楊 慧，吳淑梅

(皖江工學院，安徽 馬鞍山 243000)

人工智能(Artificial Intelligence，縮寫為AI)是對所有智能的模擬和應用的一門新的技術科學。該領域的研究包括計算機視覺、語言識別與生成、機器學習、自然語言理解與交流和專家系統(tǒng)等。人工智能作為一種全新的技術進步，是新工業(yè)革命的標志，將對經(jīng)濟、社會、國防等多個領域帶來深遠影響。

隨著中國制造2025、工業(yè)4.0等概念的提出，中國從制造大國邁向制造強國的道路上，AI與制造業(yè)的結(jié)合是至關重要的一步。在國際挑戰(zhàn)中，可以視為一個重要的超車機遇。制造業(yè)與AI的融合在實現(xiàn)智能化生產(chǎn)模式的過程中的角色，變得愈發(fā)不可替代。近年來，隨著人工智能的發(fā)展，在生產(chǎn)中大量可編程性較高、重復性、規(guī)則性的勞動被解放出來。尤其是在中國的制造業(yè)中，由于傳統(tǒng)的產(chǎn)業(yè)驅(qū)動，低技術含量的勞動逐漸將被人工智能替代。

人工智能技術作為一種技術進步，雖然對社會經(jīng)濟發(fā)展帶來新的機遇，但是也帶來失業(yè)問題。從全球范圍來看，人工智能技術的應用對勞動就業(yè)產(chǎn)生了影響。謝璐指出新技術的應用對勞動就業(yè)具有多重的影響。一方面，人工智能技術的進步提高了勞動生產(chǎn)率，就業(yè)崗位逐漸被人工智能技術擠壓，造成技術性失業(yè)問題。另一方面，人工智能技術對就業(yè)又有創(chuàng)造效應[1]。

一、文獻綜述及研究假設

人工智能技術究竟會對勞動就業(yè)產(chǎn)生怎樣的影響，學術界存在不同的觀點。人工智能對就業(yè)既有替代效應，消滅就業(yè)崗位，也有創(chuàng)造效應，使就業(yè)增加。

(一)人工智能對就業(yè)的替代效應

新技術對勞動的替代問題可追溯到第一次工業(yè)革命。人工智能的蓬勃發(fā)展雖然對社會經(jīng)濟有著巨大的促進作用，但是也引發(fā)了人們對新一輪失業(yè)問題的擔憂，導致對“機器換人”的焦慮。無疑，技術的進步由于降低了勞動強度，提高了勞動生產(chǎn)率，進而產(chǎn)生了就業(yè)的替代效應。

KAPALAN J指出人工智能技術的發(fā)展會導致非常多的崗位逐漸被人工智能機器替代[2]。Frey和Osborne基于概率模型，研究了計算機技術對全美702種職業(yè)取代的風險。預測其中有47%的勞動崗位被列為 “高風險”職業(yè)，其中包括服務人員、文員、以及絕大多數(shù)生產(chǎn)性工人。之后，其他國家的學者也利用同樣的定量分析的方法對不同國家的職業(yè)做了預測[3]。其中，David研究發(fā)現(xiàn)，在日本大約55%的勞動崗位被替代的風險很高[4]。2018年世界經(jīng)濟論壇年會發(fā)布的調(diào)查報告指出，全球7500萬個工作崗位將受到人工智能的替代。

