人工智能正在重塑劳动世界——约四分之一的工作岗位面临生成式AI的潜在暴露，女性受影响比例高于男性，高收入国家暴露度更高但低收入国家承受的冲击可能更不对称。国际劳工组织总干事这份报告发出了清晰的警示：技术进步的结果并非预先注定，而是取决于政策选择、制度安排与社会对话的质量。从就业数量与质量的双重维度，到不平等加剧的结构性风险，从技能发展与社会保护的转型支撑，到三方机制在算法治理中的核心作用——报告勾勒出一个以人为本的AI治理框架，并提出了四个关键问题供三方成员抉择。

总干事洪博在报告中开篇明义：几个世纪以来，从机械化、电气化到数字化，每一波技术变革都改变了工作组织方式、价值创造方式以及风险与收益分配方式。这些变革从来不是自动发生的，对社会的影响也从来不是中性的。人工智能正在沿着这一长期变革路径前行——它将带来就业岗位流失，也将创造新的就业岗位，并改变工作方式。但决定结果的不是技术本身，而是政策和制度。工业革命的早期阶段伴随着就业岗位流失、工时延长、劳动强度加大和工资停滞，只有在劳动制度、社会保护体系和集体谈判的支持下，生产率收益才能转化为更广泛的社会进步。

人工智能与以往技术变革浪潮的不同之处在于发展速度越来越快、影响范围越来越广。它迅速推广到各行各业，不仅影响常规性任务，还日益影响传统上与人类判断力相关的认知、沟通和决策活动。这种“涵盖常规性和非常规性任务”的扩展，使更大范围的职业——包括涉及更高技能和创造性职能的职业——可能受到影响。总干事还特别关注一个常被忽视的维度：人工智能对人类智能本身的影响。过度依赖自动化系统可能侵蚀工人的推理能力、创造力和同理心。以人为本的AI方针不仅必须保护就业和权利，还必须保护人类能力的开发与运用。

劳工组织构建了人工智能暴露指数，根据生成式AI潜在暴露度对职业进行分类。全球层面，总就业中约四分之一属于面临暴露的类别。男性工人约五分之一的就业人口面临暴露，其中高梯度暴露比例相对较小；女性总体暴露度和处于高梯度暴露的比例都高于男性。高收入国家的总体暴露度更高，男女差异更为明显。不同国家的潜在暴露度也大相径庭——高收入经济体有更大比例的就业涉及可能受AI影响的任务；而在低收入经济体，与基础设施、技能和成本相关的制约因素既降低了AI驱动的自动化风险，也降低了采用AI提高生产率的潜力。

即使就业基本保持稳定，人工智能仍可能对就业质量产生深远影响。工作强度——AI通过加快信息处理速度减少部分活动所需时间，但这些收益并不总是转化为工作量减少，反而可能导致预期产出提高、截止日期收紧，增加工人压力。自主权——AI系统在某些情况下通过提供建议增强专业判断，在其他情况下则规定工作流程和标准化程序，减少自由裁量权。职业安全与卫生——AI有助于风险预防和预测性维护，但工作强度增加、认知超负荷和持续监测可能产生新的社会心理风险和人体工程学风险。学习与职业发展——AI通过自动化常规任务帮助腾出时间开展更复杂活动，但也可能减少入门级岗位的机会，对职业发展和技能培养产生长期影响。

AI系统被越来越多地用于招聘、报酬、排班及绩效管理环节，但快速应用并非总是伴随充分的风险评估。在招聘领域，AI工具能处理大量求职申请、预测岗位适配度，但也可能复制现有的歧视模式。机器学习系统能识别历史数据中的相关性，但缺乏对这些相关性产生原因的明确理论认知，从而混淆统计关联性与因果关系。在薪酬与绩效管理方面，依赖键盘输入次数或屏幕使用时间等容易衡量的指标可能无法体现工作的全部价值，有可能加剧性别薪酬差距。总干事强调：结果取决于治理——在工人参与下开发、设计过程透明的AI系统更有可能赢得信任、取得良好效果。

AI对不平等的影响并非单一或统一的。劳工组织与世界银行的联合研究表明，在许多低收入国家，有相当一部分理论上可受益于AI驱动增强的工作岗位，实际中缺乏实现这些效益所需的基本数字条件。从事具有AI增强潜力职业的工人，往往无法定期使用计算机或获得可靠的互联网连接。即使在同一职业内部，任务构成也会随国家发展水平不同而呈现系统性差异——低收入国家的工人通常较少从事非常规分析任务，更多从事受AI影响较小的常规任务或体力活动。这导致一种不对等现象：AI带来的冲击影响可能比生产力提高的收益更早显现，从而加剧不平等。

性别——妇女在文职和行政岗位中占比过高，这些岗位受AI驱动的自动化影响相对较大，而妇女在STEM职业及AI系统开发领域中的代表性仍然不足。年龄——在高度数字化行业中，初级和入门级岗位尤其易受AI影响，此类岗位的缩减可能压缩职业晋升通道，限制年轻工人的发展机会；年长工人则面临数字技能代际差距的挑战。企业规模——较大规模的企业因财力、技术专长和数据资源更充足，更有条件应用AI；中小企业面临更为严峻的制约。行业——AI影响往往集中于金融、专业服务和公共行政等行业，而这些行业正是许多发展中经济体高质量正规就业的重要来源。

