人工智能应用对制造企业员工心理健康的影响

马继迁 李肖肖 张宏如

[摘要]人工智能在制造业的广泛应用，推动企业快速转型升级，同时给企业员工带来巨大冲击。利用中国劳动力动态调查（CLDS2018）数据，考查了人工智能应用对制造企业员工心理健康的影响。研究发现，人工智能对制造企业员工心理健康产生显著的积极影响，人工智能被制造企业应用后，员工的心理健康状况大为改善。进一步检验表明，人工智能通过改善工作环境提升员工的心理健康状况。人工智能对在车间工作员工、90后员工心理健康的影响更为明显。基于上述发现，提出充分认识人工智能的心理健康改善效应、有效引导环境较差企业应用人工智能技术、大力推动制造企业“智改数转”进程等政策启示。

[关键词]人工智能；企业员工；心理健康；工作环境；智改数转

一、 引言

人工智能作为新一轮产业变革的核心驱动力，已成为推进经济高质量发展的重要引擎。党的二十大报告指出要加快建设制造强国、质量强国，推动制造业高端化、智能化、绿色化发展。我国是制造业大国，要实现制造强国，智能制造是必然选择。根据头豹研究院发布的《2021年中国智能制造行业产业链研究报告》1，2020年中国智能制造行业市场规模达2.7万亿元，预计2025年中国智能制造行业市场规模将达5.3万亿元。人工智能技术快速渗透于制造业，成为制造企业转型升级的重要驱动力。随着人工智能的大规模应用，制造企业快速“智改数转”，结构性失业成为随之而来的突出社会问题。出于对“机器换人”的担忧，员工会产生焦虑与恐慌心理，这影响了员工身心健康，也容易诱发企业劳动纠纷，不利于企业发展与社会稳定。

人工智能应用对就业岗位的替代效应显而易见，但其创造效应依然存在。从历史上看，技术进步会创造新的行业和领域，并刺激新的工作岗位产生。已有研究发现，人工智能虽然在一定程度上替代了部分劳动岗位，但同时也会提高难以被自动化替代的劳动岗位需求[1]。伴随着智能机器的使用，岗位的减少抑或新岗位的出现，都意味着员工的工作环境发生变化，包括自然环境和人文环境。根据资源依存理论，工作环境的改变会触发个体产生消极或积极情绪[2]。人工智能生产系统的使用减轻了工作人员的工作负荷，让他们有更多的时间去开展主动性和创造性的工作，给员工心理带来幸福感等积极情绪。

由此可见，人工智能应用对制造企业员工心理健康产生一定的影响。那么，人工智能应用于制造企业后是如何影响员工心理健康的？这种影响是消极还是积极的？如果人工智能的应用对员工的心理有重要影响，那么该影响的发生机制是什么？这种影响是否因工作场所、年龄等因素而有所差异？为回答上述问题，本文拟使用中国劳动力动态调查（CLDS）数据来进行相应研究。

二、 文献回顾

1. 制造企业员工心理健康状况及其影响因素

1989年联合国世界卫生组织（WHO）对健康作了新的定义：“健康不仅是没有疾病，而且包括躯体健康、心理健康、社会适应良好和道德健康。”[3]此后心理健康议题成为学术热点，企业员工的心理健康问题广受关注。员工工作压力大或者人际关系不良，可能导致工作事故增加、工作效率下降，将直接或间接影响到雇主收入。雇主为了利益最大化，会有意识地满足员工的心理需求。调查表明，自21世纪以来我国大约有86.7%的人都不同程度地患有心理问题，主要表现为抑郁、焦虑、心理紧张等，重者在一定程度上影响到了正常的交往、工作以及人际关系，其中30%左右的人会发展为各种心理疾病乃至精神疾病，仅仅抑郁症患者就达到17%1。刘华山[4]认为心理健康是在一种持续的心理状态下，能够有效发挥个人的身心潜能和社会的积极功能。有学者指出，我国心理健康状况有待提高，不论是心理健康服务体系还是从业人员，数量和素质上都难以满足我国社会和民众对心理健康的需求[5]。