(二)人工智能對就業(yè)的創(chuàng)造效應

人工智能技術的應用在替代就業(yè)崗位的同時，也表現(xiàn)出一定的創(chuàng)造效應。Autor等認為人工智能取代的是機械的程式化的生產(chǎn)任務，但是對復雜的非程式化任務，在增加智能投入的同時也增加對高智能勞動力的需求，進而產(chǎn)生創(chuàng)造效應[5]。Bessen通過實證研究表明人工智能技術雖然消滅了部分就業(yè)崗位，但促進了一些工作任務結(jié)構化程度低的崗位的增加[6]。Acemoglu和Restrepo指出，新技術在消滅某些就業(yè)崗位的同時，也會創(chuàng)造出新的工作任務，創(chuàng)造出新就業(yè)崗位[7]。Trajtenberg指出，人工智能技術會創(chuàng)造大量的新崗位，一方面，是以人工智能為核心的新工作崗位的出現(xiàn)。另一方面，人工智能的發(fā)展和應用也需要更多的專業(yè)技術人員。特別是人工智能技術的研發(fā)設計、使用、維護等領域會創(chuàng)造出新的工作崗位需求[8]。謝璐指出，長期趨勢看，隨著人工智能技術的成熟化，其替代效應會與生產(chǎn)效率抵消，對就業(yè)的創(chuàng)造效應會逐漸發(fā)揮作用[1]。

(三)人工智能對制造業(yè)的影響

Acemoglu & Restrepo在實證研究中發(fā)現(xiàn)，美國在1993年-2007年間，工業(yè)機器人在制造業(yè)的使用密度與制造業(yè)的就業(yè)與制造業(yè)工人的工資水平均呈現(xiàn)明顯的負相關。工業(yè)機器人的使用密度越高，制造業(yè)的工人就業(yè)率與工資水平就越低，技術進步在制造業(yè)的替代效應明顯高于創(chuàng)造效應。并依據(jù)數(shù)據(jù)推斷，在20世紀初，美國因工業(yè)機器人的使用造成的制造業(yè)失業(yè)人數(shù)高達36萬人[7]。閆雪凌等使用制造業(yè)分行業(yè)數(shù)據(jù)研究后發(fā)現(xiàn)，工業(yè)機器人的使用對制造業(yè)的就業(yè)崗位數(shù)量存在明顯的負向作用[9]。蔡嘯等的研究認為人工智能技術的使用抑制了制造業(yè)的就業(yè)，對低技能就業(yè)的擠出效應明顯。但是研究同時指出人工智能對制造業(yè)就業(yè)存在門限特征[10]。說明了人工智能對制造業(yè)就業(yè)的替代效應會隨技術水平的提升而減弱。

中國社會科學院工業(yè)經(jīng)濟研究所研究編制的《“人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告》認為[11]，人工智能和制造的融合，本質(zhì)上追求的“人機協(xié)同”，而不是“機器替代人”。這和工業(yè)革命后的機器自動化生產(chǎn)有著本質(zhì)的不同。而“人工智能+制造”追求的是機器的柔性生產(chǎn)，強調(diào)機器能夠自主反饋和調(diào)整。

綜上所述，近年來國內(nèi)外學者對人工智能對就業(yè)的影響相關研究已經(jīng)有了規(guī)模。但是,就國內(nèi)來看，目前的研究多集中在人工智能對國內(nèi)勞動力規(guī)模總體變化的影響,更多是宏觀層面的趨勢預測，缺少人工智能對于產(chǎn)業(yè)、行業(yè)以及崗位具體影響的實證研究，缺少對企業(yè)層面的微觀研究。本文以汽車行業(yè)為例,研究人工智能應用對汽車行業(yè)的就業(yè)影響,并利用實證研究檢驗人工智能技術的應用對汽車行業(yè)的就業(yè)數(shù)量和結(jié)構產(chǎn)生的影響。本文用倍差法模型研究就業(yè)問題的思路，從企業(yè)層面上驗證人工智能技術對汽車制造業(yè)中的生產(chǎn)性員工的就業(yè)比重的影響。并提出本文的假說設定:人工智能技術的使用對我國汽車制造的就業(yè)影響總體上呈現(xiàn)崗位替代效應。本文將使用我國汽車行業(yè)人工智能技術應用的相關數(shù)據(jù)(包括汽車零配件行業(yè))，實證研究人工智能技術對制造業(yè)就業(yè)產(chǎn)生的影響。

二、模型、變量與數(shù)據(jù)

(一)模型設定

研究采用政策評估中常用的倍差法(Difference-In-Difference,DID)探究人工智能應用技術對生產(chǎn)性員工就業(yè)數(shù)量的影響。倍差法是政策效應評估方法中的一大利器，能夠避免政策變量存在的內(nèi)生性問題。其基本形式為:

yit=α+β1du+β2dt+β3du×dt+εit

(Ⅰ)

