工作任务视域下技能需求变迁与技能人才培养

刘 兰，任先平

(1.江汉大学 a.商学院;b.智能制造学院，武汉 430056；2.武汉城市圈制造业发展研究中心，武汉 430056)

人工智能作为第四次工业革命的核心引擎，具有溢出带动性很强的“头雁”效应，正在重构生产、分配、交换及消费等经济活动各环节，并冲击着人类劳动的格局和就业模式，重塑工作及工作所要求具有的技能。很多国家的劳动力市场出现工作极化现象，即高工资、高技能的岗位和低工资、低技能的岗位在增加，中间技能的工作岗位在减少。大量传统工作岗位消失，新的就业形态和就业模式不断涌现，职业迭代加速。2019年以来，我国人力资源和社会保障部多次向社会发布或公示新职业信息，如智能制造工程技术人员、数据标注员等。技术的巨变带来工作内容和工作方式的变化，对劳动技能需求和技能人才培养产生深刻的影响。研究人工智能背景下工作任务的变迁，以及新型职业和工作岗位的技能需求，不断革新教育体系和学习方式，实现人工智能发展、技能升级和高质量就业的协调发展，是我国当前和未来一段时期内的主要任务。

一、文献回顾

学术界关于技术进步对就业影响的研究由来已久。技术进步往往会提高劳动生产率，从而替代部分劳动，在消灭一些工作岗位的同时，又会通过资本化效应创造就业机会(Aghion & Howitt, 1994；Acemoglu等，2018)，[1—2]对劳动力市场就业产生负向的替代效应和正向的创造效应。技术进步不仅会影响就业总量，也会带来劳动力需求结构的调整，改变工作方式和工作岗位的技能需求，对不同技能劳动力产生不对称的影响。[3]

在经济发展的初期，工业革命引致机器工业的大发展，现代化机器大生产和流水线替代了工场手工业时代的手工作坊和技术工人，新技术与技能表现出相互替代的特征(Goldin & Katz, 1998)，[4]始于1811年的卢德运动就反映了工人对于“机器排斥人”的恐慌。20世纪70年代以后，随着各国人力资本积累水平的提高、信息通信技术(ICT)的发展、技术进步日益复杂化、高级化，对劳动力素质和技能水平提出了更高的要求，越来越表现出与技能互补的技能偏向性特征。以Acemoglu为代表的学者按照受教育程度将劳动力分为高技能与低技能型，认为技能偏向性技术进步(SBTC) 导致了高技能劳动力对低技能劳动力的不断替代，是造成劳动力市场中就业和收入结构变化的主要原因(Acemoglu，2002等)。[5]然而近年来，随着工业机器人、人工智能等技术的发展，技能—就业量曲线呈U型分布，中等技能、中等收入的工作岗位逐渐减少，高技能和低技能的工作岗位不断增加，劳动力市场出现就业极化现象(Goos & Manning, 2003；Autor et al., 2006)。[6—7]很多学者认为技能偏向性技术进步理论没有充分考虑工作任务所起的作用，并不能很好地解释就业极化现象，将视角转移到更微观的任务内容，将工作内容分为程序化(routine，又称为常规性)与非程序化不同任务类型，以分析劳动力市场技能需求结构与工资结构特征。

奥托等(Autor, Levy & Murnane, 2003)提出的ALM 模型是研究人工智能和自动化对就业影响的基准模型，[8]该文认为工作内容是劳动力生产过程中所有活动的组合，不同的工作内容需要劳动力使用不同的技能去完成。根据任务要求和技能高低将具体工作任务内容分为程序化认知型、程序化操作型、非程序化认知型、非程序化操作型及非程序化互动型五种类型。Acemoglu & Autor(2011)和Autor(2013)等认为任务是生产过程的最终目标，技能是劳动者的禀赋，两者之间是一一映射关系，任务与技能可能存在错位，利用技能和任务的动态匹配关系来分析就业极化现象的产生原因。[9—10]Frey和Osborne(2013)对ALM模型进行了拓展，[11]认为非程式化任务需要高技能劳动和低技能劳动的共同投入，自动化对于高技能劳动者的作用将是不确定的，并根据O*NET数据库，估计了美国702种职业将来被计算机替代的可能性，发现美国47%的岗位存在被高度计算机化的风险。Arntz，Gregory和Zierahn(2016)认为人工智能替代的不是整个职业，而是职业中的部分工作任务。[12]他们考虑了工人职位间任务的异质性，利用PIACC数据库估计了OECD国家自动化的份额，根据人们在工作场所实际执行的任务清单，发现用工作任务为单位计算其被自动化的风险，相比大部分基于职位的方法的研究结果要小得多。

