AI正在制造新的职场分水岭:有人升级,有人掉队
因此，我认为，AI不会弥合技能鸿沟，而是会扩大这种鸿沟。从经济学和技术史的角度看，这符合“技能偏向型技术变迁”理论（SBTC，Skill-Biased Technological Change）。该理论是劳动经济学和宏观经济学中的一个核心理论，主要用来解释为什么自20世纪70-80年代以来，尽管高学历、高技能劳动者的供应大幅增加，但他们的工资不仅没有下降，反而与低技能劳动者的差距越拉越大（即收入差距扩大和薪酬极化现象）。
传统经济学认为，某一类劳动者变多时，他们的工资应该下降。但SBTC理论指出，技术的进步并不是中立的，它更偏向于那些拥有高技能、高学历的劳动者。对这些人来说，新生产技术（如计算机、互联网、AI、自动化软件）是他们的互补品（complements），能极大地提高他们的生产率，从而推高对他们的需求。而对低技能和中等技能者，新生产技术是他们的替代品（substitutes），不断取代大量重复性、机械性的常规工作，导致对他们的需求相对下降。这种技能需求与劳动力供给之间的失衡，引发了薪资差距的扩大，这种差距通常被称为“技能溢价”（skill premium）。
举例来说，在现代物流与零售业，以亚马逊和沃尔玛为代表的供应链巨头，通过技术重塑了整个行业。对于仓储中心的搬运工、清点员以及超市的收银员而言，自动分拣机器人和无人自助结账机直接替代了这些常规性的体力或简单脑力劳动。但自动化与算法革命同时带来的是对数据科学家、供应链优化专家、算法工程师需求的爆炸式增长。这些高素质人才利用系统监控全局、预测消费行为、优化库存，其薪资在过去十年间水涨船高。
因此，AI可能同时具有两种看似矛盾的效果：一方面，它降低了进入门槛，更多人的确可以完成过去做不到的事情。另一方面，它也抬高了能力天花板，最优秀的人能够以前所未有的速度和规模创造价值。
这也是为什么我们应该把AI视为一种 “认知杠杆”，而不是简单的自动化工具。杠杆从来不会改变人的方向，它只会放大人的力量。对于会使用杠杆的人来说，它创造的是指数级收益；对于不会使用的人来说，它可能只是一个看起来很先进的工具而已。
技术革命往往不会平均提升所有人的能力，而是优先放大那些已经拥有较强认知能力、组织能力和学习能力的人。很多时候，技术在扩大机会的同时，也在扩大优势。这才是AI时代最值得关注的悖论。这个悖论可以被称为“能力的马太效应”——能够有效利用AI的人将获得更大的能力提升，而缺乏相关素养的人则可能进一步被边缘化。
多管齐下回应技能不平等
当技术将努力的含金量稀释，把认知的杠杆率无限放大时，优势的雪球只会越滚越大。这也正是当前各国政府、经济学家和全社会都在焦虑，并试图通过政策、税收或教育改革来干预的根本原因。
在政策层面，政府可以通过建立全民AI能力提升体系，赋能普通劳动者。例如，可以将AI素养纳入基础教育、职业教育和成人教育体系，使不同年龄、职业和教育背景的人都能够学习如何使用、理解和评估AI工具。同时，政府可以支持企业开展员工再培训和技能提升项目，并推动公共就业服务体系的转型，从过去帮助失业者寻找工作，转向帮助劳动者持续更新技能。一个好的例子是新加坡政府的“技能创前程”计划（SkillsFuture），目标就是从政府提供就业保障向帮助公民“终身可雇用”转变。政府为每位成年公民建立专属的个人培训账户，并定期注入资金或提供分层补贴。账户资金只能用于购买获得国家或行业认证的技能培训课程，重点覆盖 AI 应用、数据分析和网络安全等领域，帮助人们掌握机器难以替代的情境判断力与创造力。这样的“个人学习账户”制度，使终身学习成为一种公共基础设施。
在税收和经济政策层面，可以通过调整技术收益分配机制，避免AI红利过度集中。AI的发展可能使拥有先进模型、数据和计算资源的企业获得巨大的生产率优势，从而进一步扩大资本与劳动之间的不平等。因此，有识之士提出，应通过更公平的税收制度，将部分技术收益重新投入公共教育和技能培训。例如，对从自动化和AI应用中获得超额利润的大型企业，可以通过企业税、数字服务税或其他形式的公共贡献机制，将部分收益用于支持劳动者转型。此外，政府还可以通过税收优惠鼓励企业投资员工培训，而不是仅仅利用AI削减劳动力成本。
同时，无需多言，教育改革的步伐需要加快。哈佛大学经济学家克劳迪娅·戈尔丁（Claudia Goldin）和劳伦斯·卡茨（Lawrence Katz）曾提出一个着名的观点：工资差距是“教育与技术之间的赛跑”。如果技术进步的速度超过了教育普及的速度（即高技能劳动力供不应求），高技能人才的工资就会大幅上升，导致不平等加剧；反之，如果教育发展迅速，能够满足市场对技术的需求，工资差距就会缩小。