Gavin[6]认为企业员工在不同工作环境下心理健康状况会有所不同，在工作过程中，公平的奖励制度、信任和对员工的关注程度更有益于员工心理健康。Warr[7]提出了9个影响心理健康的因素，其中，机会、物理安全和社会地位是最重要的因素。周晓琴[8]认为文化程度是影响员工心理问题的重要因素，这种差异在中高度心理问题上表现显著。刘晋洪[9]通过对深圳市外来务工员工心理健康的研究发现，不同年龄段的人心理问题会有所不同，其中18—35岁的人群心理健康状况较差。在远离家乡和缺少亲人支持的情况下，不良的工作环境、繁忙的工作状态、不公平的工资待遇、复杂的人际关系等均给他们的心理健康带来影响，严重的会引起心理疾病。郭丽娟[10]认为，企业员工长期从事生产一线操作、家庭与人际关系紧张、经历过安全事故等因素，都会对心理健康产生影响。

2. 人工智能应用对制造企业员工心理健康的影响

近年来，数智化技术俨然成为推动生产与生活关系变革的新动能，引起学者们广泛关注。劳动力短缺导致用工成本上升的背景下，智能技术在制造业中被广泛应用，智能技术与制造业的深度融合成为新时代一大趋势。学术界试图回答这种趋势如何影响到员工心理健康的问题时缺乏敏锐度，尚未达成一致结论。

悲观派学者从劳资关系角度分析人工智能与制造业融合对员工心理健康的影响，他们认为制造业智能化将通过替代工作岗位和去技能化，减少员工的就业机会与工资议价能力，这将对员工的心理健康产生负面影响。在劳动力短缺的背景下，智能化改造是一种企业利用新兴技术形成的资本替代劳动力、削弱劳动力议价能力、降低劳动力成本的发展战略。相较于发达国家，我国制造业中的低技能劳动者比重更大，制造业企业对人工智能技术的采纳和应用，会显著影响低技能劳动者的就业机会。研究表明，人工智能不仅能够取代劳动力市场的工作，还可以变革劳动者的工作方式，导致大量技术驱动岗位工人失业[11]。有学者对美国1990—2007年19个行业使用机器人的情况、全球近800个职业所包含的近2000个岗位进行分析后发现，机器人的使用不仅导致就业人口和工资收入下降，而且近50%的工作岗位可以通过现有技术进步来实现机器替代[12]。据预测，随着人工智能的快速发展，在未來30年内，人工智能将转变为超级人工智能，其对人类产生负面影响的概率为三分之一[13]。甲骨文公司的调查表明，51%的员工对应用人工智能引发的失业后果表示担忧[14]。人工智能的普遍应用增大了员工的就业压力，加剧了劳动力市场的不确定性。在此背景下，员工面对收入下降、失去工作以及一定的经济动荡，极易产生一些消极情绪。这些情绪会消耗员工的大量精力，促使其产生离职倾向，不利于他们的心理健康[15]。

乐观派学者提出不同见解，他们认为现有研究高估了人工智能对就业的破坏能力，人工智能对制造企业的赋能效应能够创造就业机会、提高工作效率及增加员工收入，从而使员工产生积极情绪。Berg等[16]指出，工业机器人的使用大大提高了劳动生产率，产生更多的劳动需求，创造出大量的劳动岗位。Oschinski等[17]研究发现，智能化对加拿大劳动市场的影响主要集中在自动化程度较低的行业，这些行业受自动化影响的不到1/4，面临自动化风险影响的仅占1.7%。同一职业内包含许多任务，但是人工智能只能替代部分任务。OECD国家的情况表明，仅9%的工作可以实现自动化，因此人工智能不太可能对就业产生巨大负面影响。另外，人工智能所替代的都是枯燥、肮脏和危险的任务[18]。从创造效应的角度分析，人工智能可以增加就业机会，提高生产效率，提升员工收入，同时减少工作时间。一定程度上，人工智能所产生的替代效应与创造效应能够相互抵消[19]。在人工智能创造大量“快乐工作岗位”的推动下，劳动者的就业质量和心理健康状况将得到提高。王君等[20]指出，人工智能的应用拓展了就业总量，也提高了工作质量，给员工带来新的就业机会，同时缓解了失业带来的恐惧，让员工以饱满的热情投入到工作中，有利于提高员工的心理幸福感。

