程建辉:AI是否在消解人力资本的价值?
最早被智能体接手的,大多是知识型任务,软件开发、文案撰写、财务核对与信息统计均属此类。到2026年,人工智能已能完整执行一条工作链,无需人工逐环节介入,机构预测可以印证这一趋势。Gartner预计2026年末将有40%的企业应用面向特定任务部署智能体;IDC预计到2026年,50%的中国500强企业将部署数据分析Agent来自动化日常任务,使员工转向创新与高级分析。
深圳进门财经科技股份有限公司创始人、CEO程建辉在《北大金融评论》发文指出,分析AI对人力资本的重构,首先要弄清人力资本的价值由什么构成。依据人力资本理论,教育与技能都被视为能够带来未来回报的资本,回报的高低取决于劳动者在市场中的稀缺程度。当AI大规模接手认知性工作,既有的稀缺格局随之改变,人力资本各部分的相对地位也需要重新衡量。
本文完整版刊登于《北大金融评论》第29期。
人工智能正在从内容生成工具,转变为能够独立在特定场景中自主做事的智能体,率先被接手的是知识工作中重复性较强的任务,而这些任务大多由初阶知识型劳动者完成。需要指出的是,AI并未消解人力资本的价值,而是压低了其中可替代部分所能获得的市场报酬。这一过程与十九世纪的“恩格斯停顿”存在结构上的相似性,技术进步显著提升了劳动生产率,但劳动者的报酬却长期停滞。区别在于,彼时被替代的是体力劳动,此时被替代的是认知劳动;并且技术扩散的速度超过了人力资本再培育的速度,使调整成本在代际间分布不均,集中由刚进入劳动力市场的年轻群体承担。化解这种分化,仅依靠补贴和职业培训难以奏效。更根本的调整,在于改变金融体系的定价方向,将定价对象从算力扩展到人。
智能体驱动下的认知劳动自动化
最早被智能体接手的,大多是知识型任务,软件开发、文案撰写、财务核对与信息统计均属此类。到2026年,人工智能已能完整执行一条工作链,无需人工逐环节介入,机构预测可以印证这一趋势。Gartner预计2026年末将有40%的企业应用面向特定任务部署智能体;IDC预计到2026年,50%的中国500强企业将部署数据分析Agent来自动化日常任务,使员工转向创新与高级分析。
企业使用AI的方式则分为两类:一类是“替代型”,由AI整体承接某一类岗位,人的参与大幅减少;另一类是“增强型”,在人机协同的过程中以AI提升人的工作效率与质量,人甚至可管理调用多个智能体。
随着AI边际成本持续下降,替代型占比越高的职业,其初级岗位收缩越明显。这并非某一产业内部的技术进步,而是生产要素价值比例的系统性改变,人力资本处于这一改变的中心。如果说此前的自动化技术,取代的大多是能够写成固定流程、重复执行的体力劳动,那么这一轮AI则直接切入认知任务,将可复制的知识工作纳入替代范围。
从就业数据上可以看出AI带来的人力资本重构压力。国际劳工组织(ILO)在对2023年《生成式人工智能职业暴露全球指数》的迭代更新中指出,文书行政类职业的暴露程度依然高居各职业大类之首;与此同时,一批数字化程度较高的职业暴露水平明显上升,反映出生成式AI在专业技术岗位的细分任务场景中,能力边界正在持续拓展。从全球总量看,约四分之一的劳动者所在职业会受到生成式AI不同程度的影响。斯坦福数字经济实验室基于美国全职劳动者薪资记录的研究发现,生成式AI尚未引发全社会的大规模失业;但在AI应用程度较高的岗位,22~25岁初入职场的年轻人就业状况明显恶化,企业减少了新人招聘,而AI辅助增效类岗位的就业保持平稳或有所上升,基本工资未出现明显分化。
