人工智能对就业影响研究的现状、热点与趋势——基于知识图谱文献计量方法

何 勤，邱 玥，董晓雨

（北京联合大学管理学院，北京 100101）

1 研究背景

近年来，人工智能技术因其运用领域广泛，在一些特定工作任务中远超人类能力极限，而受到国内外各行业的广泛重视。以无人驾驶、智能机器人为代表的人工智能技术发展迅速，深刻地改变人们的工作方式和生活方式［1］。与以往技术进步相比，人工智能不仅对以制造业为代表的机械化工作产生影响，而且将进入以服务业为代表的情境类工作任务中。在改变生产和生活空间的过程中［2］，人工智能对当前的就业结构带来一定程度的重塑效应，同时冲击就业市场的技能结构和进入门槛。

新技术对就业的影响在学术界一直是学者们探讨和争论的焦点。经济和管理领域的学者们主要将人工智能对就业的影响分为两种，一是破坏效应，即对人类劳动力的替代；二是创造效应，即创造出新的工作机会。然而随着技术创新不断取得新进展，人工智能技术对就业的影响存在复杂性特征，主要表现为：一是短期和长期对就业的不同影响［1，3-7］；二是不同发展阶段对就业的不同影响［8-9］；三是基于地域、行业或职业特定情境下的不同影响［10-12］。随着各行业对人工智能技术的不断重视，人工智能对就业的影响逐渐凸显，获取人工智能对就业影响主题方面的知识结构和最新情报进展对明确这一领域的未来研究和发展方向尤为重要。

本文对国内外文献进行计量分析，主要回答以下问题：当前涉及研究人工智能影响就业的国家有哪些？国内外学者们当前的研究现状是怎样的？从国际上看，人工智能对就业影响的研究热点和趋势是怎样的？通过运用知识图谱的方法，以可视化的方式呈现核心国家、研究机构和重点文献，在对关键词共现分析的基础上，将关键词进行聚类和时区划分，以直观地了解到人工智能影响就业主题下的研究现状，并提出未来研究的十大趋势。

2 数据来源与方法

2.1 数据来源

本文选取2009—2019年相关国内外文献进行分析，数据来源分为两个部分：一是外文文献源自于Web Of Science（SCIE/SSCI）数据库，以“Artificial Intelligence”兼“Labor”“Job”“Work”为检索词，筛选出100篇有效WOS核心文献；二是中文文献源自于中国知网（CNKI）数据库，以“人工智能”并含“就业”“劳动力”“劳动”为检索词，筛选出相关的有效文献145篇，其中包括CSSCI、核心期刊文献65篇。从国内外发文数量可以看出，当前在人工智能对就业的影响领域学者们还没有形成较大的研究规模，但随着人工智能技术的影响不断在全球劳动力市场产生较大影响，学术界逐渐意识到问题的重要性和研究的必要性，并针对人工智能对就业的影响开展深入研究。

2.2 研究方法

知识图谱是当前较受欢迎的研究文献的方法，它将计算机技术和计量学两门学科相结合［13］，可以呈现出一定时期内某一研究领域的研究热点、演进历程和发展趋势［14］，并且形象地表达文献中蕴含的信息，有效地发掘文献背后隐藏的特性、模式和趋势，显示科学知识发展进程与结构关系［13］。它主要是根据所导入的研究文献为样本，根据需要研究的内容和标准形成可视化图示。

本文所运用的知识图谱分析方法主要包括文献共引分析以及机构、关键词共现分析。文献共引分析可以用来研究在某一领域内早期的研究、理论传播过程以及知识前沿，文献共引知识图谱能够识别出最有影响力的文献和与之相关的理论［15］。关键词共现分析是通过提取所导入的文献数据中的关键词，并根据关键词出现的频率以及相近词组之间的联系进行分析。关键词共现知识图谱可以针对一组文献分析对象的主题、趋势和结构特征［16］。

本文借助Citespace5.4软件对人工智能与就业领域的文献进行知识图谱分析。Citespace软件是由美国德雷塞尔大学陈超美教授基于JAVA平台开发出来的一种可视化分析工具［14］。通过从WOS数据库和CNKI数据库中检索出国内外文献，生成了国家/地区知识图谱、发文机构知识图谱、文献共引知识图谱和关键词共现知识图谱，以此来分析学术界关于人工智能影响就业的研究现状、热点和趋势，并根据重点文献来进行深入分析，与经典理论和前沿问题对接。

3 研究现状

3.1 研究规模

从国内外发文数量，共245篇，可以看出，当前在人工智能对就业的影响领域学者们还没有形成较大的研究规模，但随着人工智能技术的影响不断在全球劳动力市场产生较大影响，学术界逐渐意识到问题的重要性和研究的必要性，并针对人工智能对就业的影响开展深入研究。