AI系统的开发依赖于全球价值链——数据收集、数据标注、内容审核和模型训练等环节。发达经济体往往专注于高附加值活动（模型设计、系统集成、平台所有权），而许多低收入国家参与的是通常被外包的劳动密集型任务，且工作条件缺乏保障。AI研发活动集中于少数企业和国家，高昂的投资要求（算力基础设施、数据和研究能力）构成市场准入壁垒，导致对核心技术的控制权分配不均。总干事呼吁：AI带来的收益分配不仅取决于各国国内政策，还取决于国际合作和技术转让。

AI正在重塑技能需求。对于大多数工人而言，许多岗位已经涉及在应用端使用AI工具。关键在于能否把不同类型的技能结合起来——基础数字技能和认知技能，以及社会情感能力（如非常规情境下解决问题和管理人员）。AI素养正变得越来越重要——劳动者不仅需要有效使用AI工具，还需要了解其局限性，包括潜在偏见、隐私问题和误用风险。国家技能政策和资格框架应动态调整，培训体系必须更具适应性（模块化课程、便捷学习路径），微证书作为灵活掌握特定技能的工具需配套质量保障措施。

社会保护体系必须始终提供全生命周期的收入保障和医疗保健服务，同时适应新的就业形态。某些职业（特别是常规认知性任务）更容易暴露于AI驱动的自动化，社会保护体系应做好准备为越来越多处于岗位转换期的失业工人提供支持。随着工作安排更加零散，必须确保社会保护待遇与个人挂钩而非与特定雇主绑定，待遇能够在不同岗位、行业乃至国家之间转移接续。筹资方面，数字技术能够支持从非正规经济向正规经济的转型，扩大税收和社保缴款的征收潜力——对数字平台、机器人和数字利润征税的方案正日益成为讨论焦点。

AI也带来明确机遇以改善服务交付。在教育和培训领域，AI已用于评估学习者个体特征和具体需求，推荐符合劳动力市场需求的个性化学习路径。对于残疾人，实时字幕、语音转文字和手语翻译等基于AI的应用可以消除沟通障碍。在公共就业服务领域，AI用于优化岗位匹配、分析求职者画像、评估技能水平和提供个性化职业指导。在社会保护领域，移动缴费系统方便自雇人员自愿参保，AI可用于侦测逃缴、差错和欺诈行为。总干事同时强调：AI工具应作为人类顾问的补充而非替代，人工咨询服务对弱势群体和难以接触数字基础设施的人群仍然不可或缺。

当前人工智能监管格局仍然相当有限且零散。国际社会正从依赖自愿性伦理准则转向更具约束力的监管框架，反映了对AI认知的广泛转变——它不再被视为中性的效率工具，而是一种社会经济力量，需要加以监督以保护权利、确保体面劳动。各司法管辖区监管举措不断出台，多边论坛日益将AI纳入议程。但重大缺口依然存在——许多AI伦理准则虽涉及劳动世界问题，却鲜少提及国际劳工标准。总干事强调：现有国际劳工标准（包括就业政策、技能开发、终止雇佣、社会保护、社会对话及工作中基本原则和权利）依然具有高度现实意义。

总干事认为，社会对话是确保协调一致、合法合规与贴近现实的最可靠途径。双方和三方对话有助于确保AI相关决策具有公平性与包容性，并植根于工作场所现实。就AI的设计与部署开展谈判、协商和信息交流，可以在提高生产率与改善工作条件方面取得更佳成效。社会对话需要有利环境——保护、促进和实现结社自由及有效承认集体谈判权至关重要。同时，有意义的社会对话要求各方在知情且平等的基础上行事，提升管理者、雇主、工人及其代表理解并参与AI系统的能力至关重要。

AI系统依赖收集广泛的数据——个人数据、行为数据，在某些情况下还包括生物识别数据，对工人隐私权和数据保护权构成重大挑战。持续监控可能模糊合法管理监督与侵入性控制之间的界限。透明度不足可能限制工人有效行使其权利。当AI系统被视为专有技术或过于复杂时，工人对其运行往往所知甚少。总干事特别指出：雇主往往依赖外部技术供应商提供的现成系统，可能不完全符合劳动法律或伦理标准，而决定系统设计和数据输入的上游技术提供商可能在很大程度上仍游离于直接监管审查之外。这引发关于整个价值链上责任分配的重要问题，凸显了社会对话在塑造数字转型中的重要性。结尾：总干事洪博的报告以“抉择时刻”为题，其核心判断清晰而坚定：人工智能能否促进体面劳动，不取决于技术本身，而取决于我们所做的选择。约四分之一就业暴露于AI影响、女性与低收入国家承受不对称冲击、创新转化力与制度适应力之间的鸿沟——这些数据与洞察共同指向一个结论：在AI时代，不作为本身就是一种选择。报告提出的四大关键要素——权利、就业、社会保护、社会对话——为三方成员提供了清晰的行动框架。而数字鸿沟的弥合、算法透明的实现、跨国治理的协调，则构成了这一框架必须持续回应的核心命题。人工智能的劳动治理，不是技术问题，而是社会选择问题。