近年来很多研究发现中国劳动力市场也出现了就业极化的现象(如吕世斌和张世伟，2015；屈小博和程杰，2015；郝楠，2016)，并开始从工作任务的角度研究劳动力市场的就业变动。[13—15]都阳等(2017)对中国城市劳动力的工作任务分布进行描绘，发现常规型任务的分布曲线正在向右移动，同时常规认知型任务被资本替代的趋势初露端倪。[16]邱子童(2019)认为人工智能背景下，劳动者技能需求经历了从去技能化到再技能化的转型。[17]孙文凯等(2018)指出我国常规性工作的就业比例较高，人工智能技术大规模普及将会对我国劳动力市场造成较大冲击。[18]袁玉芝和杜育红(2019)采用美国职业信息网络数据，结合1982—2010年的中国人口普查数据，发现我国劳动力市场对非程序性认知技能、非程序性非认知技能的需求不断上升。[19]王奕俊和杨悠然(2020)在原本由程式化认知技能主导的会计职业中，非程式化认知技能与交互技能的需求在逐渐扩大并加速增长。[20]

工作任务是基本的生产单元，是颗粒度更加精细的就业。任何职业/岗位都可以细分成一个或多个工作任务，劳动者需要一套技能来完成工作中不同的任务模块。随着人工智能的发展，职业被替代率由工作任务的自动化程度决定。与此同时，人工智能正在导致劳动力市场工作任务性质和所需技能的重大转变，也对技能人才的培养提出了新要求。本文以上述研究成果为基础，从工作任务的视角出发，探讨人工智能背景下工作任务的变迁，以及新型工作任务的技能需求，以期从更微观的层面捕捉技术进步与不同技能劳动的互动机制，从更丰富的维度探讨人工智能对劳动力技能需求的影响，并对我国技能人才培养提出有针对性的建议。

二、人工智能背景下工作任务的变迁

第一次技术革命(蒸汽机的发明)实现了自动化的开端；第二次技术革命(电力和内燃机的使用)提升了自动化水平；第三次技术革命(计算机与互联网的使用)拓宽了自动化领域，它们都不同程度地将劳动者从繁重、枯燥、重复、低效的劳动中解放出来。与以前的自动化浪潮相比，人工智能具有广泛渗透性、数据驱动性、系统智能化等特征，变革的速度、规模和深度更快，对劳动力市场的冲击涉及面更广，对工作任务的替代和互补也呈现出新的特征。

(一)工作任务的替代

人工智能的发展降低了自动化的成本，从而引起机器对岗位中的某些任务模块的替代。然而大部分职业都包含着或多或少尚不能被自动化的工作任务，因此人工智能对不同职业和不同技能劳动力的替代效应不同。

1.程式化工作逐渐被替代

随着自动化和人工智能的出现，机器的计算能力、适应能力和认知能力不断提高，将取代大部分重复性的、程序化、标准化的工作任务。程式化工作通常在单一或固定化的环境和模式中进行，所需要的思维和行动很容易被清晰规划和编码成计算机语言，从而容易受到自动化和人工智能的影响。被替代的程式化工作可以是操作性的体力劳动，也可以是认知性脑力劳动。例如 “机器人+物联网”的完整生产线的效率高、成本低、危险系数小，能替代越来越多的程式化操作性工作(如操作焊接机、配送商品、操作叉式升降机等)。随着无人驾驶汽车、无人分拣中心和无人超市的出现，制造业和零售业中的很多按照固定规则进行的工作被机器替代。另外，处理工资单或账务等工作属于程式化认知性任务，与之相关的行政、会计、办公室文员等职业也会受到人工智能的冲击。

2.不是所有的非程式化任务都是安全的

根据智能水平的高低，人工智能可分为弱人工智能、强人工智能和超人工智能。我们目前处于弱人工智能阶段，智能化设备以图像识别和翻译、机器学习、语音识别、自然语言处理等技术为基础，主要处理特定领域内重复性、逻辑性的任务，对劳动力的替代主要限制在基于明确规则的操作和认知任务上。[21]但在强人工智能和超人工智能阶段，机器将拥有强大的自主学习和自主决策能力，机器学习的发展将使得很多难以被分解或编码成计算机语言的非程式化工作(比如写作、谱曲等)以创新性的方式自动化，转变成程式性工作。