3.2 合作网络分析

3.2.1 研究核心国家或地区分析

根据上述方法所收集的文献，运用Citespace对于WOS数据库中所收集的100篇国际期刊文献所属国家或地区进行知识图谱分析（如图1），这些文献所涉及的国家或地区总数为9个，分别为美国、荷兰、德国、意大利、英国、中国、澳大利亚、芬兰和法国。在图1中，每一个圆点（即节点）都代表一个国家或地区，其中圆点的大小与该国或该地区的发文数量成正比，即发文频率越高，则圆点越大。两个节点之间的连线代表两国或地区在该领域的联系，线条越粗则表示联系越密切。可以看出，发文量最多的是美国，说明在美国学术界较早开始研究人工智能对就业的影响，并且形成了一定数量的研究成果，其次是德国、荷兰和意大利。目前我国在人工智能对就业的影响这一主题的研究被国外期刊收录较少，在国外还未产生较高的影响力。德国与荷兰、中国与澳大利亚、美国与英国的学者在该领域的研究有一定联系。

图1 2009—2019年发文国家或地区可视化知识图谱

3.2.2 主要研究机构分析

本文对WOS数据库和CNKI数据库中所收集的文献分别利用Citespace软件绘制了人工智能对就业影响研究的机构共现知识图谱（如图2、图3），并将主要机构进行整理和汇总（如表1）。通过对比呈现的国内外机构，可以看出，发文机构基本上为高等院校或研究单位，研究的学科领域主要集中于管理学和经济学，这和以往学者们的研究领域类似，说明当前该领域当前主要是运用经济学和管理学相关理论来分析人工智能技术进步对就业的影响。从人工智能发展现状和趋势来看，研究人工智能与就业的关系需要进行多学科、跨领域研究，包括计算机、哲学、法学、社会学等。一方面，人工智能带来工作方式的变革，如机器人对生物人的完全替代、人机协同工作等，工作场景、管理对象更加复杂化和多样化，并且人工智能的影响逐渐由制造业向服务业拓展，受影响人群发生一定变化。另一方面，根据学者提出“奇点”相关理论，当“强人工智能”时代到来，智能化机器人将会拥有类人思维和能力，人类将会与智能机器人共同生存和工作过程中，将会涉及人工智能的法律和伦理等方面的问题，因此需要结合社会学、法学、哲学等多学科进行研究。

图2 2009—2019年国外关于人工智能对就业影响的研究机构共现知识图谱

此外，从图2、3中可以看出，各机构之间较为独立，国外研究机构间仅美国麻省理工学院与美国波士顿大学、日本联合国大学与英国伦敦经济学院之间存在合作关系，国内仅南京大学经济学院与南京审计学院经济系之间存在合作关系。各机构独立研究可以充分利用内部资源，凭借各院系或部门之间的合作提出新的研究视角；同时，与外部机构建立合作关系能够更加广泛和快速地了解到前瞻性研究趋势，相对于独立研究更能够做出有价值的研究。

综上，通过研究机构分析发现当前多学科及跨学科开展研究不足。研究机构之间开展的合作研究甚少，很难形成跨领域及多学科交叉融合创新。

图3 2009—2019年国内关于人工智能对就业影响的研究机构共现知识图谱

表1 国内外文献中关于人工智能影响就业的研究机构

4 人工智能影响就业的研究热点分析

4.1 关键词共现主题分析

文献中的关键词主要用于表达主题的内容，承载着研究中富有创造性的发现和思想，关键词的中心性和频次能够反映其热度和趋势［17］。针对2009—2019年的文献，本文统一选择时间切片为一年，在Node Types选项中将节点类型选择为“Keyword”,以此反映出在这一研究领域当前以及过去的研究热点和趋势。在Selection Criteria选项中将Top N%的N值设为50，并且不超过100，绘制出2009—2019年人工智能对就业影响效应研究的关键词共现图谱（如图4、5）。图中的节点表示的是分析的对象，根据出现的频次，节点大小不一，即频次越高，节点视图越大，说明该关键词在这一领域中受关注程度越高。文献的影响程度由中心性体现出来，中心性越强，说明该文献的影响力越大。

从图中可以看出，学者们在研究人工智能对就业的影响这一主题中，所涉及的关键词较为丰富，并且关联较为密切，说明从国际视角来看，当前学术界对人工智能与就业关系问题较为关注，并从多个角度挖掘人工智能所带来的劳动力市场变化，以探寻其中的成因和本质。然而，从我国国内期刊文献关键词共现知识图谱来看，其所涉及的关键词数量较少，并且各关键词之间的关联较为单一，说明我国学术界在人工智能等技术进步对就业的影响这一主题的研究还不够成熟，并且规模较小，说明国内学者在这方面的研究还处于起步阶段，有待进一步深入开展相关研究。

本文针对图4和图5中的高频关键词进行了统计，分别对国内外在2009—2019年度人工智能技术对就业影响研究中关键词进行了排名（如表2、表3），排名的标准有两类，依次是关键词的频次和中介中心性。其中，关键词的频次主要反映的是在这一主题下研究热点的整体情况；中介中心性的高低表示的是其所对应的关键词在整个研究网络中的媒介能力以及网络资源控制能力的强弱［18］，由这一点出发将其他的节点连接起来。

