今天分享的是：2024年生成式人工智能与未来工作全球对话：认知与展望报告

　　在全球科技变革浪潮下，生成式人工智能（GenAI）对劳动力市场的影响成为各界关注的焦点。近期，全球人工智能伙伴关系（GPAI）发布的《生成式人工智能与未来工作全球对话：认知与展望》报告，通过亚洲、欧洲、拉丁美洲三大洲的圆桌会议，汇聚政策制定者、专家及多方利益相关者观点，深入探讨了GenAI对工作世界的实际与潜在影响，为理解这一复杂议题提供了全球化视角。

　　从历史维度看，技术革新始终伴随着对工作未来的期待与担忧。第一次工业革命时期，纺织工人因自动化威胁发起卢德运动；1930年，凯恩斯曾乐观预测电气化大生产将让每周工作时长缩短至15小时。如今，GenAI的崛起再次引发类似讨论。报告指出，三大洲的利益相关者普遍持“中间立场”，既认可GenAI的潜力，也正视其风险，而非陷入“后工作乌托邦”或“AI取代就业 dystopia”的极端叙事。

　　在经济价值层面，GenAI的优势多体现在量化维度。例如，它被视为中等收入国家追赶发达经济体的契机，能通过自动化常规任务、增强劳动者能力提升劳动生产率。不过，在改善工作质量的定性层面，如通过自动化枯燥任务让工作更安全、更具吸引力等，相关讨论却较为匮乏。

　　不同地区对风险的关注点存在差异。拉丁美洲对大规模失业的担忧更为突出，尤其是在数字鸿沟显著的背景下；欧洲和亚洲虽Kaiyun体育官方网站 开云登录网站也有对自动化的顾虑，但更多强调不确定性——欧洲关注GenAI对不同性别、职业和代际的不均衡影响，呼吁先厘清GenAI的定义以避免议题混淆，同时指出雇主“害怕错失AI革命”与劳动者“对收益持谨慎态度”的态度分化；亚洲的不确定性则源于区域经济特性，如中小微企业占比高、非正规部门规模大、存在数字鸿沟等，此外还关注人机互动、工作流程重构及伦理问题。值得注意的是，欧洲和亚洲部分行业及群体对GenAI的信任度不足，知识工作者、创意从业者、教师等群体尤为明显，有亚洲参与者提到，过度依赖技术可能让年轻人在使用GenAI时忽视人文思考，导致教育价值流失。

　　要把握GenAI影响下的工作未来，需借助多元分析方法。定量层面，预测法通过延伸历史就业数据推测未来趋势，荷兰教育与劳动力市场研究中心（ROA）的“教育 - 劳动力市场项目”、欧盟职业培训发展中心（Cedefop）的技能预测均属此类，但这种方法假设“历史趋势可预测未来”，面对颠覆性技术时可能失效。任务分析法通过评估岗位任务的自动化风险计算职业整体风险，国际劳工组织（ILO）、经合组织（OECD）等机构常用，新加坡《AI时代工作重构指南》还在此基础上提供了岗位主动重构的方法论，不过该方法常依赖专家定性判断。

　　定性与混合方法同样重要。战略远见通过识别变革驱动力构建未来场景，欧盟远见能力中心开发的“场景探索系统”便是典型案例，能帮助政策在不同情境下保持有效性；话语分析聚焦公共讨论中的叙事竞争，研究发现不同国家、群体的叙事差异显著，如技术从业者多持“加速主义”观点，记者则更批判技术；回溯法以“期望的未来”为起点倒推实现路径，日本“登月计划”设定2050年社会愿景并规划技术与社会变革步骤，为应对老龄化、气候变化等挑战提供方向。报告强调，单一方法存在局限，如定量方法易产生“精确幻觉”，需结合定性方法捕捉现实应用与人文价值，不同地区对方法的偏好也不同，欧洲更重视数据支撑的研究，亚洲提及任务分析与回溯法，拉丁美洲则提议建立“公共观察站”监测趋势。

　　GenAI对就业的影响远比“失业或不失业”复杂。早期研究如2017年弗雷和奥斯本预测美国47%就业岗位面临自动化风险，但后续经合组织研究发现，十年间“高自动化风险职业”实际就业仍有增长，只是增速慢于“低风险职业”。当前研究更强调“差异化影响”：从区域看，高收入国家就业岗位受自动化影响比例更高，但同时也可能获得更多净收益，低收入国家因基础设施和数字技能不足，难以充分发挥GenAI的“增强潜力”；从性别看，女性占比高的职业（如文书、客服）自动化风险更高。