(二)工作任务的互补

人工智能不仅在扩展边际运行(降低生产成本，导致机器取代部分以前由人工完成的任务)，也会在集约边际上运行(提高机器的生产率，产生生产率效应，扩大对劳动力的需求)，从而形成生产任务的互补。[22]

生产率效应可能表现为一个正在进行自动化的部门对劳动力需求增加，也可能表现为非自动化部门对劳动力的需求增加。一方面，自动化程度提高增加了对资本的需求，引发资本积累，由于资本技能互补效应，使用、运行和监控新机器所必需的工作和任务也将有互补性的增长。智能制造催生了大批数字化车间、智能工厂、智能化装备产品，直接带来了对专业数字技术人才需求量的增长。根据《中国劳动力市场缺口研究》，我国芯片设计师、数据分析师、逻辑架构师、机器人制造等职位都处于人才紧缺状态。另一方面，随着技术进步和生产任务自动化，会带来成本下降和生产率增长，较低的价格和较高的生产率会导致经济中可支配收入的普遍增加。随着收入增加人们对非自动化岗位和一般性工作岗位劳动力的需求也会增加。例如老龄化社会对医疗服务需求、基础设施和能源投入的增加等趋势加大了对劳动力的需求。

(三)工作任务的拓展

人工智能的发展将刺激新兴创新市场活力，引致一批以人工智能为主导技术的产业兴起，催生消费结构升级，为市场提供新产品和新服务。另外，依托大数据信息和互联网平台，人工智能可以动态匹配并时时共享劳动力市场供求信息，降低劳动力供求双方由于信息不充分带来的交易成本，创造更为灵活的用工方式。工作任务不再像以往的就业那样受到严格的时空限制，而具有更好的流动性和更强的可交易性，衍生出很多就业的新模式、新业态。《2019中国独角兽企业发展报告》显示，中国独角兽企业榜(蚂蚁金服、今日头条、饿了么、口碑、陆金所等)中估值位于前列的企业中有多家采用平台模式运营。这些以互联网为载体的平台企业(如阿里巴巴、阅文书写等在线购物和数字文化平台)蓬勃发展，正在冲击传统就业模式，带来更多灵活的工作岗位。

三、人工智能背景下劳动力技能需求的变化

人工智能在引发工作任务变迁的同时，也引起了工作任务性质和技能需求的重大转变。如果劳动者不能及时学习和满足新的技能要求，很容易被原有的工作岗位所淘汰，并错失向新岗位转移的机会。

(一)从低阶认知能力向高阶认知能力转变

布鲁姆的教育目标分类理论将人的认知思维过程分为六个层次(记忆、理解、应用、分析、评价和创造)，而国际成人能力评估项目(PIAAC)中的成人技能调查(SAS)将具体的认知技能分为读写能力、计算能力、高技术环境问题解决能力、信息与通信技术技能及科技、工程与数学能力五个部分。总的来看，低阶认知能力是指用于学习事实性知识或完成简单任务的能力，是较低层次的认知水平；高阶认知能力则超越简单的记忆和信息检索，是一种以高层次认知水平为主的综合性能力。

人工智能时代，记忆、复述、再现等低阶认知思维技能由于可重复和编码，将更多地被机器代替，其重要性不断下降，而拥有高阶认知技能的劳动力会更多地从技术冲击中获益。首先，拥有特定专业技能(尤其是数字技能)的劳动力更能获得高端就业机会。[23]国内主要招聘网站的数据显示，近几年雇主对求职者数字技能，如C/C++、Java、Python、Java-script、SQL等各种编程语言的使用与数据分析技能等需求大幅上升。其次，劳动者将在高复杂性的分析决策行为中发挥更大作用。人工智能只能在局部领域代替劳动者进行简单分析决策活动，当面临整体问题和复杂问题的分析决策时，仍需要劳动者发挥人的主体思维优势，进行信息加工、逻辑推理和独立思考。[24]例如人工智能提供疾病诊疗支持，可以节省医生在症状分析上花费的时间，但还是需要人类医生再次判断才能给出诊断结论，以确保患者的健康和个人需求。

(二)非认知技能重要性凸显

非认知技能也称作软技能，是指在与人交往和参与活动时所表现出来的行为技能，如合作意识、适应能力、沟通能力及社交能力等不能完全通过教育测度的人格特征。

尽管人工智能和机器人的学习能力正在逐渐扩大，在思考速度和精确性上也比人更具有优势，但总会有一些任务是技术难以复制的。比如沟通活动往往建立在复杂的社会关系网络的基础上，主要基于隐性知识，如情感态度、生活经验、价值观，而这些隐性知识很难被人工智能的逻辑思维理解，在复杂场景下的沟通活动仍然需要劳动者亲力亲为。与人工智能和机器人相比，人类在许多领域仍然保持比较优势。