其中，dt為政策實施虛擬變量(dt=0則為政策實施前，dt=1為政策實施后)，其刻畫了政策實施前后存在的固有時間趨勢;du為分組虛擬變量(du=1,個體屬于實驗組;du=0，則個體屬于控制組)，表述了實驗組和對照組所存在的固有差異;du×dt為分組虛擬變量與政策實施變量的交互項，其系數(shù)β3反映了政策實施的凈效應，即實驗組的政策效應;εit為隨機擾動項。

為了準確估計人工智能技術對就業(yè)帶來的影響效果，本研究將人工智能的應用視同準自然實驗，選取215家汽車企業(yè)作為研究樣本，根據(jù)企業(yè)是否屬于人工智能技術的企業(yè)分為實驗組和對照組。本文構建以下實證模型，考察人工智能AI對生產(chǎn)性員工的就業(yè)數(shù)量的影響。

Eit=α+β1AIi+β2YEARit+β3AIi×YEARit+μi+λi+yXit+εit

(Ⅱ)

其中，下標it分別代表個體企業(yè)和年份。i為具體企業(yè)，t為時間。α代表常數(shù)項。Eit代表企業(yè)生產(chǎn)性員工的比重，即本文的被解釋變量。AIi表示政策虛擬變量即人工智能虛擬變量。以該企業(yè)是否為人工智能應用的企業(yè)分別取值為1和0，分別代表實驗組和控制組。YEARit為時間虛擬變量，采用人工智能之前為0，以后為1。交互項AIi×YEARit是本文的重點關注變量，其系數(shù)β3代表了人工智能技術的實施效應。如果β3為負值且顯著則表示人工智能技術的應用對生產(chǎn)性員工產(chǎn)生了替代效應。為了保證回歸方程具有更好的穩(wěn)健性，本文選取了影響的相關變量作為控制變量，yXit為控制變量。λi為個體虛擬變量，用來控制各個企業(yè)不隨時間變化的個體特征;μi為時間固定效應;εit為隨機擾動項。

(二)變量

本文設計的變量包括:

1.被解釋變量:用生產(chǎn)性員工的數(shù)量Eit的變化來刻畫汽車制造業(yè)就業(yè)所受到的影響。

2.核心解釋變量:采用虛擬變量來表示企業(yè)是否已經(jīng)屬于使用人工智能AI的范圍。鑒于汽車制造業(yè)的自動化以及工業(yè)機器人采用的程度較高，所以本文放棄單純用工業(yè)機器人的數(shù)量來衡量人工智能應用的方法。2015年5月，《中國制造2025》中首次提及智能制造。因此，本文將2015設為初始年份，把人工智能定義為“人工智能+制造”。將人工智能技術應用到制造業(yè)，并嵌入生產(chǎn)流程中，使得機器在數(shù)字化和網(wǎng)絡化的基礎上實現(xiàn)自主生產(chǎn)的過程定義為人工智能這個核心解釋變量。因此本文討論的人工智能包括計算機視覺、大數(shù)據(jù)分析、機器人、語音識別與自然語言處理、AR/VR、云計算等與生產(chǎn)過程的融合。例如大數(shù)據(jù)分析技術在汽車制造業(yè)的體現(xiàn)，生產(chǎn)人員在利用大數(shù)據(jù)分析后，可以預測生產(chǎn)線的狀態(tài)。預先設置設備維護的時間，避免生產(chǎn)過程中因故障問題影響生產(chǎn)。自然語言處理(NLP)是讓系統(tǒng)對人類的語言表達能夠理解的核心技術，在相關的文件處理、售后服務以及汽車的交互功能中廣泛應用。AR/VR增強現(xiàn)實與虛擬現(xiàn)實是基于虛擬和現(xiàn)實環(huán)境，通過虛擬場景的設置，為產(chǎn)品和設計與研發(fā)、產(chǎn)品的智能升級提供支持，從而推動整個產(chǎn)業(yè)的轉(zhuǎn)型升級。例如:寶沃汽車集團按照德國工業(yè)4.0標準開始建設柔性智能工廠。寶馬汽車利用人工智能優(yōu)化汽車沖壓過程。

3.控制變量：為了保證更好的穩(wěn)健性，本文通過在實證模型中加入以下變量作為控制變量:(1)資本深化度(CD)，資本存量與勞動力的比重，較高的資本深化度表示企業(yè)有較高的勞動生產(chǎn)率。(2)研發(fā)投入(RD)，企業(yè)內(nèi)部研發(fā)投入衡量，會影響人工智能技術應用的深度和廣度;(3)盈利能力(Prof)，用企業(yè)年利潤總額衡量，盈利能力越強對勞動力的吸引力就越強；(4)企業(yè)規(guī)模(Size)，用企業(yè)的總資產(chǎn)規(guī)模，一般來說，企業(yè)規(guī)模與其對勞動力的需求成正比;(5)企業(yè)年齡(Age) 。

(三) 數(shù)據(jù)來源

本文和數(shù)據(jù)資料來源于兩個部分。初始樣本使用數(shù)據(jù)為滬深兩市和新三板全部汽車制造業(yè)，其中包括整車制造和汽車零部件企業(yè)，數(shù)據(jù)跨度2014-2019。企業(yè)員工和其他指標數(shù)據(jù)均來自Wind經(jīng)濟金融數(shù)據(jù)庫。部分缺失數(shù)據(jù)通過插值法進行補齊。二是對以上企業(yè)的定性調(diào)查。主要解決本文核心解釋變量的數(shù)據(jù)問題。變量的描述性統(tǒng)計見表1。

表1 變量描述性統(tǒng)計

三、實證結(jié)果及分析

(一)基準模型回歸估計結(jié)果

為了驗證人工智能技術的運用對生產(chǎn)性員工就業(yè)的影響情況，文章用了雙重倍差法進行實證檢驗。實證研究的分析結(jié)果見表2。

表2 基準回歸結(jié)果

首先，列(1)是控制了人工智能技術的應用和實施時間虛擬變量的交互項AIi×YEARit，未控制其他變量。列(2)則在列(1)基礎上控制時間效應和個體效應后的評估結(jié)果。列(3)是控制了資本深化度(CD)、盈利能力(Prof)、研發(fā)投入(RD)、企業(yè)規(guī)模(Size) 、企業(yè)年齡(Age) 等一系列變量。列(4)在列(3)的基礎上控制了時間效應和個體效應。

列(1)至列(4)中其AIi×YEARit的系數(shù)均為負值，并且通過了1%水平下的檢驗。其中，列(4)為模型中的主效應模型回歸結(jié)果，表明人工智能技術的應用和政策實施時間虛擬變量的交互項AIi×YEARit對生產(chǎn)性員工的就業(yè)具有顯著的負向影響，其顯著性水平高達1%，兩者間相關性系數(shù)為 0.076。這表明人工智能技術的使用對制造業(yè)生產(chǎn)性員工數(shù)量總體呈現(xiàn)替代效應，從而驗證了本文的研究假設。列(3)和列(4)中，企業(yè)規(guī)模和資本深化度的影響系數(shù)顯著為正，由此可見，規(guī)模越大的企業(yè)會提供越多的就業(yè)機會。研發(fā)強度，技術投入越多，生產(chǎn)性員工就業(yè)比重就越少。企業(yè)年齡對生產(chǎn)性員工的影響并不明顯。考慮到就業(yè)數(shù)量存在動態(tài)調(diào)整，人工智能與制造業(yè)融合是一個循序漸進的過程，人工智能使用對就業(yè)的影響具有時滯性。

(二)動態(tài)異質(zhì)性檢驗

隨著人工智能與企業(yè)制造進一步深化是否會對生產(chǎn)性員工的替代產(chǎn)生不同的趨勢性影響，本文進一步構建了模型(Ⅲ)來考察動態(tài)影響及變化趨勢。

(Ⅲ)