3. 人工智能应用影响制造企业员工心理健康的机制

人工智能首先被应用于危险和肮脏的工作环境中，工作环境的快速变化有助于改善员工的职业安全与身体健康。研究发现，人工智能确实在改善工作环境、促进员工心理健康方面发挥了重要作用。机器人通常被安置于恶劣、危险、难以接近或不安全的工作环境中，以提高生产效率、灵活性、保障员工的安全和减少事故的发生[21]。陈昊等[22]认为机器人存量和增量的扩大，有利于减少制造业工业废气排放量和一般工业固体废物产生量，通过适度扩大机器人在制造业中的使用规模，可以减少污染物的排放，改善制造企业工作环境。在“机器换人”背景下，人工智能降低了劳动强度、减少了工作危险性和工作环境的污染、提高了工作满意度，这些都有益于员工的身心健康[23-24]。

人工智能在制造业企业的应用，也可以通过增加收入和减少工作时间来改善员工的心理健康。何小钢等[25]认为，在中国这样一个大型转型经济体中，如果能够实现完善和稳步推进工业AI转型，那么它很可能有助于缓解员工的心理健康问题，而不是造成技术的恐惧。

三、 研究假设

人工智能对就业岗位的影响，同时产生替代效应和创造效应，进而给企业员工心理健康带来一定冲击。悲观派学者认为，人工智能应用产生的替代效應会给员工带来威胁，失业者可能会经历长时间的失业，甚至可能陷入永久性失业，这进一步限制了他们自身和家庭需求的满足，导致其心理健康状况恶化。员工的心理健康受到负面影响，产生消极、反抗的心理行为[26]。乐观派学者持不同观点，他们更重视人工智能在制造业领域的创造性而不是破坏性，认为其破坏力是可控的。人工智能的广泛应用有利于增加积极的生活事件，从而改善员工的情绪，有效提升他们的心理健康状况。Metra Martech市场调研公司2015年发布的《工业机器人对就业的积极影响》报告认为，工业机器人对就业并非产生消极影响，相反积极影响更为显著。未来5年机器人将为世界创造100万个更高质量的就业机会[27]。因此，从人工智能的岗位创造效应来看，新产生的就业机会在一定程度上缓解了员工因失业带来的恐惧，有利于提高员工的心理健康状况。

从一般意义上看，两种不同的观点都具有一定合理性。但针对工业化程度不同的国家，由于产业结构、人口结构、劳动力市场等因素的差异，还要做细致分析。在我国，目前面临着对人工智能了解不深、应用方式简单、发展方向杂乱等问题，人工智能技术还未完全与中国制造业深度融合。迄今为止，我国制造业领域还没有普遍性地、根本性地使用人工智能。人工智能应用于制造业领域后，给员工带来的精神和心理层面冲击效应，往往具有一定滞后性。因此，当前人工智能技术给制造企业员工心理层面的负面事件尚不明显。此外，企业通过提供培训、增加休息时间等措施，也可以将人工智能对员工心理健康的破坏性影响降到最低，在一定程度上改善员工的心理健康。基于上述情况，本文提出假设1。

H1：制造企业应用人工智能技术后，员工的心理健康有显著改善。

人工智能在制造业企业生产场所的广泛应用，改变了工作流程、工作方法、工作特征以及工作内容。根据资源依存理论，工作场所的改变会使工作环境发生变化，继而导致个体出现资源的损益，个体在维持或者获得有价值资源的动机下，产生消极或者积极的情绪体验。机器人存量和增量的扩大，减少了污染物的排放、改善了制造企业工作环境[28]。人工智能经常被安置在恶劣、危险、难以接近或不安全的工作环境中，人工智能的应用提高了工作效率，减少了工作环境的危险性，提高了员工的满意度。据此本文提出假设2。