图4 2009—2019年国外文献关于人工智能对就业影响的关键词共现知识图谱

图5 2009—2019年国内文献关于人工智能对就业影响的关键词共现知识图谱

表2 国外文献中关于人工智能技术进步对就业的影响研究的前十位关键词排名

表3 国内文献中关于人工智能对就业的影响研究的前十位关键词排名

从表2、表3中均可以看出，国外学者在研究人工智能对就业的影响中，关注的议题更为广泛，既包括人工智能技术进步带来的就业极化、工资结构失衡和不平等性等消极影响，同时也关注人工智能对推动经济增长等方面的积极作用，以及人工智能技术在就业市场中所带来的需求变化、技能要求变化和未来可能性的预测等方面的研究。在国内文献的关键词中，主要关注人工智能对就业量、就业结构的影响以及带来的就业效应两大议题，对就业效应的结论中大部分为中性词，即国内学者的研究中没有明显的消极或积极偏向，分析其中的原因：一是我国国内对人工智能技术进步的研究还未成熟，缺乏相应的定量研究，也就很难得出一致性的结论；二是国内学者们在借鉴国外理论和研究中，认识到了人工智能对就业影响的双重作用。

此外，基于频次排名的关键词和基于中介中心性排序的关键词存在差异，尤其是国外文献关键词排名中的差异更为明显，这说明国外学者在研究人工智能技术进步对就业的影响因素时，不限于对这一主题中所有主要因素的研究，而是更注重对关键因素的深入剖析，深入研究人工智能技术进步对就业产生的影响，这对于解决国内就业问题提供较为明确的指导，然而众多学者的研究方向较为分散，不利于开展整合性研究。相比较而言，国内文献中的关键词排名也有不同，但总体上大致相似，体现出我国学者在对这一主题的研究中，倾向于将注意力放在宏观问题的思考上，在一个较大的主题中涵盖多种因素，但缺乏对影响因素的深度分析。

综上，通过对国内外相关文献的关键词共现分析发现，当前研究存在以下不足：一是缺乏对微观企业层面的深入研究；二是主要关注就业量、就业结构，而对就业质量鲜有关注；三是对就业人群、细分行业的“异质化”研究不足。

4.2 聚焦领域分析

在上述人工智能对就业影响主题的关键词分析的基础上，对外文文献中的关键词共现结果进行聚类处理，得出这一研究主题下具有代表性的研究子群，从而绘制出人工智能对就业影响的关键词聚类视图（如图6），关键词聚类分析知识图谱显示，Sihouette=0.8286，说明所划分的各研究子群明确度较强［19］。

从图中能够直观地看到，关键词划分出的4个聚类及其标签，即技术进步（Technological Change）、数字化转型（Digital Transformation）、工作时长（Job Duration）和常规性结构变化（Usual Structural Change）。一方面，技术进步与数字化转型这两个主题从宏观层面研究环境因素对就业的影响，即外生的技术环境变量，技术进步、数字化转型对就业的影响，探索了人工智能对就业影响的前因变量中的环境因素。当前世界正在经历第四次科技革命，结合过去的三次技术革命来看，每一次新技术的研发和运用都是在原有手段的基础上进行改造升级，在技术积累的基础上创新，以推动生产效率的提高和经济的发展。当前正处于信息时代向智能时代的过渡期，数字化转型成为人工智能对就业影响的重要情景因素。另一方面，工作时长和常规性结构变化两个主题从影响效应角度探讨人工智能对以工作时长表征的劳动效率以及就业结构的影响结果，即人工智能对就业在岗位层级、技能等级、工资收入、工作时间等方面的影响。从经济学理论和过去三次技术革命来看，技术进步必然会提高劳动生产率，拉动经济增长，进而提高国民收入，让消费者产生更多的需求，增加各行业的劳动力需求，这些方面都会对一个国家的就业产生各方面的影响。例如，国内外部分学者着重研究技能偏向型技术进步对就业和劳动力工资的影响，他们认为由于技能偏向型技术进步所增加的就业岗位主要满足了高技能劳动者的就业需求，低技能岗位依旧处于减少的趋势，因此加剧了工资的两极化。