經(jīng)驗證，人工智能技術應用的第1年的替代效應為-2.134且通過1%水平的顯著性檢驗。在其后的第2年、第3年、第4年、第5年中，替代效應均在1%水平上顯著，且效應系數(shù)分別為-2.256、-2.311、-2.751、-2.896呈現(xiàn)出明顯的上升趨勢。在加入控制變量進行回歸時，存在同樣的變化趨勢。這充分說明，在樣本考察期內(nèi)，人工智能對生產(chǎn)性員工的替代效應幅度呈穩(wěn)步的上升趨勢。

(三)不同企業(yè)類型下人工智能對就業(yè)的影響

為驗證不同企業(yè)類型下人工智能對就業(yè)差異性影響問題，本文將研究樣本細分為整車制造和汽車零部件分別檢驗。相關實證檢驗顯示，AIi×YEARit的系數(shù)顯著為負，且均在5%的水平下顯著。但相較而言，人工智能對汽車零部件行業(yè)的替代效應更為顯著，影響系數(shù)為-0.089，而對整車企業(yè)的影響系數(shù)-0.023。這主要歸因于汽車零部件企業(yè)相對與整車企業(yè)人工智能的與制造環(huán)節(jié)的融合更晚，近期政策實施后的替代效應更為顯著。

(四)穩(wěn)健性實驗

上述實證分析檢驗了人工智能對生產(chǎn)性員工就業(yè)影響的效果，結(jié)果表明，人工智能的應用對生產(chǎn)性員工的就業(yè)崗位有替代效應。本文進行以下穩(wěn)健性檢驗。一是替換被解釋變量進行穩(wěn)健性檢驗。參考謝萌萌等的做法，將被解釋變量指標換成受教育程度(高中以下受教育程度的員工)進行穩(wěn)健性檢驗，結(jié)果數(shù)據(jù)中AIi×YEARit的系數(shù)均為負值，1%的水平下顯著，說明結(jié)果具有穩(wěn)定性。二是通過更改樣本數(shù)據(jù)的方法。本文在滬深兩市和新三板企業(yè)的數(shù)據(jù)之外，增加了非上市汽車制造行業(yè)的相關數(shù)據(jù)后對模型重新估算，AIi×YEARit系數(shù)顯著為負。綜合上述檢驗成果可知，人工智能的應用對生產(chǎn)性員工的就業(yè)崗位有穩(wěn)健的替代效應。

四、結(jié)論和建議

人工智能技術作為一種技術進步，雖然對社會經(jīng)濟發(fā)展帶來新的機遇，但是也帶來失業(yè)問題。本文使用了我國2015-2019年汽車行業(yè)數(shù)據(jù)，將人工智能技術的應用作為準自然實驗，運用雙重倍差法進行實證研究后發(fā)現(xiàn)，人工智能技術的使用對樣本期內(nèi)我國汽車行業(yè)生產(chǎn)性員工的數(shù)量產(chǎn)生了明顯的負向影響，其中對汽車零部件行業(yè)的就業(yè)影響更為顯著。從事生產(chǎn)崗位的員工面臨較大的崗位淘汰的風險。與歷史上歷次技術革命帶來的影響類似，人工智能會給制造業(yè)的常規(guī)性崗位帶來比較大的沖擊，會帶來技術性的失業(yè)。但是長期來看人工智能是必然的趨勢。人工智能的發(fā)展會帶來生產(chǎn)率的提高，同時人工智能的使用會派生出新的就業(yè)崗位，吸納新的就業(yè)者，對社會發(fā)展有極大的促進作用。綜上所述，本文政策建議為，第一，加強對中低技能勞動者的職業(yè)技能培訓，加大培訓力度，提高勞動者適應新技術的勞動技能，消弱人工智能技術的就業(yè)替代效應。第二，建立健全以社會保障為核心的勞動者保護體制。完善就業(yè)補助機制，對失業(yè)人員的自主創(chuàng)業(yè)給與政策和技術上的扶持。避免由失業(yè)可能引發(fā)的社會風險和社會問題。