H2：人工智能的使用改善了工作环境，有利于员工的心理健康。

四、 研究设计

1. 数据来源

本文使用的数据来自中山大学社会科学研究中心组织实施的2018年中国劳动力动态调查（CLDS）。该调查采用一种多阶段、多层次、劳动力规模与行业规模成比例的抽样方法。目标人群是全国29个省、市、自治区（不包括香港、澳门、台湾、西藏和海南）15至64岁的劳动力。调查重点是员工个人、家庭和社区的状况和变化。此外，2018年CLDS中的个人调查包括一份专门针对个人工作信息和工作单位使用人工智能情况的调查问卷，这符合本研究的目标。本文使用的实证数据仅来自2018年CLDS中的个人问卷。样本选择过程如下：根据研究目标，关注制造业企业员工的情况，筛选了1040名制造业企业的员工，对16—60岁制造业员工样本进行分析，有801个样本符合条件。由于样本中缺乏联合信息，有246个观测值缺失值，最终分析样本包括555个有效观测值。

2. 变量选取

（1）因变量

因变量是制造业员工心理健康，通过其抑郁程度、抑郁与否来表征。CLDS数据采用Center for Epidemiologic Studies Depression Scale（CES-D）量表测量抑郁程度，受访者被要求报告过去一周他们经历20种不同抑郁症状的频率。反应选项为“从不或基本从不（<1天）、很少（1—2天）、经常（3—4天）、几乎总是（5—7天）”，这些反应被分别赋值为0、1、2和3分。计算被调查者20种抑郁症状每一种的评分，并将每一种评分简单加和，总评分作为心理健康的代理指标。该指标的取值范围为0—60分，较高的分数意味着心理健康状况较差。另外，CES-D量表在临床使用过程中已经有较为明确的切点值来判断调查者是否处于病理性的抑郁状态。

（2）自变量

核心自变量是人工智能，它源于CLDS问卷中的一个问题“你的雇主是否使用高度自動化的流程、机器人或人工智能等技术例如无人驾驶汽车、机器翻译、工业机器人等”。如果答案为“是”，该变量赋值为1；答案为“否”，其赋值为0。

（3）中介变量

中介变量是工作环境，工作环境是衡量员工对其工作环境满意度的指标。本文使用五种选项，即非常不满意、不太满意、既不满意也不满意、比较满意、非常满意，选项的赋值分别为1、2、3、4、5分，这个指数的值越高，工作环境就越好。

（4）控制变量

此外，为了防止影响员工心理健康的其他重要变量被遗漏，本文设定以下三类控制变量：个体特征、就业特征和区域特征。

个体特征。①年龄。根据受访者时的年龄，仅保留16—60岁适龄劳动力的样本。②性别。设置虚拟变量，将男性赋值为1，女性赋值为0。③婚姻状况。问卷中将被访者的婚姻状况分为未婚、初婚、再婚、离异、丧偶、同居六类，未婚和同居赋值为0，其他赋值为1。④户籍。将农业户口赋值为0，其他赋值为1。⑤受教育程度。按照受教育年限设置虚拟变量。⑥身体健康。根据被访者的身体健康状况分为非常不健康、比较不健康、一般、健康、非常健康五类，分别设置虚拟变量1—5。

就业特征。①公司类型。根据调查问卷中的分类，将其分为公有制和其他，设置虚拟变量。将公有制赋值为1，其他赋值为0。②年收入。将2017年的税前收入作为工资收入并取对数。③工会地位。根据被访者是否有加入工会设置虚拟变量，有加入工会赋值为1，未加入工会赋值为0。④加班情况。根据被访者是否加班设置虚拟变量，将加班赋值为1，否则赋值为0。

区域特征。鉴于与工作相关的心理健康受区域经济发展的影响，区域特征也受到控制。将地区分为东部和中西部，将东部地区赋值为1，中西部地区赋值为0。每个主要变量的含义和相应的描述性统计数据如表1所示。