综上所述，人工智能对就业影响研究的热点聚焦在影响因素和影响结果两个方面，技术进步、数字化转型、工作时长和常规性结构变化四个领域。

图6 2009—2019年人工智能对就业影响研究的关键词聚类知识图谱

4.3 研究热点演进历程分析

通过对关键词分析以及关键词聚类，在Citespace中选择Timeline构建基于关键词的人工智能影响就业时区图谱（如图7）。

根据近10年外文文献的时间节点，从2009—2013年期间，人工智能对就业影响相关主题的研究处于瓶颈期：2013年前，相关主题的研究主要涉及对技术变革带来劳动力需求变化；而人工智能与就业关系的研究主要集中于2013年，学术界不仅关注人工智能对就业数量的影响，而且开始探讨人工智能技术进步下“极化”问题。其原因为，在这一时期人工智能技术的研发暂未取得突破性进展，没有体现出与自动化和以往技术创新的相比的独特优势，技术成本和人才资源使得各行业对人工智能的采纳程度还未达到一定规模，并且在就业市场上，技术性失业还未成为长期性的严重问题［20］。从2014年开始，数字化转型方面的研究受到较多学者持续的关注，并且与技术进步和工作时长两个主题成为学术界现在与未来关于人工智能影响就业领域的重要研究方向。在2017年至当前，关于常规性结构变化主题的研究开始出现，但还未形成一定的规模，但在2018年越来越多这一主题相关的关键词开始出现，说明在未来这一主题的研究将会成为学术界关注的新研究方向。

从研究主题来看，一方面较早且持续受到关注的子主题为技术进步、数字化转型以及工作时长，并且在当前仍然有作为研究人工智能对就业影响的重要视角的趋势；另一方面，常规性结构变化这一子主题的研究在近两年开始兴起，说明学者们开始关注在微观领域人工智能对就业结构的影响。

图7 2009—2019年人工智能对就业影响研究的时区图谱

4.4 关键节点文献分析

文献共引分析可以较为直接地了解一篇文献与其被引用的文献之间的结构关系，建立起学科或学术领域的关系构架，并且通过知识图谱的绘制，能够确定某一学科领域的研究起源和理论基础［21］。

在学者们对以往技术进步影响就业的研究中，基本上以西方的经济学原理和管理理论为基础，并且目前也将其运用到人工智能对就业的影响研究中。为了寻找并分析这些理论的来源和基础，本文根据所选取的WOS数据库中的外文文献，绘制文献共引知识图谱（如图8）。图8中的每个节点都表示一篇被引文献，节点的大小与其被引用的次数成正比。两个节点之间的连线则代表了文献间的共引关系，连线的粗细与这两篇文献一同被引用的次数呈正比关系，连线越粗，说明文献内容越相似。

图8 外文文献中关于人工智能影响就业的被引文献知识图谱

点的中心性体现了该点所代表的被引文献在网络中的重要地位，也代表了研究热点，常用中心度指标来表示，测算方式为一条经过网络中某点并连接这两点的最短路径比这两点之间的最短路径总数。根据中心度的高低，截取了前五篇关键节点文献并进行了排名（如表4）。影响力最高的5篇论文的研究结论和主要观点如下：

（1）发现和解释了人工智能技术进步带来的就业极化现象。排在首位的是GOOS M于2014年发表的论文Explaining Job Polarization:Routine-Biased Technological Change and Offshoring，在Web of Science中被引次数为138。Goos等［22］认为偏重常规的技术变革造成了就业的两极分化。虽然以往学者收集了几十年的数据来说明“技术偏向型技术变革”假说［21］，但是对就业两极分化的解释不够，Goos等［22］通过收集西欧16个国家的就业数据，表明在发达经济体中普遍存在就业极化现象，即当前的技术变革主要对常规性的劳动任务起到替代作用，中等技能岗位的劳动需求相对于高技能和低技能岗位呈减少趋势。并且Goos等［22］根据Katz开发的规范模型，对就业极化现象进行量化解释和估计，尤其是证实了行业间和行业内部的就业分化，高薪专业人员和管理人员以及低收入的服务工作者的就业份额不断上升，而制造业和常规办公室工作人员的就业份额在不断下降。当前全球的人工智能水平还处于弱人工智能阶段，虽然人工智能技术由制造业向服务业逐渐延伸，但工作效率仍不高，智能机械设备与传统的自动化技术还存在着紧密的联系。在弱人工智能阶段向强人工智能阶段的发展过程中，将会进一步促进就业极化趋势。

表4 外文文献中关于人工智能影响就业的关键节点文献信息

（2）提出人工智能对就业的影响机制并进行了实证检验。发现了企业绩效在人工智能技术创新与就业之间的中介作用以及创新类型的调节作用及其在制造业和服务业中的表现差异。其次影响度较高的是Evangelista R在2012年发表的文章The impact of technological and organizational innovations on employment in European firms，被引率为38。他通过实证研究得出结论，技术创新通过提高企业的绩效对就业产生间接的正向影响，并且影响强度会因创新类型的不同存在差异，主要取决于产业之间的投入产出关系、劳动力市场结构、产品和工艺创新的相对比例、部门内和部门间的替代弹性以及需求和收入弹性。Evangelista等［24］将服务业引入研究中，提出了当前有待分析的问题，即技术和组织创新是为了降低生产成本、提高生产力，还是为了提高产品和服务的性能和质量内容？在服务业领域中，引进新技术带来的产品和过程创新并不一定能够代表企业的经济活动和创新活动，而在制造业中，过程创新所带来的对就业的消极作用是较为显著的。人工智能技术在制造业中发挥了较大的作用，主要表现为生产效率的提高，然而在服务业投入使用智能机器人还没有产生较为理想的效果，因为这一领域对人类的思维和意识有一定的要求，但目前的人工智能仅在程序性操作方面的运用较为广泛。

