人工智能与技能：来自在线招聘信息对比学习的证据
综合经济学
2026-01-08 v1 经济学
摘要
我们利用中国上市公司（2018-2022 年）的 1400 万条在线招聘信息，研究了人工智能（AI）采用对技能要求的影响。采用一种新颖的极端多标签分类（XMLC）算法，该算法通过对比学习和 LLM 驱动的数据增强进行训练，我们将职位要求映射到 ESCO 框架。通过将职业-技能关系与 2018 年的 O*NET-ESCO 映射进行基准比较，我们记录了 AI 采用与技能组合扩展之间稳健的因果关系。我们的分析确定了两种不同的机制。首先，AI 减少了劳动力市场中的信息不对称，使企业能够更精确地指定当前特定职业的要求。其次，AI 使企业能够预测不断变化的劳动力市场动态。我们发现，AI 的采用显著增加了对“前瞻性”技能的需求——这些技能在 2018 年的标准中不存在，但在 2022 年的更新中被随后编入。这表明 AI 使企业能够引领而非跟随职业标准的正式演变。我们的研究结果突显了 AI 的双重角色：既是当前招聘信息的稳定器，也是主动适应未来技能转变的催化剂。
引用
@article{arxiv.2601.03558,
title = {Artificial Intelligence and Skills: Evidence from Contrastive Learning in Online Job Vacancies},
author = {Hangyu Chen and Yongming Sun and Yiming Yuan},
journal= {arXiv preprint arXiv:2601.03558},
year = {2026}
}