这表明,AI并非消解了人力资本的价值,而是依照可复制性对人力资本进行价值重构。凡是可以复制的能力,一旦被AI接替便失去稀缺性,价格趋于下降;不可复制的能力则因稀缺而价值上升。人力资本面对的是价值的两极分化,而非价值的消解,而这正是AI时代生产要素重新组合的基本矛盾。
人力资本的价值重估与重构路径
分析AI对人力资本的重构,首先要弄清人力资本的价值由什么构成。依据人力资本理论,教育与技能都被视为能够带来未来回报的资本,回报的高低取决于劳动者在市场中的稀缺程度。当AI大规模接手认知性工作,既有的稀缺格局随之改变,人力资本各部分的相对地位也需要重新衡量。
人力资本的价值重构,关键在于可复制性,经济学用“任务框架”来描述这一过程。劳动与机器以各自的比较优势,在不同任务之间分工,而技术进步的本质,就是不断调整人与机器在各个任务上的相对优势。AI使一批原本需要人力的任务变得可编码、可复制,供给瓶颈被解除,价格随之下降;而提出问题、跨情境判断、承担问责等难以编码的能力,反而因稀缺而升值。
人力资本的价值并未消失,只是以此为界重新分配。国家发展改革委在《以人工智能赋能高质量充分就业》中指出,人工智能的发展对不同行业和岗位的就业机会和薪酬水平产生差异化影响,随着人工智能技术深入各产业,常规性、重复性的低技能岗位将被取代,而技术含量高、创新导向明显的高技能岗位需求将快速增长。
面对AI带来的人力资本重构,有三条路径。第一,劳动升级而非劳动替代。重复性的认知工作交给机器,人把精力转向更需要创造力和复杂决策的岗位;要做的不是让机器取代人,而是让人转向机器无法独立完成的高价值工作。第二,把数据当作个人资产。数据已经上升为生产要素,一旦数据有了价格,个人对自身数据的权利就可以归入人力资本,进入分配体系。这意味着,数据不再只是被平台无偿采集的原材料,而是个人可以主张收益的资产。第三,人力资本的证券化。如果技能有了价格、可以交易,那么依附于未来收入的权利,就可以被用来融资,或者获得保障。这与助学贷款、收入分成协议的逻辑一脉相承,只是把标的从学历延伸到技能本身。
归根结底,人应当被当作资产重新计价,而不是被简单划归为成本。
人工智能时代人力资本价值重构的特征
人力资本的两极化并非新现象。英国工业革命前期,技术发展迅速,工人的实际收入却长期停滞,资本在国民收入中的份额明显上升,经济史将这一现象归纳为“恩格斯停顿”。此后的研究进一步表明,人口状况与资本形成的时滞,使实际工资停顿达几十年之久。
与19世纪的恩格斯停顿相比,AI时代的人力资本分化呈现出三处不同,并且更值得警惕。
第一,机器替代的对象不同。工业革命以体力劳动为替代目标,把臂力与重复性动作交给机器;AI处理的则是智力类任务,而这类任务曾被看作人的特长。如今受到冲击的已不止于体力劳动者,中低级白领、刚毕业的知识青年同样被波及,这些人恰恰是人力资本投入最充分、发展最成熟的群体。
第二,替代的速度不同。从恩格斯停顿算起,社会大约有半个世纪,也就是两三代人的时间,去完成制度与教育的调整;而AI技术的传播按年展开,相关人力资本需要十年以上才能恢复或重造。制度尚未回应,冲击已经到来。
第三,波及的劳动主体更集中。过去陷入困境的,是手工织布一类的职业群体;现在最直接受到冲击的,多为刚进入劳动力市场的人。知识与学历作为人力资本价值的标志已存在多年,如今这一标志开始松动。
既然如此,就应尽量避免历史重演。恩格斯停顿说明,人力资本的分化不是技术自然发展的结果,而是制度缺失的代价。技术影响价格比例,制度决定代价归属与收益分配。今天要思考的,是如何让人力资本在技术进步的同时获得新的估价,而不是被一味压低。
······
本文完整版刊登于《北大金融评论》第29期
内容来自 虎嗅,版权归原作者所有。
阅读原文 ↗