生成式 AI 与劳动力需求重组

生成式人工智能（AI）预计将变革工作，但关于企业如何在技术扩散过程中重组劳动力需求却知之甚少。现有研究主要集中在哪些职业受到 AI 影响，或者受影响的岗位是否减少。我们通过考察企业是通过改变招聘地点、改变工作内容，还是两者兼有来进行调整，从而扩展了这一争论。使用覆盖美国所有经济部门的全国性职位发布数据集，我们构建了一个动态的、发布级别的生成式 AI 影响度指标，并采用两阶段大语言模型流水线。该流水线识别每个职位发布中描述的任务，并分类生成式 AI 能够执行或协助这些任务的程度。然后，我们将总体影响度的变化分解为两个边际：跨岗位的需求再分配和岗位内的任务重设计。我们记录了三个主要发现。首先，生成式 AI 影响度是动态的而非固定的，随时间发生显著变化。其次，劳动力需求通过这两个边际进行调整。招聘再分配解释了影响度总体下降的最大份额，平均占 52%，而岗位内重设计则变得越来越重要，占 39.5%。互补的 Oaxaca-Blinder 分解表明，职业构成的变化占可观测工作特征引起的影响度变化的约 90%。第三，调整在职业阶梯上存在差异。高级职位调整更早且主要通过再分配进行，而初级职位则通过再分配、重设计及其相互作用的更广泛组合进行调整。这些发现表明，劳动力市场对生成式 AI 的调整是一个组织重构的过程，企业在此过程中重塑了招聘需求和工作任务架构。