面对密集的技术变革、复杂的工作环境和更加密切的人际交往需求，劳动者的非认知能力越来越受到市场的重视。工作极化的背景下，低技能端的非程式化工作(如护工、清洁工和快餐店员工)虽然看似简单，但需要运用常识对情景进行灵活判断，并进行情景交互，机器人很难复制这些技能与工人展开竞争。在高技能端，从业者如律师、科学家、管理人员等，需要与利益相关方沟通、运用专业知识进行决策和规划，机器往往也难以胜任。

(三)从单一技能向技能组合转变

随着快速的科技革命和产业变革，传统行业之间的界限和工作角色界限逐渐模糊，许多工作会被改造成新的形式，劳动者的工作任务不再确定，跨岗位、跨职业、跨行业现象将日趋增多，并出现越来越多的出乎意料的技能组合，不同技能类型组合所带来的回报会持续增加。

随着人工智能的不断发展，“人机协同”工作将成为未来社会重要的发展趋势，人类需要提升人机交互和协作的能力和效率。如同现在低技能劳动力需要掌握一定的阅读和基本数学技能一样，未来相关专业技术领域的工作者也需要掌握新型技能，需要对人工智能技术的使用价值和应用案例进行一般性了解。很多工作岗位除了要求劳动者具有专业技术能力(了解和掌握产品的设计、生产实施、销售维修、节能环保等)之外，还要求劳动力具有多学科的知识背景，如市场营销、沟通协调、统计决策、处理复杂工作任务等综合职业能力。例如，随着传统制造业的升级和智能制造的发展，项目管理、产品运营等“技术+管理”类技能的需求呈现出明显的上升趋势。高端服务业也往往涉及多类型任务的执行，比如教师要求精通网页设计，精算师要求擅长大数据分析，营销专业人员会被要求编写计算程序等。

(四)从阶段性学习向终身学习转变

与以往的技术革命相比，人工智能在变革的速度、规模和深度上更快，所需的技术种类也在快速变化。在过去，技术进步导致的技能需求的转变需要用几个世纪的时间才能展现出来；而在人工智能时代，技术进步似乎要求人们一夜之间具有新技能。《世界发展报告(2019)》指出，当前的许多小学生在成人后将从事今天根本不存在的工作，人们很难预测将来哪些工作需要的技能将被淘汰，哪些工作需要的技能会迅速发展。[25]

学校教育在知识和技能传授的时效性和质量上都存在着一定的局限，通常会滞后于社会环境变动，重大的技能再调整往往发生在义务教育和正式工作之外的领域中。面对新技术、新模式、新业态及新分工下的职业内容与技能需求的变动，劳动者在整个职业生涯中要不断地接受教育和学习，从阶段性学习向终身学习转变，不断更新知识和技能，善于分享、跨界整合，才能适应工作性质的持续变革，顺利地从一项任务过渡到另一项任务，从一个职业过渡到另一个职业。

四、我国技能人才培养模式的变革与应对

为使未来劳动力更加适应工作任务的变化，与技术发展和经济社会需求更加匹配，我国各层次教育和培训体系需要对人才培养做定向调整，革新教育体系和学习方式，着力培养具有适应力、创造力和终身学习能力的劳动者。

(一)测度技能供需水平变化

加快研究新型职业和工作岗位的技能需求，增加劳动力市场技能供给与需求之间的匹配度，都离不开相应的数据支持。中国已经有着越来越完善的数据搜集与统计工作，但是这些数据的数量有限，使用机制还非常不成熟，需求监测与供给监测不能有效对接，数据不能充分发挥对决策的支持服务作用，也影响着相应政策研究的有效运行。

需要对职业与技能进行详尽的描述，例如美国的职业名称大典(简称DOT)以及职业信息网络(简称O*NET)都对每个职业的详细特征进行了描述。OECD的“国际成人能力测评项目”(PIAAC)、欧盟的“欧洲技能和就业调查”(ESJS)、世界劳工组织的“从学校到工作的过渡调查”(SWTS)和世界银行的“面向就业和生产的技能调查”(STEP)等等。我国可以借鉴国外相关研究方法，由第三方负责监督，开展针对劳动者的直接调查，获取工作任务相关信息，对职业及从事相关职业的劳动者进行进一步归类，不断健全职业分类体系和职业技能标准体系，以准确测度中国劳动力市场技能供需的变化。

