工作任務視域下技能需求變遷與技能人才培養

劉 蘭，任先平

(1.江漢大學 a.商學院;b.智能制造學院，武漢 430056；2.武漢城市圈制造業發展研究中心，武漢 430056)

人工智能作為第四次工業革命的核心引擎，具有溢出帶動性很強的“頭雁”效應，正在重構生產、分配、交換及消費等經濟活動各環節，并沖擊著人類勞動的格局和就業模式，重塑工作及工作所要求具有的技能。很多國家的勞動力市場出現工作極化現象，即高工資、高技能的崗位和低工資、低技能的崗位在增加，中間技能的工作崗位在減少。大量傳統工作崗位消失，新的就業形態和就業模式不斷涌現，職業迭代加速。2019年以來，我國人力資源和社會保障部多次向社會發布或公示新職業信息，如智能制造工程技術人員、數據標注員等。技術的巨變帶來工作內容和工作方式的變化，對勞動技能需求和技能人才培養產生深刻的影響。研究人工智能背景下工作任務的變遷，以及新型職業和工作崗位的技能需求，不斷革新教育體系和學習方式，實現人工智能發展、技能升級和高質量就業的協調發展，是我國當前和未來一段時期內的主要任務。

一、文獻回顧

學術界關于技術進步對就業影響的研究由來已久。技術進步往往會提高勞動生產率，從而替代部分勞動，在消滅一些工作崗位的同時，又會通過資本化效應創造就業機會(Aghion & Howitt, 1994；Acemoglu等，2018)，[1—2]對勞動力市場就業產生負向的替代效應和正向的創造效應。技術進步不僅會影響就業總量，也會帶來勞動力需求結構的調整，改變工作方式和工作崗位的技能需求，對不同技能勞動力產生不對稱的影響。[3]

在經濟發展的初期，工業革命引致機器工業的大發展，現代化機器大生產和流水線替代了工場手工業時代的手工作坊和技術工人，新技術與技能表現出相互替代的特征(Goldin & Katz, 1998)，[4]始于1811年的盧德運動就反映了工人對于“機器排斥人”的恐慌。20世紀70年代以后，隨著各國人力資本積累水平的提高、信息通信技術(ICT)的發展、技術進步日益復雜化、高級化，對勞動力素質和技能水平提出了更高的要求，越來越表現出與技能互補的技能偏向性特征。以Acemoglu為代表的學者按照受教育程度將勞動力分為高技能與低技能型，認為技能偏向性技術進步(SBTC) 導致了高技能勞動力對低技能勞動力的不斷替代，是造成勞動力市場中就業和收入結構變化的主要原因(Acemoglu，2002等)。[5]然而近年來，隨著工業機器人、人工智能等技術的發展，技能—就業量曲線呈U型分布，中等技能、中等收入的工作崗位逐漸減少，高技能和低技能的工作崗位不斷增加，勞動力市場出現就業極化現象(Goos & Manning, 2003；Autor et al., 2006)。[6—7]很多學者認為技能偏向性技術進步理論沒有充分考慮工作任務所起的作用，并不能很好地解釋就業極化現象，將視角轉移到更微觀的任務內容，將工作內容分為程序化(routine，又稱為常規性)與非程序化不同任務類型，以分析勞動力市場技能需求結構與工資結構特征。

奧托等(Autor, Levy & Murnane, 2003)提出的ALM 模型是研究人工智能和自動化對就業影響的基準模型，[8]該文認為工作內容是勞動力生產過程中所有活動的組合，不同的工作內容需要勞動力使用不同的技能去完成。根據任務要求和技能高低將具體工作任務內容分為程序化認知型、程序化操作型、非程序化認知型、非程序化操作型及非程序化互動型五種類型。Acemoglu & Autor(2011)和Autor(2013)等認為任務是生產過程的最終目標，技能是勞動者的稟賦，兩者之間是一一映射關系，任務與技能可能存在錯位，利用技能和任務的動態匹配關系來分析就業極化現象的產生原因。[9—10]Frey和Osborne(2013)對ALM模型進行了拓展，[11]認為非程式化任務需要高技能勞動和低技能勞動的共同投入，自動化對于高技能勞動者的作用將是不確定的，并根據O*NET數據庫，估計了美國702種職業將來被計算機替代的可能性，發現美國47%的崗位存在被高度計算機化的風險。Arntz，Gregory和Zierahn(2016)認為人工智能替代的不是整個職業，而是職業中的部分工作任務。[12]他們考慮了工人職位間任務的異質性，利用PIACC數據庫估計了OECD國家自動化的份額，根據人們在工作場所實際執行的任務清單，發現用工作任務為單位計算其被自動化的風險，相比大部分基于職位的方法的研究結果要小得多。