　　技能供需失衡是另一核心挑战。GenAI可能淘汰部分岗位，但新岗位要求劳动者掌握数字技能、绿色技能及批判性思维等“未来技能”，而现有劳动力技能供给不足，加上部分地区人口老龄化导致劳动力短缺，形成“技术失业担忧与劳动力短缺并存”的矛盾。三大洲均重视技能培训，但侧重不同：拉丁美洲关注全民数字素养，提到劳动者会自主用GenAI学习编程等技能，但也担忧缺乏普惠培训将加剧不平等；欧洲强调企业在技能培训中的“准备不足”，以及GenAI可能削弱个人投资专业技能的动力；亚洲则秉持更宽泛的“再技能化”理念，主张将AI素养纳入全民教育（而非仅针对劳动者），从基础教育阶段培Kaiyun体育官方网站 开云登录网站养批判性思维等“人文技能”，认为领域知识和人文属性能弥补GenAI在情境理解上的短板。

　　相较于就业数量，工作质量在讨论中常被忽视，但却是衡量GenAI影响的关键维度。报告采用四维度工作质量框架：物理工作条件、合同雇佣条件、社会与产业关系、任务内容（含技能运用与自主权）。GenAI通过多渠道影响工作质量：自动化重塑任务内容，可能减少枯燥工作，但也可能因流程标准化降低工作自主性；平台化与算法管理导致工作碎片化，削弱劳动者自主权与社会联结，加剧就业不稳定；GenAI训练需大量人工标注，这类工作多外包至发展中国家，标注者常面临低薪、高危、非正规雇佣等问题，损害身心健康。

　　不过，各地区对工作质量的讨论深度不一。欧洲对此关注最多，例如担忧GenAI压缩集体谈判空间，呼吁完善工会谈判者的技术培训，同时关注创意从业者的薪酬与知识产权保护——有欧洲创意从业者质疑，GenAI训练使用大量创意作品却未获授权与补偿，最终可能取代创作者；亚洲和拉丁美洲的相关讨论较零散，多提及零工经济与就业不稳定，仅有亚洲参与者探讨“AI节省的工作时间如何利用”，如是否推动四天工作制，或是否加剧零工经济扩张。

　　为应对GenAI带来的挑战，不同地区形成了各具特色的政策路径。亚洲政策以“促进AI应用”为核心，优先推动企业采纳GenAI，同时普及AI与软技能教育，如新加坡的“A / for SME门户”帮助中小企业对接AI解决方案，“全民AI（AI4E）”项目已培训超6.1万人；虽有日本自动驾驶法规、印度数据保护法等硬性规定，但伦理问题多通过非强制性指南解决，避免“过度监管”抑制创新。

　　欧洲政策侧重“风险防控与技能保障”，依赖硬性法规，《通用数据保护条例（GDPR）》《人工智能法案》将招聘、员工管理类AI列为“高风险”，要求开展权利影响评估；社会政策方面，《欧洲社会权利支柱行动计划》设定2030年目标——78%劳动年龄人口就业、60%成年人每年参与培训，并推广“个人学习账户”“微证书”体系，同时通过《平台工作指令》《最低工资指令》保障劳动者权益，欧洲社会伙伴2020年签署的《数字化框架协议》还建立了企业与工会共同推进数字化的流程。

　　拉丁美洲则采取“中间路线”，结合AI推广与风险监管。2024年7月推出的“巴西AI计划”投资40亿美元，涵盖AI在医疗、农业等领域的应用，同时通过奖学金、培训项目提升全民AI素养；部分国家提议借鉴美国“微软 - 劳工联合会合作模式”，推动企业将劳动者视角融入AI开发，还探讨通过“监管沙盒”（在可控环境中测试新技术）平衡创新与风险。

　　报告强调，未来政策需弥补现有短板。例如，三大洲均重视再技能化，但对“积极劳动力市场政策（ALMPs）”关注不足；工业政策与公共采购的“社会价值”未被充分挖掘——美国《通胀削减法案》通过“薪资与学徒制条件”挂钩税收优惠，推动创造“优质岗位”，欧盟公共采购占GDP14%，若纳入工作质量标准，可显著改善就业环境。

　　总体而言，GenAI对工作的影响是复杂且多维度的，既非“万能解决方案”，也非“就业灾难”。报告呼吁，政策制定需立足区域特性，兼顾“发展潜力”与“风险防控”，同时将工作质量与就业数量置于同等重要的位置，通过多元方法、包容性对话，确保GenAI的收益能公平惠及所有群体，构建更具韧性的未来工作体系。