3. 模型设定

本文旨在探讨制造企业应用人工智能对员工心理健康的影响，并阐明工作环境在人工智能影响心理健康过程中发挥的中介作用。为此，建立如下模型：

[psyhealthi=α0+β0AIi+γ0controli+εi] （1）

[Environmenti=α1+β1AIi+γ1controli+εi] （2）

公式（1）用于检验人工智能对制造业员工心理健康的影响，即检验假设1。参考江艇[33]的做法，本文用公式（1）和公式（2）来检验工作环境在人工智能对制造业员工心理健康影响中的“桥梁作用”，即检验假设2。在公式中，下标i表示单个员工，psyhealthi表示员工i的心理健康。environmenti表示员工i对其工作环境的满意度，AIi是一个虚拟变量，表示雇用员工i的企业是否使用人工智能技术。此外，controli表示控制变量矩阵，该矩阵包括与个体特征、就业特征和区域特征有关的变量。最后，α0，α1是截距项，εi是随机扰动项。

五、 实证结果与分析

1. 基准回归

（1）人工智能对制造企业员工心理健康的整体影响

表2中模型1报告了人工智能对制造企业员工心理健康的整体影响。在控制个体特征、就业特征和区域特征后，人工智能的回归系数为-1.686，在5%的水平上显著。由于因变量心理健康是一个负向指标，因此可以认为，与未使用人工智能的制造企业相比，使用了人工智能的制造企业，其员工的心理健康状况提升了1.686分，人工智能的应用大大改善了员工的心理健康状况。由此假设1被接受。近几年，在政府大力推动下，一批制造企业积极引入人工智能设施，企业的智能化程度大为改善。但总体上来说，目前人工智能技术还未完全与制造业深度融合，在劳动力短缺的背景下，智能技术给员工带来的负面影响总体上表现的还不突出，员工心理层面的感受还不明显。

（2）工作环境对制造企业员工心理健康的中介作用

前文中，已有大量文献表明，工作环境的改善有利于提高员工的心理健康状况，因此，本文通过两步实证进行工作环境这一作用机制的检验。在表2中，模型1和2展示了工作环境这一中介效应的检验结果。模型1报告了人工智能对员工心理健康的整体影响，模型2报告了人工智能对工作环境的影响。在模型2中，人工智能对工作环境影响的回归系数显著为正，这表明人工智能的使用促进了制造企业工作环境的改善，提升了员工对其工作环境的满意度。结合模型一中人工智能的显著回归系数，表明工作环境在人工智能和制造企业员工的心理健康之间起到了中介作用，假设2得到证实。人工智能的应用改善了工作环境，进而促进了制造企业员工的心理健康。

2. 稳健性检验

（1）内生性检验

考虑到人工智能的使用可能非随机，是一些个人自发的、有选择性的行为，基本模型的估计结果可能会因个体的自选择问题而产生估计偏差，本文借鉴李磊[34]的做法，采用倾向得分匹配法（PSM）缓解内生性这一问题。本文以控制变量作为匹配协变量，采用1[∶]2最近邻匹配法进行倾向得分匹配，使用频数加权后的样本进行基准回归。具体结果如表2中模型三所示。可以看出，其他变量不变的情况下，自变量的估计系数为负，并通过了10%的显著性检验。说明人工智能应用可以改善制造企业员工的心理健康状况。可见，本文假设依然成立。

（2）替代因变量、中介变量的检验

为确保上述结果的可靠性，进行了两次稳健性测试（表2）。在本部分，着重测试人工智能主要影响和工作环境中介影响的稳健性。

首先，通过使用因变量的替代项来测试整体影响的稳健性。前文中，员工的心理健康是以20种抑郁症状的总分来衡量的。在这里，参考既有做法，使用16分的分数来构建员工心理抑郁倾向的指标，作为心理健康的代理变量。如果员工的抑郁症状总分小于16，则认为其心理状况良好，将变量赋值为0。相反，如果总分为16或更大，则表明其心理状况较差，赋值为1。将这个新变量代入公式（1）得到回归结果（见模型四），此结果与基准回归结果基本一致，本文的主要结论依然成立。