（3）发现并解释了人工智能技术进步带来的工资极化和结构性失业。排在第3位的是Autor于2013年发表的文章The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market，被引率为336。他提出以技能为导向的技术变革是导致工资不平等加剧的主要原因，并且提出了不平等演变的两个主要特征：一是按照技能水平划分，就业增长呈现U型；二是，在同一时期，工资增长呈U型。基于“鲍莫尔成本病”理论，Autor等［25］提出有两种力量驱动两极分化的程度，即消费者偏好和非中性技术进步。他认为专门从事常规性任务、密集型职业会：1）通过计算机技术取代工人；2）随着低技能劳动力重新配置到手工任务密集型的个人服务行业中，就业两极分化日益凸显；3）工资（名义）水平在职业技能划分的两端呈现出更大程度的增长趋势；4）由于商品生产中的抽象劳动和服务生产中的手工劳动需求上升，受教育程度较高和较低的劳动力需求都较大。人工智能对中等技能岗位的替代，使得这一部分就业人员朝着高技能和低技能岗位进行流动，从而形成了就业极化现象。与此同时，由于人工智能等技术进步存在创造和替代双重效应，对于不同行业来说，何种效应占据主导地位会对这一行业的劳动力需求产生影响，于是会出现一些岗位被替代而导致大量人员失业，还有一部分岗位空缺无人填补的现象，即结构性失业［26］。

（4）探索了人工智能技术进步对就业质量的影响及原因，并关注到人机协同效应。排在第4位的是AUTOR DH在2015年发表的文章Why Are There Still So Many Jobs?The History and Future of Workplace Automation，其被引率为257。在文献中，Autor等［26］将现阶段的人工智能技术水平看作是自动化技术的一种，说明现阶段人工智能技术还处于弱人工智能阶段，也就是说，人工智能的运用依旧仅限于生产和制造等处理程序化工作的环节。与他在2013年所发表的文章有相似的观点，即人工智能等技术进步会进一步加深就业的两极分化。他在这篇文献中提出，自动化不一定会减少就业总量，但会影响工作的质量。Autor等［23］认为，人工智能为代表的自动化技术与就业的关系受到三个因素的影响：第一，人机协同完成工作的工人会从自动化中直接受益，被机器人替代的工人会被淘汰；第二，劳动力供给弹性会减缓工资增长；第三，需求弹性可以抑制或者放大自动化的收益。虽然当前中等技能工作较易受到人工智能的影响，但就业极化不会无限期地持续下去。并且，由于技能结构的变化，人工智能也会带来工资的两极分化，能够进行人机协同完成任务的新型劳动者在未来会更有市场。

（5）观察和证实了人工智能技术进步带来的认知任务需求减少导致的由高技能对低技能劳动者的挤压造成的失业问题。排在第5位的是Beaudry在2016年发表的文章The Great Reversal in the Demand for Skill and Cognitive Tasks，被引频次为33。Beaudry等人［27］在其研究框架中证明，自从21世纪以来，认知任务的需求（与具有高水平教育的技能相关的需求）较过去一直在下降，这不仅会对更多熟练（即高技能）工人产生直接影响，并且也可能会对低技能工人产生较大影响。为了应对技术进步所带来的需求逆转，高技能工人可能会不得不转移到过去由低技能工人从事的工作中，从而导致低技能工人走向失业。在其所建立的模型中说明，由于当前处于对通用技术（GPT）投资的成熟阶段，认知任务的需求并不是停止了，而是变慢了。

5 研究趋势

人工智能技术的发展和运用再次引起人们对技术进步对就业影响的关注，随着技术研发不断取得突破，新的问题将会不断涌现。基于前文的研究现状、研究热点、以及发现的研究缺口，提出未来可能的十大研究趋势。

（1）人工智能对就业影响的“情景化”研究。现有关于技术进步以及人工智能技术进步对就业影响的理论大都基于西方情景，对我国的实证分析也大都是引进西方的相关理论进行分析和解释，缺乏我国现实情景下的理论分析框架和基于本土情景的理论构建。当前我国面临人口老龄化、产业转型升级、政府和法律强监管等现实情景因素，研究人工智能技术对就业的影响将为我国经济和劳动力市场的发展提供更有针对性的理论基础和分析框架。陈秋霖等人［11］引入人口老龄化背景研究人工智能的劳动力替代效应，结果显示人口老龄化对人工智能发展起到推动作用，人工智能技术与劳动力之间的替代效应体现为“补位式替代”，即对劳动力人口短缺的工作岗位代替人类完成任务。郭凯明［28］通过建立多部门动态一般均衡模型，研究人工智能对产业结构转型升级和劳动收入份额变动的影响，提出其影响方向根据产业部门的不同而存在差异，因而需要根据特定行业进行具体分析。综上，结合中国的具体情景对人工智能与就业的关系、影响机制和作用路径、影响效应展开研究，将为构建适用于我国本土情境的理论分析框架奠定基础。

