新技术很少会对工作产生影响，也很少能完全取代人类的参与。
关于人工智能影响的预测，从世界末日般的灾难到乌托邦式的美好愿景，不一而足。例如，参议院民主党人在2025年10月发布的一份报告预测， 人工智能将摧毁美国数百万个工作岗位。而几年前， 咨询公司麦肯锡则预测，人工智能将为全球经济贡献数万亿美元，同时强调可以通过培训员工掌握新技能来缓解失业问题。
问题在于，这些说法大多基于预测、过于简化的调查或思想实验，而非对经济实际变化的观察。这使得公众，乃至政策制定者，难以分辨哪些说法可信。
作为一名研究技术和组织变革如何影响生产力和福祉的劳动经济学家，我认为更好的切入点是产出、就业和工资的实际数据——这些数据看起来都相对更有希望。
人工智能与就业
在我与经济学家安德鲁·约翰斯顿合作撰写的一篇新研究论文中，我们利用涵盖几乎所有雇主的行政数据，研究了2017年至2024年间生成式人工智能对美国各行业的影响。我们的分析涵盖了生成式人工智能应用爆发式增长的关键时期，使我们能够分析其对企业和行业的影响。
我们利用与疫情前各行业和州职业劳动力构成相匹配的职业层面任务数据来衡量人工智能的暴露程度。例如，与拥有更多水管工和电工的州相比，拥有更多从事语言处理、编码或数据处理类工作的州和行业，其人工智能暴露程度得分更高。
然后，我们根据职业对职业暴露程度进行了排名，并研究了职业暴露程度标准差的变化，将其与 2017 年至 2024 年各州和各行业的劳动力市场和 GDP 进行了比较。
不妨把标准差想象成急救员（他们的工作重心在于身体评估、紧急响应和实际护理，而这些是人工智能难以复制的）和公关经理（他们的工作涉及撰写公关稿、分析舆情和整合信息，而这些都是人工智能工具能够轻松胜任的）之间的差距。当我们提出“处于人工智能应用普及率较高的一侧是否会改变你所在行业的发展轨迹？”这个问题时，我们衡量的正是这种人工智能应用普及率的差距。
这些数据使我们能够回答两个问题：在 2022 年底 ChatGPT 公开发布后，人工智能工具得到广泛应用，那些更多地接触生成式人工智能的州和行业是否变得更加高效，以及工人发生了什么变化？
我们的回答比许多公开讨论所表明的更令人鼓舞，也更细致入微。
我们发现，在人工智能应用程度更高的州，各行业的生产力增长速度从2021年开始就更快——甚至早于ChatGPT面向公众发布——这主要得益于企业级工具已嵌入到专业工作流程中，例如用于软件开发的GitHub Copilot、用于市场营销和内容写作的Jasper，以及微软基于GPT-3的商业应用。例如，到2024年，人工智能应用程度高出一个标准差的行业，其生产力、就业岗位和工资水平分别比同一州的同类行业高出10%、3.9%和4.8%。
这些模式表明，至少到目前为止，人工智能已经发挥了提高生产力、促进就业和提高工资的作用，而不是简单地替代劳动力。
增容与置换
数据中的一个关键区别在于人工智能与人协作的任务和人工智能可以更独立执行的任务。在人工智能主要辅助人工的领域——例如市场营销、写作或财务分析——我们的数据显示，人工智能应用普及率每增加一个标准差，就业率就会增长约3.6%。
在人工智能可以更自主地执行任务的领域（包括基本数据处理、生成样板代码或处理标准化客户交互），我们发现就业情况没有发生显著变化，尽管从事这些工作的工人的工资增长速度较慢。
这些研究结果表明，当人工智能降低完成任务的成本并提高工人生产力时，公司会扩大产量，从而增加对劳动力的整体需求——同样的逻辑也解释了为什么电动工具并没有取代建筑工人。
经济问题不在于某个特定工作是否会消失，而在于企业和员工能否足够迅速地进行重组，从而创造出新的生产组合。就目前而言，在大多数行业，我们的证据表明他们是可以做到的。
但各州的政策也很重要：这些好处集中在劳动力市场效率更高的州，这意味着生成式人工智能对工人和经济的影响也取决于当地经济的政策和制度类型。
重要的是，这些发现不仅限于职业暴露。我们与美国经济分析局的合作者开展的进一步研究表明，实际人工智能使用情况（即员工使用人工智能的频率）对GDP和就业也有类似的影响。我们利用盖洛普劳动力调查小组的数据，统计了每天或每周多次积极使用人工智能的员工人数。我们发现，在一个州和行业中，频繁使用人工智能的员工比例每增加一个百分点，实际产出就会提高约0.1%至0.2%，就业率就会提高约0.2%至0.4%。
举例来说：到 2024 年年中，所有职业中频繁使用人工智能的人数比例约为 12%，到 2025 年末，这一比例上升至 26%。据我们估计，这一变化相当于实际产出增长约 1.4% 至 2.8%，或在此期间年均增长率约为 1% 至 2%。
新技术很少会对工作产生丝毫影响，但也很少完全取代人类的贡献。相反，正如我们的研究表明，它们会改变工作的构成。一些任务会减少，另一些任务会扩大，还有一些新的任务会涌现，这些任务以前由于成本过高或难度过大而难以大规模实施。简而言之，一些职业可能会消失，但大多数职业只是发生了变化。
如果说有什么变化的话，那就是这里记录的趋势很可能会加强而不是减弱。不仅生成式人工智能工具正在迅速改进，而且许多工作者和公司正在进行的实验、研发工作也可能会带来丰厚的回报。这些投资——通常被称为无形资本——往往会在一项技术问世几年后，在配套投资到位后才能释放出来。
公司和管理者的角色
人工智能究竟会给员工带来焦虑还是促使他们适应，部分取决于组织内部的运作情况。我利用盖洛普员工调查小组多年来收集的数据（涵盖2023年至2026年间超过3万名美国员工），在2026年发表的一篇论文中发现，在此期间，工作场所对生成式人工智能的采用率迅速上升，使用人工智能的员工比例通常从9%增长到26%。
但更重要的发现是，如果员工认为其所在组织已传达了清晰的人工智能战略，并且员工表示信任领导层，那么人工智能的采用率就会高得多。这表明，人工智能的普及和有效利用不仅取决于技术的可用性，还取决于管理者是否能使其应用清晰、可信且安全。
在这种清晰的认知下，频繁使用人工智能与更高的敬业度和工作满意度相关，甚至可以逆转其他地方出现的倦怠惩罚。
换句话说，人工智能更广泛的经济影响不仅取决于工具的复杂程度，还取决于企业和管理者是否能创造让员工可以尝试、重组任务并将新工具融入日常生产流程的环境。也就是说，如果员工缺乏尝试的心理安全感，他们使用人工智能的可能性就会降低，尤其不太可能将其用于高价值工作。
我认为，正是这种适应能力使得劳动力市场比最危言耸听的预测所显示的更具韧性。
本文经知识共享许可协议授权转载自The Conversation 。阅读原文。