近年來很多研究發現中國勞動力市場也出現了就業極化的現象(如呂世斌和張世偉，2015；屈小博和程杰，2015；郝楠，2016)，并開始從工作任務的角度研究勞動力市場的就業變動。[13—15]都陽等(2017)對中國城市勞動力的工作任務分布進行描繪，發現常規型任務的分布曲線正在向右移動，同時常規認知型任務被資本替代的趨勢初露端倪。[16]邱子童(2019)認為人工智能背景下，勞動者技能需求經歷了從去技能化到再技能化的轉型。[17]孫文凱等(2018)指出我國常規性工作的就業比例較高，人工智能技術大規模普及將會對我國勞動力市場造成較大沖擊。[18]袁玉芝和杜育紅(2019)采用美國職業信息網絡數據，結合1982—2010年的中國人口普查數據，發現我國勞動力市場對非程序性認知技能、非程序性非認知技能的需求不斷上升。[19]王奕俊和楊悠然(2020)在原本由程式化認知技能主導的會計職業中，非程式化認知技能與交互技能的需求在逐漸擴大并加速增長。[20]

工作任務是基本的生產單元，是顆粒度更加精細的就業。任何職業/崗位都可以細分成一個或多個工作任務，勞動者需要一套技能來完成工作中不同的任務模塊。隨著人工智能的發展，職業被替代率由工作任務的自動化程度決定。與此同時，人工智能正在導致勞動力市場工作任務性質和所需技能的重大轉變，也對技能人才的培養提出了新要求。本文以上述研究成果為基礎，從工作任務的視角出發，探討人工智能背景下工作任務的變遷，以及新型工作任務的技能需求，以期從更微觀的層面捕捉技術進步與不同技能勞動的互動機制，從更豐富的維度探討人工智能對勞動力技能需求的影響，并對我國技能人才培養提出有針對性的建議。

二、人工智能背景下工作任務的變遷

第一次技術革命(蒸汽機的發明)實現了自動化的開端；第二次技術革命(電力和內燃機的使用)提升了自動化水平；第三次技術革命(計算機與互聯網的使用)拓寬了自動化領域，它們都不同程度地將勞動者從繁重、枯燥、重復、低效的勞動中解放出來。與以前的自動化浪潮相比，人工智能具有廣泛滲透性、數據驅動性、系統智能化等特征，變革的速度、規模和深度更快，對勞動力市場的沖擊涉及面更廣，對工作任務的替代和互補也呈現出新的特征。

(一)工作任務的替代

人工智能的發展降低了自動化的成本，從而引起機器對崗位中的某些任務模塊的替代。然而大部分職業都包含著或多或少尚不能被自動化的工作任務，因此人工智能對不同職業和不同技能勞動力的替代效應不同。

1.程式化工作逐漸被替代

隨著自動化和人工智能的出現，機器的計算能力、適應能力和認知能力不斷提高，將取代大部分重復性的、程序化、標準化的工作任務。程式化工作通常在單一或固定化的環境和模式中進行，所需要的思維和行動很容易被清晰規劃和編碼成計算機語言，從而容易受到自動化和人工智能的影響。被替代的程式化工作可以是操作性的體力勞動，也可以是認知性腦力勞動。例如 “機器人+物聯網”的完整生產線的效率高、成本低、危險系數小，能替代越來越多的程式化操作性工作(如操作焊接機、配送商品、操作叉式升降機等)。隨著無人駕駛汽車、無人分揀中心和無人超市的出現，制造業和零售業中的很多按照固定規則進行的工作被機器替代。另外，處理工資單或賬務等工作屬于程式化認知性任務，與之相關的行政、會計、辦公室文員等職業也會受到人工智能的沖擊。

2.不是所有的非程式化任務都是安全的

根據智能水平的高低，人工智能可分為弱人工智能、強人工智能和超人工智能。我們目前處于弱人工智能階段，智能化設備以圖像識別和翻譯、機器學習、語音識別、自然語言處理等技術為基礎，主要處理特定領域內重復性、邏輯性的任務，對勞動力的替代主要限制在基于明確規則的操作和認知任務上。[21]但在強人工智能和超人工智能階段，機器將擁有強大的自主學習和自主決策能力，機器學習的發展將使得很多難以被分解或編碼成計算機語言的非程式化工作(比如寫作、譜曲等)以創新性的方式自動化，轉變成程式性工作。

(二)工作任務的互補

人工智能不僅在擴展邊際運行(降低生產成本，導致機器取代部分以前由人工完成的任務)，也會在集約邊際上運行(提高機器的生產率，產生生產率效應，擴大對勞動力的需求)，從而形成生產任務的互補。[22]

生產率效應可能表現為一個正在進行自動化的部門對勞動力需求增加，也可能表現為非自動化部門對勞動力的需求增加。一方面，自動化程度提高增加了對資本的需求，引發資本積累，由于資本技能互補效應，使用、運行和監控新機器所必需的工作和任務也將有互補性的增長。智能制造催生了大批數字化車間、智能工廠、智能化裝備產品，直接帶來了對專業數字技術人才需求量的增長。根據《中國勞動力市場缺口研究》，我國芯片設計師、數據分析師、邏輯架構師、機器人制造等職位都處于人才緊缺狀態。另一方面，隨著技術進步和生產任務自動化，會帶來成本下降和生產率增長，較低的價格和較高的生產率會導致經濟中可支配收入的普遍增加。隨著收入增加人們對非自動化崗位和一般性工作崗位勞動力的需求也會增加。例如老齡化社會對醫療服務需求、基礎設施和能源投入的增加等趨勢加大了對勞動力的需求。

(三)工作任務的拓展

人工智能的發展將刺激新興創新市場活力，引致一批以人工智能為主導技術的產業興起，催生消費結構升級，為市場提供新產品和新服務。另外，依托大數據信息和互聯網平臺，人工智能可以動態匹配并時時共享勞動力市場供求信息，降低勞動力供求雙方由于信息不充分帶來的交易成本，創造更為靈活的用工方式。工作任務不再像以往的就業那樣受到嚴格的時空限制，而具有更好的流動性和更強的可交易性，衍生出很多就業的新模式、新業態。《2019中國獨角獸企業發展報告》顯示，中國獨角獸企業榜(螞蟻金服、今日頭條、餓了么、口碑、陸金所等)中估值位于前列的企業中有多家采用平臺模式運營。這些以互聯網為載體的平臺企業(如阿里巴巴、閱文書寫等在線購物和數字文化平臺)蓬勃發展，正在沖擊傳統就業模式，帶來更多靈活的工作崗位。

三、人工智能背景下勞動力技能需求的變化

人工智能在引發工作任務變遷的同時，也引起了工作任務性質和技能需求的重大轉變。如果勞動者不能及時學習和滿足新的技能要求，很容易被原有的工作崗位所淘汰，并錯失向新崗位轉移的機會。

(一)從低階認知能力向高階認知能力轉變

布魯姆的教育目標分類理論將人的認知思維過程分為六個層次(記憶、理解、應用、分析、評價和創造)，而國際成人能力評估項目(PIAAC)中的成人技能調查(SAS)將具體的認知技能分為讀寫能力、計算能力、高技術環境問題解決能力、信息與通信技術技能及科技、工程與數學能力五個部分。總的來看，低階認知能力是指用于學習事實性知識或完成簡單任務的能力，是較低層次的認知水平；高階認知能力則超越簡單的記憶和信息檢索，是一種以高層次認知水平為主的綜合性能力。

人工智能時代，記憶、復述、再現等低階認知思維技能由于可重復和編碼，將更多地被機器代替，其重要性不斷下降，而擁有高階認知技能的勞動力會更多地從技術沖擊中獲益。首先，擁有特定專業技能(尤其是數字技能)的勞動力更能獲得高端就業機會。[23]國內主要招聘網站的數據顯示，近幾年雇主對求職者數字技能，如C/C++、Java、Python、Java-script、SQL等各種編程語言的使用與數據分析技能等需求大幅上升。其次，勞動者將在高復雜性的分析決策行為中發揮更大作用。人工智能只能在局部領域代替勞動者進行簡單分析決策活動，當面臨整體問題和復雜問題的分析決策時，仍需要勞動者發揮人的主體思維優勢，進行信息加工、邏輯推理和獨立思考。[24]例如人工智能提供疾病診療支持，可以節省醫生在癥狀分析上花費的時間，但還是需要人類醫生再次判斷才能給出診斷結論，以確保患者的健康和個人需求。

(二)非認知技能重要性凸顯

非認知技能也稱作軟技能，是指在與人交往和參與活動時所表現出來的行為技能，如合作意識、適應能力、溝通能力及社交能力等不能完全通過教育測度的人格特征。

盡管人工智能和機器人的學習能力正在逐漸擴大，在思考速度和精確性上也比人更具有優勢，但總會有一些任務是技術難以復制的。比如溝通活動往往建立在復雜的社會關系網絡的基礎上，主要基于隱性知識，如情感態度、生活經驗、價值觀，而這些隱性知識很難被人工智能的邏輯思維理解，在復雜場景下的溝通活動仍然需要勞動者親力親為。與人工智能和機器人相比，人類在許多領域仍然保持比較優勢。

面對密集的技術變革、復雜的工作環境和更加密切的人際交往需求，勞動者的非認知能力越來越受到市場的重視。工作極化的背景下，低技能端的非程式化工作(如護工、清潔工和快餐店員工)雖然看似簡單，但需要運用常識對情景進行靈活判斷，并進行情景交互，機器人很難復制這些技能與工人展開競爭。在高技能端，從業者如律師、科學家、管理人員等，需要與利益相關方溝通、運用專業知識進行決策和規劃，機器往往也難以勝任。

(三)從單一技能向技能組合轉變

隨著快速的科技革命和產業變革，傳統行業之間的界限和工作角色界限逐漸模糊，許多工作會被改造成新的形式，勞動者的工作任務不再確定，跨崗位、跨職業、跨行業現象將日趨增多，并出現越來越多的出乎意料的技能組合，不同技能類型組合所帶來的回報會持續增加。

隨著人工智能的不斷發展，“人機協同”工作將成為未來社會重要的發展趨勢，人類需要提升人機交互和協作的能力和效率。如同現在低技能勞動力需要掌握一定的閱讀和基本數學技能一樣，未來相關專業技術領域的工作者也需要掌握新型技能，需要對人工智能技術的使用價值和應用案例進行一般性了解。很多工作崗位除了要求勞動者具有專業技術能力(了解和掌握產品的設計、生產實施、銷售維修、節能環保等)之外，還要求勞動力具有多學科的知識背景，如市場營銷、溝通協調、統計決策、處理復雜工作任務等綜合職業能力。例如，隨著傳統制造業的升級和智能制造的發展，項目管理、產品運營等“技術+管理”類技能的需求呈現出明顯的上升趨勢。高端服務業也往往涉及多類型任務的執行，比如教師要求精通網頁設計，精算師要求擅長大數據分析，營銷專業人員會被要求編寫計算程序等。

(四)從階段性學習向終身學習轉變

與以往的技術革命相比，人工智能在變革的速度、規模和深度上更快，所需的技術種類也在快速變化。在過去，技術進步導致的技能需求的轉變需要用幾個世紀的時間才能展現出來；而在人工智能時代，技術進步似乎要求人們一夜之間具有新技能。《世界發展報告(2019)》指出，當前的許多小學生在成人后將從事今天根本不存在的工作，人們很難預測將來哪些工作需要的技能將被淘汰，哪些工作需要的技能會迅速發展。[25]

學校教育在知識和技能傳授的時效性和質量上都存在著一定的局限，通常會滯后于社會環境變動，重大的技能再調整往往發生在義務教育和正式工作之外的領域中。面對新技術、新模式、新業態及新分工下的職業內容與技能需求的變動，勞動者在整個職業生涯中要不斷地接受教育和學習，從階段性學習向終身學習轉變，不斷更新知識和技能，善于分享、跨界整合，才能適應工作性質的持續變革，順利地從一項任務過渡到另一項任務，從一個職業過渡到另一個職業。

四、我國技能人才培養模式的變革與應對

為使未來勞動力更加適應工作任務的變化，與技術發展和經濟社會需求更加匹配，我國各層次教育和培訓體系需要對人才培養做定向調整，革新教育體系和學習方式，著力培養具有適應力、創造力和終身學習能力的勞動者。

(一)測度技能供需水平變化

加快研究新型職業和工作崗位的技能需求，增加勞動力市場技能供給與需求之間的匹配度，都離不開相應的數據支持。中國已經有著越來越完善的數據搜集與統計工作，但是這些數據的數量有限，使用機制還非常不成熟，需求監測與供給監測不能有效對接，數據不能充分發揮對決策的支持服務作用，也影響著相應政策研究的有效運行。

需要對職業與技能進行詳盡的描述，例如美國的職業名稱大典(簡稱DOT)以及職業信息網絡(簡稱O*NET)都對每個職業的詳細特征進行了描述。OECD的“國際成人能力測評項目”(PIAAC)、歐盟的“歐洲技能和就業調查”(ESJS)、世界勞工組織的“從學校到工作的過渡調查”(SWTS)和世界銀行的“面向就業和生產的技能調查”(STEP)等等。我國可以借鑒國外相關研究方法，由第三方負責監督，開展針對勞動者的直接調查，獲取工作任務相關信息，對職業及從事相關職業的勞動者進行進一步歸類，不斷健全職業分類體系和職業技能標準體系，以準確測度中國勞動力市場技能供需的變化。