（2）人工智能对就业影响的“异质化”研究。当前关于人工智能等技术进步对就业的影响在国内外学术界已经开展了大量研究，并且主要是从宏观视角下进行整体性分析。然而在人工智能对就业的影响结果上，学者们的观点存在较大差异。这说明，仅从宏观层面上分析技术创新对就业的影响会因情境偏差而导致研究结论失真。人工智能对就业的影响具有复杂性，涉及的领域广、影响范围大，但对于不同地区和行业来说，人工智能技术的发展水平和应用程度不同，会对不同区域、行业、职业、人群就业的数量、结构和质量产生不同的影响。因此，需要进一步对区域、行业或领域、职业、人群进行细分，以把握不同情境下人工智能影响就业的“异质性”。

（3）人工智能对就业的“重塑效应”研究。现有关于人工智能影响就业的文献中，大多关注到两种效应，即“替代效应”和“创造效应”，事实上，人工智能对就业的影响较前三次工业革命更加深刻和复杂，还有除上述两种效应外的其他效应值得深入探究。已有较多研究关注人工智能技术进步对就业数量和就业结构的影响。在就业数量方面，学术界通过理论和实证分析已经取得了一定的研究成果，形成一定的研究规模，然而在就业结构重塑方面还停留在理论探索阶段。与以往技术进步相比，人工智能技术对就业产生的重塑效应主要体现在，技术创新虽然替代人力劳动完成部分枯燥、繁琐的工作任务，然而并非剥夺了人类的工作机会，而是更好地激发人类从事体现人类价值的工作，从而引发就业结构重塑。当前世界各国普遍处于“弱人工智能阶段”，人工智能技术的运用更多地是为了将就业人员从过去繁琐、乏味、沉重的工作任务中解放出来，例如人工智能替代了翻译工作，过去负责繁重的翻译工作的人员将从事对智能设备翻译的内容进行审核、修改和完善。当前阶段需要针对人工智能对就业领域的替代程度进行界定、分析和测度，一方面梳理人工智能技术能够替代人类完成的工作类别，另一方面分析目前仅能由人类完成的工作任务，从而有助于厘清未来就业结构的重塑方向，以提高就业者的知识技能与工作岗位需求的匹配程度。综上，放在一个长期、全局视角，人工智能技术进步不仅不会造成人类的既有工作被取代，同时也会制造出足够多的新的就业机会，工作不是消失了，而是转变为了新的形式，未来的工作转变成何种形式？具有怎样的新的特征，值得深入研究。

（4）人机协同情景下的人机“共生关系”研究。在人工智能技术不断发展的过程中，呈现出新的发展趋势，即人机协作的工作模式。已有文献针对人工智能与就业的关系进行分析，但大多数研究中将人工智能与人类劳动者在工作中的角色相分离，将当前的工作任务分为两类，即人工智能可以替代人类完成的工作任务和现阶段仅能由人类完成的工作任务。但在现阶段人工智能技术发展水平下，人工智能作为一项通用型技术，对人类工作起到辅助作用，在与各行业融合的同时需要人类的参与加以完善。在未来技术不断取得突破中，“人机协作”不仅作为缓解就业压力的一项手段，而且为提升人类工作和生活质量奠定基础。综上，在人机共生情景下，人类和人工智能如何发挥各自的比较优势？人工智能下人机协作的工作特征、合作模式、形成机制、影响效应、管理变革等都是亟需研究的问题。

（5）人工智能下基于人类价值的就业质量提升研究。人工智能技术对就业的影响不仅体现在数量和结构方面，还会对就业质量产生影响。目前在对就业质量方面的研究，学者们大多数关注了收入的“两极化”现象，然而较多文献主要通过理论模型进行推演，实证研究较为缺乏。也有部分学者对人工智能替代人类完成的工作内容进行分类，周文斌［29］将其概括为三类，即简单重复性工作、危险性较大的工作以及强调精度和效率的工作。通过对人工智能能够完成的工作任务进行梳理，为探索人类特有价值及可从事的职务。此外，在人工智能代替人类完成较为繁琐的工作任务同时，推动人类从事更能够体现人类本身价值的工作。因此，在人工智能影响就业的过程中，需要对人的价值进行挖掘，以进一步改善人类劳动者的就业质量。