其次，通过对中介变量使用新的测量维度来检验中介效应的稳健性。在前文中，仅使用了工作环境这一维度量，在这里使用五维度量。五维包括工作收入、工作保障、工作环境、工作时间和总体工作满意度。用五个维度的满意度得分之和作为工作环境的替代项（表2用工作环境2代替该指标），得分之和越大，整体工作环境越好。结果为模型5所示，结合模型1可知，人工智能和整体工作环境对制造业员工心理健康的影响仍然显著，工作环境是人工智能与制造业员工心理健康之间的有力中介。

3. 异质性检验

有文献认为人工智能对员工心理健康的影响因员工禀赋的不同而异，基于这个原因，本文继续从工作场所、年龄两个维度来探讨人工智能对制造企业员工心理健康影响的异质性。

（1）工作场所异质性

本文中员工工作的场所分为车间、办公室和其他。表3报告了人工智能对不同工作场所的制造企业员工心理健康影响的异质性。结果表明，人工智能对员工心理健康的影响因工作场所而不同。具体来说，人工智能显著改善了在车间工作的员工的心理健康，但没有显著改善在办公室或其他场所工作的员工的心理健康。值得注意的是，人工智能对低技能制造业员工心理健康影响的系数为2.747，该结果远高于对整个样本的估计值，并且这一结果在1%的水平上显著。这一发现有几个可能的原因：第一，虽然人工智能取代了部分车间工作员工的特定任务，但并不意味着这些员工愿意做这些工作。相反，人工智能将员工从枯燥、危险、肮脏的工作环境中解放出来，改善了他们的心理健康。第二，在办公室或者其他场所工作的员工，工作环境相对较好，人工智能更多地起辅助作用。这意味着人工智能对这些员工的帮助有限，他们的心理健康状况改善不明显。第三，因目前人工智能主要用于枯燥、危险、肮脏的任务，因此在车间工作的员工，其心理健康收益高于制造业员工整体水平。

（2）年龄异质性

本文以1990年作为代际界限，1990年之前出生的称为“90前”员工，1990年及之后出生的称为“90后”员工。青年群体处于体能和智力的巅峰时期，是就业市场的主力，代表着经济发展的活力。表3报告了人工智能对不同年龄制造业员工心理健康影响的异质性，结果表明存在显著的差异。具体来说，当人工智能被用于制造业时，“90后”员工的心理健康状况提升了2.655分，这一结果在10%的水平上显著。人工智能对90前员工的心理健康并没有明显影响。这表明，人工智能只显著改善了“90后”员工的心理健康。

这一结果有两个可能原因。首先，与“90前”的员工相比，“90后”的员工刚刚迈上工作岗位，他们面临更多的工作压力。当人工智能承担这些工作时，员工的工作量得到缓解，他们的心理健康获得显著改善。其次，人工智能应用增强了工作时间的灵活性，使他们拥有更多时间陪伴家人，并由此获得更多情感支持，从而改善提高了他们的心理健康状况。

六、 结论与讨论

1. 结论

本文基于中国劳动力动态调查（2018CLDS）数据，考查了人工智能应用对制造企业员工心理健康的影响以及工作环境在此影响过程中的中介作用。同时，区分不同工作场所和年龄，探讨了人工智能对制造业员工心理健康影响的异质性。基本结论是，人工智能应用对制造企业员工的心理健康起到了积极影响。同时，人工智能通过改善员工的工作环境，间接地改善了他们的心理健康状况。本研究也发现，人工智能对制造业企业员工心理健康的影响，因工作场所和年龄而有所差异。人工智能可以显著改善车间工作员工的心理健康状况，也對“90后”员工的心理健康产生显著的积极影响。本研究为理解人工智能应用于制造企业后员工群体的发展变化提供了微观视角。

