人工智能对劳动力市场的影响正在显现——国际劳工组织总干事报告显示，全球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。但报告强调，更值得关注的是就业质量的变化：工作强度、自主权、职业安全卫生、学习与发展机会都在被AI重塑。AI系统正被越来越多地用于招聘、薪酬、排班和绩效管理，但这些快速应用并非总是伴随充分的风险评估。这份报告为理解AI对劳动力市场的实际影响提供了基于任务的分析框架。
AI暴露指数——职业暴露的全球图景
全球约四分之一就业面临暴露，性别差异显著
劳工组织构建的AI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较小；女性总体暴露度和高梯度暴露比例均高于男性。高收入国家的总体暴露度更高，男女差异更为明显。低收入国家与基础设施、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。
职业暴露的四个梯度：多数处于低中度暴露
暴露职业进一步分为四个梯度。较低梯度（1和2）——AI更有可能补充和提升或“扩大”一个人的工作，而非取代它。较高梯度（3和4）——较大比例的任务面临被自动化风险。大多数面临暴露的就业人口处于较低梯度，表明AI更可能改变职业内部的工作内容而非直接淘汰职业。高度数字化的职业（如软件开发）已呈现出工作流程和任务构成的快速演变。
就业质量——六个维度的深刻重塑
工作强度：效率提升未转化为工作量减少
AI通过加快信息处理和任务执行速度减少某些活动所需时间。但这些收益并不总是转化为工作量减少——视组织环境，它们可能导致预期产出提高、截止日期收紧、恢复时间压缩，增加工人压力。报告指出，自动化任务所节省的时间往往被重新分配到其他任务，而非用于减轻工作负担。
自主权：增强与削减的双重可能
AI以两种方式影响自主权。一种是通过提供建议和实时信息支持决策，增强专业判断。另一种是规定工作流程和标准化程序，减少自由裁量权。这些变化影响工作满意度、技能使用和工人从工作中获得的意义。随着AI能力扩展，这些影响可能超越常规性任务，延伸到传统上与高度自主权和人类判断力相关的白领职业。
职业安全卫生：新风险与预防机遇并存
AI有助于风险预防、预测性维护和危险状况的尽早发现。但同时，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。报告特别关注AI系统对工人心理健康的潜在影响，包括监控压力和信息过载。
学习与职业发展：入门级岗位减少的隐忧
AI通过自动化常规性任务帮助工人腾出时间开展更复杂活动，支持在职学习。但新的实证表明，在一些高度数字化行业（如IT和金融），初级职位可能减少——这一趋势将对职业发展和技能培养产生长期影响。入门级岗位传统上作为年轻工人的垫脚石，其缩减可能压缩职业晋升通道。
人力资源管理中的AI风险
招聘：效率提升与歧视复制并存
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，混淆统计关联性与因果关系。专有系统的不透明性使问责制更加复杂，雇主和工人对决策过程的了解都非常有限。
薪酬与绩效管理：透明度倒退的风险
旨在实现个性化薪酬或动态调整激励措施的AI工具可能抵消过去十年在薪酬透明度方面取得的进展，有可能加剧性别薪酬差距。在绩效管理方面，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。当绩效指标过于狭窄且由不透明算法不断调整时，工人可能面临更严格的监督，自主权被削弱。
基于任务的分析方法与政策启示
将职业视为“任务组合”的分析框架
报告采用基于任务的分析方法——将各种职业视为“任务组合”，工人从事一系列活动，新技术影响的是具体任务而不是整个职业。如果一个职业中的大部分任务可被自动化，就业流失风险增加；但在许多情况下，只有部分任务受影响，更可能出现的结果是变革而非消除职业。这一框架为理解AI影响的分布特征提供了工具。
结论：结果取决于治理而非技术
AI对劳动力市场的影响并不是在技术上预先决定的。结果取决于如何引入、组织和治理技术。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。未经充分专业论证或协商就直接采用的现成解决方案很难与组织的价值取向和劳工标准相契合。归根结底，结果取决于目标的明确性、数据的质量以及人类判断力和社会对话在决策中保持核心地位的程度。