(二)構建數字技能、創新創造、人際交往相結合的人才培養體系

構建數字技能、創新創造、人際交往相結合的人才培養體系，加強培養學生的數字專業技能和通用能力。具體而言，可以通過幾種方式著手：(1)逐步改變過于偏重知識灌輸的教學模式，強調以“學生為中心”的教育理念，注重培養學生思維能力。具體而言，可以采用以下教學方法：游戲化教學法，使兒童在游戲活動和玩耍中，通過積極思考和社會互動找到學習的意義。與計算機有關的教學方法，例如，使用編程工具和平臺學校設置編程、機器人、網站設計和動畫等課程講授技術技能，通過在線教育、編碼游戲等培養創新技能、技術技能。體驗式教學法，即基于項目的學習和基于探究的學習，將內容集成到實際應用。多元文化教學法，不同背景的學習者開展合作學習，并將學習與文化意識聯系起來，建立平等的師生關系，創設協作、競爭和互助的同伴關系，培養學生的人際交往能力。(2)轉變教學內容，將通用數字技能融入學校課程。全面推行STEM 教育，加強科學、技術、工程及數學等學科之間的相互聯系，推進各級教育與人工智能深度融合。[26](3)增強校企合作和相關技術技能比賽，通過學校與企業合作，集訓營、校企共建課程等方式培養高端人才；國家相關部門舉辦以賽促學，促進學生數字專業技能的發展。

(三)動態調整各層次各類型學校教育的方式和重點

更高教育質量，更具選拔性的教育體系會提高勞動力市場的技能匹配效率。要順應人工智能技術發展趨勢，及時調整學前教育、基礎教育、職業教育和普通高等教育等各層次各類型學校教育的方式和重點。

首先，我們需要為兒童提供高質量的早期教育，對兒童生命早期的營養、健康、社會保障和教育進行投資。優質的早期教育能強化兒童執行能力(比如工作記憶、變通性思維能力和自制力)，將兒童導入更加有效的學習軌道，為他們未來獲得高階認知技能和軟技能奠定了堅實的基礎。其次，分類推進職業教育發展。人工智能發展會對某些特定職業技能形成沖擊，但職業教育能促進個人實現就業并快速適應對口的工作崗位，能滿足技術技能的即時需求，因此人工智能時代職業教育依然重要，但應把握職業替代規律，分類推進職業教育發展。極化背景下，中等職業教育的生存空間未來會變窄，可以集中力量辦少而精、優質而有特色的中等職業教育，重點面向低技術技能需求的服務行業(如學前教育、護理、養老服務、健康服務等)培養人才。提高高等職業教育專業與人工智能產業的契合度，推動教育層次整體上移，實現普職融通等。[27]第三，適當調整普通高等教育的人才培養的方式和重點。工作任務的變遷提高了高等教育的吸引力，要加快設置和發展人工智能相關專業，培養引領未來人工智能發展的專業性人才。同時在高等教育中納入更多的通識教育，著重培養學生的批判性思維能力、創造性能力和領導能力，有效地塑造大學生的可遷移高階認知技能和社會行為技能。

(四)構建覆蓋整個工齡階段的終身學習生態圈

有效的成人教育有助于防止技能貶值，并能幫助工人從衰落的職位和部門轉移到正在拓展的職位和部門。應建立覆蓋整個工齡階段的“終身學習生態圈”，將傳統的教育體系發展為終身學習體系，使勞動力能適應不斷變化的技能需求。

首先，對成人教育項目進行徹底改革，拓展覆蓋面，提高成人教育質量，并積極推進遠程教育，繼續教育從以學歷教育為主向非學歷教育轉變。其次，大力發展數字化終身教育。借助數字化信息的精準匹配和互聯網平臺的遠程教育手段，構建覆蓋職業生涯全過程的終身學習服務體系，暢通繼續教育、終身學習通道，開發一批大規模在線開放課程平臺，促進優質教育資源向社會開放、共享，方便勞動者隨時隨地利用碎片化時間學習。另外，由于缺乏動機、時間、金錢或雇主的支持，往往最需要培訓的勞動力群體(包括低技能、較年長的成人、失業者和非正規職業勞動者)參與培訓的比例最低，可以由利益攸關方根據獲得的利益共同承擔資金，為這部分特定人群提供相應的數字素養培訓和職業技能培訓，協助其轉崗就業，讓他們參與數字經濟，分享人工智能紅利。