2. 局限性

本研究也具有一定局限性。第一，中介变量的局限。人工智能应用对制造业员工心理健康的影响路径比较复杂。人工智能可能通过多种途径影响心理健康，除工作环境，还可能通过晋升机会、社会地位、工作与家庭平衡等路径影响制造企业员工的心理健康，需要更多的数据和信息来考查这些问题。第二，调查样本的局限。问卷发放时，没有追问失业者其雇主是否使用智能技术这一问题，该问题在问卷中表述为“您的雇主是否使用高度自动化的流程、机器人或人工智能（例如无人驾驶汽车、机器翻译、工业机器人等）等技术”。因此无法获知因人工智能应用而失业的员工的心理健康状况，只能观察人工智能对目前在岗员工心理健康的影响。

3. 政策启示

随着人工智能技术在制造业领域广泛应用，重视员工心理建设、维护员工心理健康、帮助其分享人工智能发展红利，成为下一步的重要工作指向。本文基于研究结论，提出以下三点政策启示。

第一，充分认识人工智能的心理健康改善效应。前文发现，人工智能应用可以改善制造企业员工的心理健康状况。对身处不同工作场所的员工，人工智能的影响不尽相同，对在车间工作员工的影响更为积极。因此，制造业企业在应用人工智能技术推动企业转型升级的同时，要重视人工智能给车间工作员工带来的精神红利。“90后”员工作为就业市场的主力，代表着未来经济发展的活力，人工智能的应用显著改善了他们的心理健康状况。因此，制造企业在应用人工智能技术时，应对企业车间之外工作员工、“90前”员工的精神心理状况给予重点关照。

第二，有效引导环境较差企业应用人工智能技术。本文研究发现，工作环境在人工智能对制造企业员工心理健康的影响上起到“桥梁”作用。因此，企业可以识别处于恶劣、危险、难以接近或不安全工作环境的工种，在此基础上，有针对性地引入智能机器与设备，建设安全智能的生产空间。在改善工作环境的同时，缓解人工智能技术应用给工人带来的就业冲击。另外，应用智能制造使用数字孪生优化等方法来减少碳排放，有助于环境污染防控。

第三，大力推动制造企业“智改数转”进程。智能化改造和数字化转型，是企业提质增效、实现高质量发展的必由之路。在建设制造强国的道路上，需要政府和企业通力合作，共同努力。企业要从技术更新、管理创新等方面着手，广泛应用智能技术设备，迭代升级管理模式，推动“智改数转”有效实施。政府可以从基础设施改造、支持政策制定、管理制度优化等方面加大力度，为企业“智改数转”创造良好外部环境。制造企业通过“智改数转”，实现转型升级与高质量发展。企业和政府各司其职，共同发力，推动早日建成制造强国。

参考文献：

[1] 余玲铮，魏下海，孙中伟，等.工业机器人、工作任务与非常规能力溢价——来自制造业“企业—工人”匹配调查的证据[J].管理世界，2021，37（1）：47-59.

[2] 邓锁.开放组织的权力与合法性——对资源依赖与新制度主义组织理论的比较[J].华中科技大学学报（社会科学版），2004（4）：51-55.

[3] 中岛宏，彭通才.世界卫生组织总干事中岛宏博士关于1989年世界卫生日的文告大家谈健康[J].中国健康教育，1989（2）：4-6.

[4] 刘华山.心理健康概念与标准的再认识[J].心理科学，2001（4）：481-480.

[5] 黄希庭，郑涌，毕重增，等.关于中国心理健康服务体系建设的若干问题[J].心理科学，2007（1）：2-5.

[6] Gavin J F.Employee Perceptions of the Work Environment and Mental Health：A Suggestive Study[J].Journal of Vocational Behavior，1975，6（2）：217-234.

[7] Warr P.A Conceptual Framework for the Study of Work and Mental Health[J].Work&Stress， 1994，8（2）：84-97.

[8] 周晓琴，方兰琴，蒋武，等.外资企业员工心理健康状况和生活质量调查[J].中国健康心理学杂志，2010，18（1）：34-36.

[9] 刘晋洪，张泉水，夏莉，等.深圳市外来务工人员心理健康状态分析[J].中国健康心理学杂志，2007（7）：644-646.

[10] 郭丽鹃，李达，周磊.石油工程建设企业一线员工心理健康状况分析及对策[J].人力资源管理，2014（5）：317.