（6）人工智能下劳动者的知识技能转化研究。从前文关键词共现分析中发现，国外文献的十大关键词中已关注到劳动者“技能”问题，而在国内文献中还较为鲜见。在以往技术进步过程中，机械化生产使得工作任务不断细化，从而对劳动过程产生去技能化作用［30］。在人工智能时代，随着劳动力市场环境以及工作任务格局的变化，对劳动者知识技能需求也提出了新的要求。在人工智能技术的推动下，就业状态呈现“两极分化”现象，大量制造行业中具有重复性、精确性、常规性等特征的工作任务被智能机器替代。然而服务行业较多岗位中仍然有许多人工智能无法替代的技能要求，智能机器在当前无法替代人类的人际沟通、审美等来完成相应工作，如餐饮、美容美发、个人护理等行业，这类岗位较多需要凭借人类肢体灵活性以及情感交流来完成。并且，“人机协同”的工作模式是当前人工智能发展的一大趋势，各类岗位的人类工作者需要更加体现“综合素质”的知识技能，如人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力、人际沟通能力、基于人自身的情感与他人互动的能力以及创造性思维。人工智能技术发展过程中带来了工作知识技能的转换和迁移，对其展开研究能够发现人类未来的发展方向以及有效应对失业问题。综上，人工智能下各职业的劳动者应该具备什么样的知识技能？如何推动劳动者的知识技能转换成为重要的研究议题。

（7）人工智能下的就业心理的研究。技术进步在对就业产生影响的同时，也会对就业人员的心理带来一定程度的影响。当前较多文献对新技术与就业之间的关系进行分析，然而在人类就业者对人工智能等技术进步带来劳动力市场变化的心理反应方面的研究存在较大缺口。从消极方面来看，由于人工智能对大量重复性、繁琐性工作任务的替代，从事这一岗位的劳动者会存在对“机器换人”的焦虑心理。并且，新技术推动了整个劳动力市场技能要求的变化，人类劳动者将需要对自身从业能力进行重新界定，从而会产生对参与培训所耗费的时间成本的担忧。从积极方面来看，人工智能技术创造出一些新的产业和岗位，为人类开辟了新的就业空间，理论上对就业人员的焦虑心理具有一定的补偿作用。此外，在不同的人工智能技术进步阶段，对于不同人群来说，人工智能对就业产生的影响带来的心理变化也相应呈现不同趋势。因此，从宏观层面整体角度分析人工智能下的社会心理恐慌及发展趋势，从微观层面掌握企业员工在“机器换人”下的心理恐慌、在人工智能下的心理状态、意愿、行为以及人机协同工作下的心理问题，并从宏微观层面尽早提出调适和疏解的应对措施，显得十分必要。

（8）人工智能在就业领域的伦理道德研究。对人工智能伦理道德展开研究能够推动人工智能技术朝着健康、积极的方向发展，使其符合人类社会道德和价值观念［31］。现有学者将人工智能水平划分为“强人工智能阶段”“弱人工智能阶段”和“超人工智能”，当前世界各国的人工智能发展水平普遍处于“弱人工智能阶段”，人工智能技术主要在人类社会整体运作中起辅助和服务人类的作用。然而，随着技术进步的不断推进，逐步达到“强人工智能阶段”，人工智能的先进程度逐步达到人类水平，将会涉及包括人格认可、法律责任和义务等与伦理道德相关的一系列问题。从技术进步中受益，对人工智能伦理道德主题进行分析，对于梳理在未来人工智能与就业的关系起到重要作用。因此要重视人工智能在就业领域的伦理道德研究，包括人类被机器“吞噬性替代”下的社会保障、工作转换问题，人机协同工作时的安全、心理健康问题，人工智能带来的安全和隐私威胁问题。

（9）基于产业与就业动态匹配的应对政策研究。在世界各国对于人工智能的重视程度逐渐加深的同时，催生了对于相关制度政策的需求［32］。面对人工智能技术快速发展及其所带来的就业风险、伦理风险、社会风险等方面的问题，需要通过制定政策和法律来加以协调和控制［33］。各国政策制定机构根据其人工智能发展程度及产业发展方向，制定了相应的应对措施。德国在《保障德国制造业的未来：关于实施“工业4.0”战略的建议》中提出将人力与机器结合，实现制造业领域的智能化生产。在此基础上，我国相继制定了《中国制造2025》，旨在将人工智能技术与我国制造业相融合，提升我国制造业的国际地位。日本提出的“社会5.0”构念，强调在人工智能技术迅速发展的背景下关注人类社会问题，认为人工智能应该服务于人类社会。总之，当前关于制度政策下人工智能发展应对方面的研究主要集中在两个方面，一是对政策文件的计量分析，以分析政策走向；二是政策的国际比较研究，以提供经验借鉴。然而现出台及研究的大部分制度政策，是促进人工智能产业发展、人工智能与实体经济的融合政策，但如何实现人工智能产业与就业的动态匹配以及如何应对人工智能发展给就业带来的负面冲击方面的研究还有很大空间。