(二)构建数字技能、创新创造、人际交往相结合的人才培养体系

构建数字技能、创新创造、人际交往相结合的人才培养体系，加强培养学生的数字专业技能和通用能力。具体而言，可以通过几种方式着手：(1)逐步改变过于偏重知识灌输的教学模式，强调以“学生为中心”的教育理念，注重培养学生思维能力。具体而言，可以采用以下教学方法：游戏化教学法，使儿童在游戏活动和玩耍中，通过积极思考和社会互动找到学习的意义。与计算机有关的教学方法，例如，使用编程工具和平台学校设置编程、机器人、网站设计和动画等课程讲授技术技能，通过在线教育、编码游戏等培养创新技能、技术技能。体验式教学法，即基于项目的学习和基于探究的学习，将内容集成到实际应用。多元文化教学法，不同背景的学习者开展合作学习，并将学习与文化意识联系起来，建立平等的师生关系，创设协作、竞争和互助的同伴关系，培养学生的人际交往能力。(2)转变教学内容，将通用数字技能融入学校课程。全面推行STEM 教育，加强科学、技术、工程及数学等学科之间的相互联系，推进各级教育与人工智能深度融合。[26](3)增强校企合作和相关技术技能比赛，通过学校与企业合作，集训营、校企共建课程等方式培养高端人才；国家相关部门举办以赛促学，促进学生数字专业技能的发展。

(三)动态调整各层次各类型学校教育的方式和重点

更高教育质量，更具选拔性的教育体系会提高劳动力市场的技能匹配效率。要顺应人工智能技术发展趋势，及时调整学前教育、基础教育、职业教育和普通高等教育等各层次各类型学校教育的方式和重点。

首先，我们需要为儿童提供高质量的早期教育，对儿童生命早期的营养、健康、社会保障和教育进行投资。优质的早期教育能强化儿童执行能力(比如工作记忆、变通性思维能力和自制力)，将儿童导入更加有效的学习轨道，为他们未来获得高阶认知技能和软技能奠定了坚实的基础。其次，分类推进职业教育发展。人工智能发展会对某些特定职业技能形成冲击，但职业教育能促进个人实现就业并快速适应对口的工作岗位，能满足技术技能的即时需求，因此人工智能时代职业教育依然重要，但应把握职业替代规律，分类推进职业教育发展。极化背景下，中等职业教育的生存空间未来会变窄，可以集中力量办少而精、优质而有特色的中等职业教育，重点面向低技术技能需求的服务行业(如学前教育、护理、养老服务、健康服务等)培养人才。提高高等职业教育专业与人工智能产业的契合度，推动教育层次整体上移，实现普职融通等。[27]第三，适当调整普通高等教育的人才培养的方式和重点。工作任务的变迁提高了高等教育的吸引力，要加快设置和发展人工智能相关专业，培养引领未来人工智能发展的专业性人才。同时在高等教育中纳入更多的通识教育，着重培养学生的批判性思维能力、创造性能力和领导能力，有效地塑造大学生的可迁移高阶认知技能和社会行为技能。

(四)构建覆盖整个工龄阶段的终身学习生态圈

有效的成人教育有助于防止技能贬值，并能帮助工人从衰落的职位和部门转移到正在拓展的职位和部门。应建立覆盖整个工龄阶段的“终身学习生态圈”，将传统的教育体系发展为终身学习体系，使劳动力能适应不断变化的技能需求。

首先，对成人教育项目进行彻底改革，拓展覆盖面，提高成人教育质量，并积极推进远程教育，继续教育从以学历教育为主向非学历教育转变。其次，大力发展数字化终身教育。借助数字化信息的精准匹配和互联网平台的远程教育手段，构建覆盖职业生涯全过程的终身学习服务体系，畅通继续教育、终身学习通道，开发一批大规模在线开放课程平台，促进优质教育资源向社会开放、共享，方便劳动者随时随地利用碎片化时间学习。另外，由于缺乏动机、时间、金钱或雇主的支持，往往最需要培训的劳动力群体(包括低技能、较年长的成人、失业者和非正规职业劳动者)参与培训的比例最低，可以由利益攸关方根据获得的利益共同承担资金，为这部分特定人群提供相应的数字素养培训和职业技能培训，协助其转岗就业，让他们参与数字经济，分享人工智能红利。