一個多世紀以來，技術對工作崗位的影響具有明確的趨勢：隨著機器取代體力勞動，藍領職業受到重創，白領職業則深得其益。

但人工智能似乎正在朝著相反的方向發展。人工智能處理文案撰寫和數據分析等辦公任務的能力，似乎更有可能對白領工作造成沖擊，而不是對那些仍然需要實際操作技能的藍領工作。

凱洛格管理學院的金融學助理教授布萊恩·西格米勒表示，這可謂是“人工智能正在讓時間倒流”。

西格米勒及其同事的研究支持了這項預測。他們運用大型語言模型來分析近200年來的技術創新和職業數據，結果發現，隨著人工智能在工作場所的應用不斷深入，白領工作的相對需求有所下降，藍領工作則吸引了更多的勞動者。

該研究團隊包括凱洛格管理學院的金融學博士生劉湖本（音譯）、凱洛格管理學院的金融學教授季米特里斯·帕帕尼古拉烏，以及麻省理工學院斯隆管理學院的勞倫斯·施密特。

研究人員的發現延續了始于20世紀后期的趨勢，即技術正在日益取代白領職業中常見的認知任務。西格米勒指出：“這是一個持續了50年的趨勢。”

但這并不意味著大學生應該立即輟學去當水管工。然而，他們應該專注于人工智能尚未取代的技能，并且利用人工智能在工作的其他方面做得更好。

他說：“[你需要]對技術力量保持正確的認識和尊重，并且了解哪些力量對你有利，哪些對你不利。”

從過去汲取教訓

西格米勒及其合作者此前發現，當人工智能直接取代2014年至2023年期間的大部分工作任務時，會降低該領域對人類工作者的需求。但如果人工智能只能接管某個職業的一部分任務，那么該技術對就業的影響其實是積極的。

研究人員想知道，這種模式是否在歷史上的其他技術領域也普遍存在。若是如此，那么它或許可以為預測人工智能發展后勞動力市場可能出現的變化提供一個參考框架。

西格米勒表示：“我們總是想要預知未來走向，而我們只能從過去汲取教訓。”

研究團隊在當前研究中收集了1850年至2024年的技術專利數據，涵蓋了從鋼鐵生產方法到電子商務系統等各個領域。他們還利用大型語言模型生成同期美國人口普查所列工作崗位的任務描述。

然后，他們運用先前研究技術對勞動力市場的影響時所開發的自然語言處理技術，將專利文本與每十年的工作任務描述進行比較。當一項專利技術的描述與某項工作任務密切相關時，該任務就被視為受到該技術的“影響”。換言之，這項技術有可能取代人類工作者來完成任務。

不出所料，從19世紀中期開始，體力勞動受到技術的影響最大。然后，在20世紀中期出現了重要轉折：由于計算機和信息技術的進步，認知任務逐漸更多地受到技術的影響，盡管受到影響最大的依然是體力勞動。

研究人員對1910年以來的數據進行分析，發現受到技術影響的程度越高，通常會抑制就業的增長。然而，如果影響范圍僅限于一小部分任務，反而有利于某項工作崗位的就業增長，因為勞動者能夠將注意力集中在其他任務上。

總而言之，研究結果證實，歷史上促使技術變革對就業產生影響的力量，與人工智能可能對勞動力市場產生的影響存在重要的相似之處。正如西格米勒所言：“雖然人工智能看似具有前所未有的能力，但其實與以前的技術具有一些重要的相似之處：若能將精力重新分配到工作中尚未受到影響的任務上，往往有助于減少負面影響，而人際交往技能似乎總是受影響最小。”

趨勢逆轉

隨后，研究團隊計算了技術影響和創新對不同職業類型的凈影響。

他們發現，在整個20世紀，高薪工作普遍受益于技術進步；需要更高學歷的職業以及雇傭更多女性的工作，比如文員和行政工作，也同樣受益。相比之下，收入較低且通常雇傭更多男性的“中等技能”技工類崗位，例如運輸和制造業，則遭受沖擊。

然而，當研究人員使用數學模型來模擬人工智能在未來五年至十年內對于不同職業的影響時，得到的結果與一種新的發展軌跡相吻合，該模型預測人工智能將會降低對白領工作的相對需求。從這個意義上講，西格米勒稱他們的模型預期“先前的趨勢將會逆轉”。

具體而言，與對教育程度要求較低的工作相比，需要較高教育程度的工作的需求將會下降，而對中等教育程度的工作需求降幅最大。該模型還預測，傳統上薪酬較高的工作崗位，比如文員、技術員和管理職位，需求將會降低。最后，與男性比例較高的工作相比，女性比例較高的工作將會減少需求。

但這項預測并不意味著藍領工作的總數一定會增加，相反，這一預測表明，在后人工智能時代仍然存續的工作崗位中，藍領崗位所占比例可能會更大。

人工智能引發的這種趨勢逆轉，反映了人工智能與過去其他技術變革之間的本質差異。西格米勒說：“早期的技術總是會影響體力勞動和認知工作，但人工智能技術則是瞄準以認知為主的白領崗位。”

沒有簡單的答案

雖然一些白領工作者可能會考慮轉行從事受人工智能影響較小的職業，但西格米勒建議我們要謹慎看待研究結果。

他指出，該模型的預測就像“粗筆勾勒”。即便在受到人工智能重創的職業中，“也有辦法讓自己脫穎而出”。

例如，隨著人工智能自動化一些任務，工作者可以專注于培養需要人際交往能力的技能，比如人際溝通、協作和創造性思維。在整個研究期間內，人際交往任務很少被技術取代，西格米勒認為這種情況會持續下去，“即使ChatGPT也許能夠扮演心理咨詢師的角色”。

工作者還可以利用人工智能來執行較簡單的任務，從而提高工作效率。這或許能夠讓他們“專注于創造附加值的部分”，他說：“例如利用這些工具來提高構思創意或把握全局。”

不過，研究人員也承認，對于工作者應該如何應對眼前的巨變，目前還沒有簡單的答案。

西格米勒說：“沒有萬能解藥。”但是，通過仔細權衡技術帶來的利弊得失，可以“就如何投資自己做出明智的決定”。（財富中文網）