[11] 韩民春，韩青江.机器人技术进步对劳动力市场的冲击[J].当代财经，2020（4）：3-16.

[12] Acemoglu D， Restrepo P.Robots and Jobs： Evidence from US Labor Markets[J].Journal of Political Economy，2020，128（6）：2188-2244.

[13] Müller V C， Bostrom N. Future Progress in Artificial Intelligence： A Survey of Expert Opinion[M].Fundamental Issues of Artificial Intelligence. Springer， Cham，2016：555-572.

[14] David H.Why Are There Still So Many Jobs？ The History and Future of Workplace Automation[J].Journal of Economic Perspectives，2015，29（3）：3-30.

[15] 田雅琳，仇勇，张杉杉.情绪劳动对导游职业满意度和离职倾向的影响[J].商业研究，2019（1）：139-146.

[16] Berg，A，Buffie，E F. Should We Fear the Robot Revolution？[J].Journal of Monetary Economics，2018（97）：117-148.

[17] Oschinski M， Wyonch R. Future Shock？ The Impact of Automation on Canadas Labour Market[C]//The Impact of Automation on Canadas Labour Market（March 16，2017）.CD Howe Institute Commentary，2017.

[18] 范長煜，唐斌斌.半数岗位易替代：警惕“机器换人”的技术性失业风险——基于2018年广东省制造业企业调查数据的分析[J].学术论坛，2020，43（3）：9-17.

[19] 芦婷婷，祝志勇.人工智能是否会降低劳动收入份额[J].山西财经大学学报，2021，43（11）：29-41.

[20] 王君，杨威.人工智能等技术对就业影响的历史分析和前沿进展[J].经济研究参考，2017（27）：11-25.

[21] 孙中伟，张莉，张晓莹.工作环境污染、超时加班与外来工的精神健康——基于“二次打击”的理论视角[J].人口与发展，2018，24（5）：14-23.

[22] 陈昊，闫雪凌，朱博楷.机器人使用影响污染排放的机制和实证研究[J].中国经济问题，2021（5）：126-138.

[23] 孙中伟，邓韵雪.“世界工厂”的“凤凰涅槃”——中国制造业“机器换人”的经济社会意义[J].学术论坛，2020，43（3）：1-8.

[24] 曹咏萍，黄婧玮，孙中伟.产业转移还是产业转型？——以“机器红利”重塑中国制造的比较优势[J].华东理工大学学报（社会科学版），2021，36（1）：17-33.

[25] 何小钢，刘叩明.机器人、工作任务与就业极化效应[J].数量经济技术经济研究，2023（3）：1-20.

[26] 姚战琪，夏杰长.资本深化、技术进步对中国就业效应的经验分析[J].世界经济，2005（1）：58-67.

[27] 2016年底机器人将创造百余万就业机会[J].食品安全导刊，2011，39（12）：38-39.

[28] 張文博，周冯琦.人工智能背景下的环境治理变革及应对策略分析[J].社会科学，2019（7）：23-30.

[29] 江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济，2022（5）：100-120.

[30] 李磊，王小霞，包群.机器人的就业效应：机制与中国经验[J].管理世界，2021，37（9）：104-119.

基金项目：国家社会科学基金一般项目“人工智能应用对制造企业员工就业质量的影响研究”（项目编号：21BSH044）;江苏省社科基金一般项目“人工智能在制造业领域对青年就业的影响研究”（项目编号：19SHB008）；国家社科基金重大项目“我国就业量质协调发展的动态监测与保障体系研究”（项目编号：20&ZD128）。江苏省“紫金文化人才培养工程”项目；江苏省“333高层次人才培养工程”项目。

作者简介：马继迁（1980-），男，博士，常州大学瞿秋白政府管理学院副院长、教授、硕士生导师，研究方向为人工智能与就业；李肖肖（1998-），女，常州大学商学院硕士研究生，研究方向为人力资源管理;张宏如（1973-），男，博士，盐城师范学院党委副书记、校长、教授、硕士生导师，研究方向为人力资源管理。

（收稿日期：2023-01-09  责任编辑：苏子宠）