（10）人工智能与就业关系的跨学科交叉研究。已有的经典经济学和管理学理论为研究人工智能与就业关系以及人工智能对就业影响提供了重要的理论基础和分析框架，然而人工智能技术的发展带来了新的就业领域问题需要新的研究理论和视角进行阐述和论证，如人工智能的哲学、法律和伦理、新的人机协同的工作模式等，需要结合更多其他学科，如计算机科学、认知科学、脑科学、哲学、社会学、法学、心理学、伦理学等跨学科理论进行分析。人工智能技术因其应用领域广泛而具有较大发展和研究潜力，并且影响范围较大，包括金融、医疗、制造、零售、供应链、物流和公用事业等行业，这些行业中的许多工作都会受到人工智能技术的影响，降低甚至完全不再需要人力劳动。当前学术界对人工智能技术的关注领域涉及科学和技术、商业和管理、艺术、人文和法律，以及政府或公共部门。针对各领域人工智能技术的发展，分析人工智能带来的机会和挑战，为处于不同专业的学者进行合作和沟通奠定基础。因此，在人工智能对就业影响研究中纳入多学科理论体系，产生新的研究视角，开展多学科交叉融合研究，进行跨学科组合研究正在成为趋势。

6 结论与展望

本文通过运用Citespace软件进行文献计量可视化分析，对CNKI和WOS数据库中近十年内人工智能影响就业相关文献绘制知识图谱，根据核心国家、相关机构、关键词共现和聚类，以及重点文献分析，厘清人工智能影响就业领域近期的研究源起、现状、热点和发展趋势，得出以下结论：

（1）欧美国家研究体系较为成熟，国际联系密切度较低。当前对人工智能影响就业主题的研究较为广泛的地区主要是欧美国家，各国间联系较松散。其中相对形成一定规模的国家是美国，其次是德国、荷兰和意大利。我国当前对这一主题的研究还处于初步探索阶段，理论基础有待完善，在国际期刊上发表的文献数量较少，还未在国际学术界产生一定的影响力。从各国的联系程度来看，德国与荷兰、中国与澳大利亚、美国与英国的学者在研究这一领域的问题中存在合作关系，然而总体来看各国学术界缺乏跨国学术交流且联系对象较为单一，研究者们有待根据不同情境和劳动力市场对人工智能与就业的关系开展合作研究。

（2）经管类研究机构关注度较高，缺乏多学科领域合作。在研究机构方面，无论是国内还是国外，有关人工智能与就业关系主题的文献主要来自于高校的经管学院或财政相关机构，且研究视角较为单一。从以往技术进步与就业的相关议题来看，人工智能作为一项新技术需要借鉴前人的理论或文献对劳动力市场就业的影响进行分析。过去文献中主要运用经济学和管理学理论阐述人工智能对就业的影响，然而当前有学者提出“奇点”这一概念，突出人工智能与以往新技术的不同之处，除了经济和管理领域外，将还会涉及计算机科学、认知科学、脑科学、哲学、社会学、法学、心理学、伦理学等较多其他学科，从而产生更加复杂的研究问题。

（3）就业极化和收入极化成为学术界重要的研究视角。对关键节点文献的分析中，主要提炼出了目前学术界广泛认同且较常作为研究切入点的观点和理论。人工智能会带来两个方面的不平等，一是就业极化，中等技能的工作存在较大的被替代风险，而低技能工作和高技能工作对人力劳动的需求相对来说存在一定的上升趋势，其中既包括技能结构受到新技术的冲击而产生重塑现象，也涵盖了人工智能技术的引进创造出新的工作任务以增加对人类就业者的需求。二是收入极化，不同阶层的收入水平与其所从事的工作特性相对应，中等收入阶层对应的事务性工作，即中等技能工作，被人工智能技术广泛替代，使得人类劳动者更多向低收入阶层、少部分向高收入阶层流动，从而导致收入极化现象。并且，在高技能型人才的需求不断扩大而低技能人力劳动的需求增长缓慢的作用下，进一步加剧了收入不平等性。

（4）当前研究热点有待进一步展开，新的研究方向逐渐受到重视。关键词的分析展现了当前的研究前沿、热点和趋势。国际研究中关键词的频次与中心性的排名较为接近，已经显示出较为明确的重点研究领域和方向；我国当前的研究还处于初级阶段，学者们的研究倾向和领域内重要研究议题的匹配度有待完善。根据关键词的聚类以及时区图中关键词的时间变化，过去几年所关注的技术进步、数字化转型、工作时长等主题在当前仍然作为研究人工智能对就业影响的重要视角，并且在未来的研究中需要进一步厘清其中的变化过程和影响因素。在近些年来，学者们也针对常规性结构变化角度，进一步探讨微观层面下人工智能技术对就业影响的研究，为未来的实践和政策分析奠定基础。

（5）人工智能对就业影响研究方兴未艾，十大研究趋势需要把握。人工智能不仅是一次技术层面的革命，未来它必将与重大的社会经济变革、教育变革、思想变革、文化变革同步，对人类就业产生重大的影响，以下趋势需要把握，开展深入研究：人工智能对就业影响的“情景化”研究、人工智能对就业影响的“异质化”研究、人工智能对就业的“重塑效应”研究、人机协同情景下的人机“共生关系”研究、人工智能下基于人类价值的就业质量研究、人工智能下劳动者的知识技能转化研究、人工智能下的就业心理的研究、人工智能在就业领域的伦理道德研究、基于产业与就业动态匹配的应对政策研究、人工智能与就业关系的跨学科交叉研究。