[物价飞涨的时候 这样省钱购物很爽]
好新闻没人评论怎么行，我来说几句
传统经济学认为，某一类劳动者变多时，他们的工资应该下降。但SBTC理论指出，技术的进步并不是中立的，它更偏向于那些拥有高技能、高学历的劳动者。对这些人来说，新生产技术（如计算机、互联网、AI、自动化软件）是他们的互补品（complements），能极大地提高他们的生产率，从而推高对他们的需求。而对低技能和中等技能者，新生产技术是他们的替代品（substitutes），不断取代大量重复性、机械性的常规工作，导致对他们的需求相对下降。这种技能需求与劳动力供给之间的失衡，引发了薪资差距的扩大，这种差距通常被称为“技能溢价”（skill premium）。
举例来说，在现代物流与零售业，以亚马逊和沃尔玛为代表的供应链巨头，通过技术重塑了整个行业。对于仓储中心的搬运工、清点员以及超市的收银员而言，自动分拣机器人和无人自助结账机直接替代了这些常规性的体力或简单脑力劳动。但自动化与算法革命同时带来的是对数据科学家、供应链优化专家、算法工程师需求的爆炸式增长。这些高素质人才利用系统监控全局、预测消费行为、优化库存，其薪资在过去十年间水涨船高。
因此，AI可能同时具有两种看似矛盾的效果：一方面，它降低了进入门槛，更多人的确可以完成过去做不到的事情。另一方面，它也抬高了能力天花板，最优秀的人能够以前所未有的速度和规模创造价值。
这也是为什么我们应该把AI视为一种 “认知杠杆”，而不是简单的自动化工具。杠杆从来不会改变人的方向，它只会放大人的力量。对于会使用杠杆的人来说，它创造的是指数级收益；对于不会使用的人来说，它可能只是一个看起来很先进的工具而已。
技术革命往往不会平均提升所有人的能力，而是优先放大那些已经拥有较强认知能力、组织能力和学习能力的人。很多时候，技术在扩大机会的同时，也在扩大优势。这才是AI时代最值得关注的悖论。这个悖论可以被称为“能力的马太效应”——能够有效利用AI的人将获得更大的能力提升，而缺乏相关素养的人则可能进一步被边缘化。
多管齐下回应技能不平等
当技术将努力的含金量稀释，把认知的杠杆率无限放大时，优势的雪球只会越滚越大。这也正是当前各国政府、经济学家和全社会都在焦虑，并试图通过政策、税收或教育改革来干预的根本原因。
在政策层面，政府可以通过建立全民AI能力提升体系，赋能普通劳动者。例如，可以将AI素养纳入基础教育、职业教育和成人教育体系，使不同年龄、职业和教育背景的人都能够学习如何使用、理解和评估AI工具。同时，政府可以支持企业开展员工再培训和技能提升项目，并推动公共就业服务体系的转型，从过去帮助失业者寻找工作，转向帮助劳动者持续更新技能。一个好的例子是新加坡政府的“技能创前程”计划（SkillsFuture），目标就是从政府提供就业保障向帮助公民“终身可雇用”转变。政府为每位成年公民建立专属的个人培训账户，并定期注入资金或提供分层补贴。账户资金只能用于购买获得国家或行业认证的技能培训课程，重点覆盖 AI 应用、数据分析和网络安全等领域，帮助人们掌握机器难以替代的情境判断力与创造力。这样的“个人学习账户”制度，使终身学习成为一种公共基础设施。
在税收和经济政策层面，可以通过调整技术收益分配机制，避免AI红利过度集中。AI的发展可能使拥有先进模型、数据和计算资源的企业获得巨大的生产率优势，从而进一步扩大资本与劳动之间的不平等。因此，有识之士提出，应通过更公平的税收制度，将部分技术收益重新投入公共教育和技能培训。例如，对从自动化和AI应用中获得超额利润的大型企业，可以通过企业税、数字服务税或其他形式的公共贡献机制，将部分收益用于支持劳动者转型。此外，政府还可以通过税收优惠鼓励企业投资员工培训，而不是仅仅利用AI削减劳动力成本。
同时，无需多言，教育改革的步伐需要加快。哈佛大学经济学家克劳迪娅·戈尔丁（Claudia Goldin）和劳伦斯·卡茨（Lawrence Katz）曾提出一个着名的观点：工资差距是“教育与技术之间的赛跑”。如果技术进步的速度超过了教育普及的速度（即高技能劳动力供不应求），高技能人才的工资就会大幅上升，导致不平等加剧；反之，如果教育发展迅速，能够满足市场对技术的需求，工资差距就会缩小。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: