也隨時間下降，從 2018 年的 0.6 左右下降到 2023 年的 0.4 左右。兩條技術路線的指數都呈現下降的趨勢，說明了人工智慧替代就業的趨勢是穩健的。
大語言模型人工智慧技術大規模流行不過是這半年多以來的事，為何會在此前幾年就顯現出對勞動力需求的影響？一個可能的原因在於，大語言模型人工智慧技術與其他人工智慧存在高度相關性，且最近的技術進步致使該相關性增強。因此，近年來勞動力需求變化一直處在人工智慧技術的影響之下，而在大語言模型人工智慧技術迅猛發展之後，其反應就愈加強烈。
3、人工智慧影響指數高的職業，過去五年發布職位數量減少
上一小節呈現了勞動力市場上新增的各種崗位整體上受到人工智慧影響的趨勢。本小節將在職業層面進一步說明這種趨勢。
圖 4 展示了職業層面的新發布崗位數量占比的變化率與「人工智慧影響指數」（AI exposure Index）以及「大語言模型影響指數」（LLM exposure Index）兩個指數之間的關係。圖中每個圓圈代表一種職業，圓圈的大小代表了該職業招聘崗位數量的占比多少。擬合線顯示出負向斜率，說明從不同職業類型的比較來看，受到人工智慧影響越嚴重的職業，在過去五年新增崗位的增速越低，這從職業層面驗證了上一小節得到的結論。
圖 5 展示了職業層面的新發布崗位數量占比的變化率與「基於工作任務的大語言模型影響指數」（Work Activity-based LLM Exposure Index）之間的關係，負相關關係明顯，說明過去五年中，不同職業新增崗位的增長率隨大語言模型影響指數的增加而越少。其中，有兩個職業處在分布圖的極端位置，加強了這一負向關係，它們分別為大語言模型影響指數極低的「物流/倉儲」和影響指數極高的「銷售業務」。過去五年「物流/倉儲」新發布崗位的需求人數占比擴大了約 2 成，而「銷售業務」新發布崗位的需求人數占比減少了約 2 成，這說明大語言模型人工智慧技術對物流工作有較強的互補作用，而對銷售類工作具有明顯的替代作用。
另外，財務/審計/稅務、軟體/網際網路開發/系統集成等白領職業也顯示出了崗位數量減少的趨勢，這與第一小節呈現出的結論是一致的。
4、大部分職業在對工作任務的要求方面尚未出現對新技術的調整
針對崗位招聘數據中最常出現的 16 個職業，課題組根據每個職業在 2018-2023 年間工作任務的具體內容，描繪了其基於工作任務的大語言模型影響指數（Work Activitybased LLM Exposure Index）的變化趨勢（見圖 6）。結果表明，近五年來，大部分職業的影響指數基本保持不變。這說明，各種職業在對工作任務的要求方面尚未出現明顯的、針對人工智慧技術的更新。換句話說，儘管人工智慧技術發展迅速，從招聘崗位數量體現出來的勞動需求已經對此做出了「人工智慧技術替代人工」的反應，但大部分職業的內涵還沒有發生太大的變化，技術替代人工主要不是發生在「職業內部」，而是體現為不同職業的崗位需求的此消彼長。
三、職場人對人工智慧的應對：駕馭還是疏離？
前文從勞動力市場的需求端出發，分析了過去五年中國勞動力市場的變化，可以看出人工智慧對人工的替代效應已經初步顯現，但大部分職業在對工作任務的要求方面尚未出現對新技術的調整。本章節將從勞動力市場的供給方——職場人的角度，分析職場人對人工智慧技術發展的認知程度，以及如何調整自身的求職和學習行為，進行應對。課題組根據兩方面的資訊進行分析，一是 2018-2022 年之間智聯招聘的求職者資訊；二是 2023 年 3 月對職場人進行的關於大語言模型人工智慧技術的問卷調查，問卷共回收 1300 份。調查對象中，25-40 歲年齡段占 8 成；基層員工和初級管理者占 8 成；受訪者從事職業中，產品、技術、研發、設計、運營占 4 成多，行政、人力、財務、採購、法務等占 3 成，其餘為銷售、市場、客服等崗位。
1、求職者的期望職業逐漸轉向受人工智慧影響程度較低的職業
求職者對職業的偏好會否受技術影響而發生轉移？課題組基於 2018-2022 年求職者的期望職業以及實際投遞崗位所屬職業的資訊，根據上文所述的技術路線一，構建了求職者「期望職業」和「投遞職業」所對應的「大語言模型影響指數」（LLM exposure Index）。
圖 7 展示了大語言模型影響指數與相應職業求職者數量變化之間呈現出的負相關關係。具體而言，根據各職業大語言模型影響指數的由低到高，課題組將職業分為 6 組，第一組到第六組指數越來越高。分別計算出期望職業或投遞職業處於該組的求職者在所有求職者中的比例，進而得到這一比例在 2018-2022 年間的變化率。可以看出，期望職業或投遞職業的大語言模型影響指數處於第一組（即指數較低）的求職者，其在所有求職者中占比過去 5 年增加了 7 個百分點；期望職業或投遞職業的大語言模型影響指數處於第六組（即指數較高）的求職者，其在所有求職者中占比過去 5 年減少了 6 個百分點。這些發現表明，對於受人工智慧影響程度較低的職業，求職者期望從事這一職業的意願和實際投遞都是上升的；而對於受人工智慧影響程度較高的職業，求職者期望從事這一職業的意願和實際投遞情況則是下降的。
圖 7 表明，勞動力市場的供給端已經發生了適應性的調整，職場人已經意識到勞動力市場發生的變化，對人工智慧替代風險高的職業減少了期待，也減少了求職強度。這一發現與本報告上一章的崗位需求數量體現出的「人工智慧替代人力」的趨勢是一致的。
2、近 7 成職場人嘗試過大型語言模型類 AI 工具，5 成認為 AI 將替代自己工作為了進一步了解目前人工智慧對職場人工作的具體影響以及職場人對人工智慧技術的看法，課題組通過問捲髮放的方式進行了大語言模型人工智慧技術的問卷調查調研。
調研結果顯示，目前，多數職場人對大型語言模型類 AI 工具已有嘗試。69%的受訪者嘗試使用過 ChatGPT、文心一言等大型語言模型類 AI 工具，聽說過但未嘗試的受訪者占 23.3%，未聽說過的僅占比 7.7%。分年齡看，95 後人群中，嘗試過大型語言模型類 AI 工具的占比最高，達到 79.1%，高於 70 後的 44%、80 後的 71%、90 後的 72.9%、00 後的 45.3%。與職場「前浪」相比，95 後年輕人對 AI 工具的了解更深，而與「涉職不深」的 00 後相比，95 後對 AI 的職場影響關注度更高，因此嘗試者占比更高。
圖 8 展示了職場人對 AI 在未來一年和五年內影響其所從事工作的不同看法。具體來看，21.1%的受訪者認為未來一年 AI 不會對自己工作產生太大影響。時間周期拉長至未來五年，這一比例降至 18.7%。而不論是未來一年還是未來五年，認為其從事工作將被 AI 替代的比例（近 5 成），都高於認為 AI 將促進其職業發展的比例（3 成多）。
3、長期來看，65.8%的職場人將參加 AI 技術培訓，提升自身駕馭 AI 的能力
面對 AI 工具的普及以及帶來的影響，職場人將採取哪些方式進行應對？圖 9 展示了職場人應對 AI 工具普及的方法。65.8%的受訪者表示，將參加 AI 工具使用技能的培訓課程，占比最高。還有 47.2%表示將學習一個不容易被 AI 替代的新專業技能， 42.9%表示將轉向不容易被 AI 替代的新職業方向，另闢賽道。
這表明，長期來看，面對 AI 給職業發展帶來的影響，職場人普遍較為積極，通過採取各種措施應對 AI 技術對職場的衝擊。大部分職場人更傾向於通過參加培訓課程提升相關技能，從而更好地駕馭人工智慧。
綜合本章內容可以發現，短期來看，求職者已經在通過轉向受人工智慧影響程度更低的職業來規避 AI 的替代。但長遠來看，職場人更願意以積極的方式應對 AI 的挑戰，通過學習 AI 工具使用技能來提升自我，從而在未來更好地駕馭 AI 來輔助自己的職業發展。
數字技術在不斷發展，從工業機器人到網際網路、智慧型手機、大數據、機器學習和人工智慧等每一次出現，都會改變我們的工作方式。這不是數字技術第一次改變我們的工作，但不同於以往數字技術創新替代較低層次、低薪的勞動者，大型語言模型類 AI 工具的橫空出世，對白領類型工作或相對高報酬的知識型高收入工作具有替代效應。
課題組構建了全新的基於工作任務的大語言模型影響指數（Work Activity-based LLM Exposure Index），並基於智聯招聘發布的崗位大數據，對過去五年中國勞動力需求的變化進行了分析。研究表明，中國勞動力市場尚未對人工智慧等新技術產生明顯的適應性調整，而負向的就業替代效果已經開始顯現，隨著人工智慧技術的不斷深化和廣泛使用，這一替代效果呈現加強趨勢。
雖然大語言模型在國內大規模流行時間僅半年左右，但是基於過去幾年的趨勢判斷，在未來一段時間，中國勞動力市場將逐漸表現出對大語言模型技術的不良反應。而勞動力市場上諸如銷售業務、財務/審計/稅務、教育/培訓、軟體/網際網路開發/系統集成、行政/文秘和客服等白領職業，已開始遭遇大語言模型人工智慧技術的衝擊。
面向未來，在技術革新、產業創新的發展背景下，促進中國經濟高質量發展不僅要關注智能化在生產領域的廣泛使用，同時應加速技術前沿涉及產業的技術採用，只有與新技術的廣泛結合和在生產過程中的充分結合才能創造出新的就業機會和更多的市場需求，促進經濟的高質量發展。
數字經濟的發展既帶來了挑戰，也帶來了機遇。職場人需要關注新的機會，並運用數字技術為自身服務。企業需要進行數字化轉型，充分發揮數字技術的力量，加速轉型升級。同時，大學教育的價值也值得審視，整個教育體系和人力資本培養或將隨之發生巨大改變，以順應數字時代的變化。
