人工智能发展下劳动者知识技能重塑的建议

人工智能是指通过模型建立的机器模仿人的思维、感知、认知和行动的表达系统，具有在广泛应用环境范围内实现特定目标任务的能力。2018年12月，中央经济工作会议提出“加强人工智能、工业互联网、物联网等新型基础设施建设”，人工智能将成为新一轮产业变革的核心驱动力。

到2020年，我国人工智能技术与应用水平将发展至世界先进水平，核心产业规模超过1500亿元，人脸识别、计算机视觉、智能语音、深度学习等技术广泛应用于制造、物流、金融、医疗、教育、交通、安防、企业服务等领域。在产业迅速发展的同时，部分重复性工作或将受到影响。根据以往的研究，具体的影响将体现在4个层面，一是人工智能发展造成“技术极化”现象凸显，中等技能岗位挤出效应明显，失业风险增加并将长期存在；二是就业“极化”将拉大收入差距，中低技能群体面临压力；三是劳动力素质与新型岗位需求不匹配，劳动力转换速度跟不上技术进步；四是技术失业引发劳动者的焦虑感和心理恐慌。从根本上讲，产生上述问题的主要原因在于技术发展、人力资本水平、知识传播和分享错配。因此，新科技革命到来，厘清技术、劳动力、知识的关系有其必要性。

从前工业社会到后工业社会，技术技能人才的知识结构经历了从一维到四维的转变，四维知识结构包括经验型、实体型、方法型与理论型技术知识。如今，技能人才能力结构需求的变化体现在4个方面：从简单工作任务处理能力向综合职业能力转变，从单一的专业能力向多学科融合能力转变，从规模化生产操作能力向创新创意能力转变，从维持性学习能力向持续终身学习能力转变。随着人工智能的不断发展，“人机协同”工作是未来社会重要的发展趋势，人类在未来的工作中需要提升人机交互和协作的能力和效率。

人工智能技术进步下，3类技能在劳动力市场上的重要性与日俱增，即高级认知技能、社会行为技能、能够预测适应能力的技能组合。首先，对于技能岗位而言，掌握高尖端技术的人才池还需扩大，专业教育体系需要革新。其次，对于非常规工作者来说，社交能力方面的工作仍然是人工智能所无法涉及和替代的。再次，对未来的工作岗位特征、技术适应性预测不足。人工智能下技能短缺的问题可能是劳动者获得了错误类型的技能，而不是普遍缺乏技能，关于新技术需要何种技能补充的具体信息很少。总之，人工智能下亟须全社会劳动者的知识技能大转型、大升级已成共识，劳动者知识技能重塑势在必行，旨在实现新工作与知识技能结构的动态匹配，解决促进创新经济发展中面临的就业结构性矛盾和劳动力能力转型升级的问题。

第一，顶层设计考量人文关怀。既考虑技术因素，也考虑人本因素，倡导人工智能要赋能人类，促进人的发展，将人类从劳累中解放出来，能够更优雅、幸福、更有尊严、更加智慧地生活的价值理念。既关注宏观层面对劳动力市场的冲击，也关注微观层面对劳动者的心理冲击，未来要特别关注“机器换人”引起的劳动者心理冲击以及人机合作对劳动者造成的心理影响。

第二，教育体系调整定位精准。加大人力资本投资，通过人才培养，提高教育与劳动力市场的匹配度。在早期、初等和高等教育中构建智能化教育体系，从技能性教育向适应性教育转变，实现劳动者知识结构的重构与创新能力培养。在大学学科建设方面，舆情网，构建智能科学与技术的二级学科，即脑认知基础、机器感知与模式识别、自然语言处理与理解、机器人与智能系统，并依此进行研究生导师和研究生学术方向分类。

第三，职业标准制定注重能力。完善职业技能教育体系，按照人工智能技术偏好的层次、类型、专业结构对技能人才进行有效供给，形成人工智能技能人才高地。通过职业标准体系引导企业将职业胜任力融入产业技工培养体系。还应建立组织知识管理标准体系，通过提供公共服务支持社会第三方机构从单纯的显性知识培训模式过渡到隐性知识传授，实现技术积累和能力积累并举，以间接方式促进劳动力市场的良性发展。

第四，企业知识管理明确目标。在企业内部进行知识管理体系改革，从人力资源管理、企业文化管理、技术管理等多层面入手，构建新型企业战略体系。对于企业而言，应加强战略和文化对员工的引导，树立企业知识观，将知识管理纳入企业战略，建立知识共享激励制度和组织支持文化、开发知识分享平台。同时，企业还应加强从知识获取、转移、应用到整合的过程管理，提供员工换岗训练服务和技能培训补贴，实现新工作与员工知识技能的动态匹配。

第五，政府托底保障补齐短板。制定包括社保托底、终身学习、新工作创造等政策。为处于工作转换和技能培训期的劳动者制定社会援助、补贴性社会保险、过渡期支持等政策；建立终身学习制度，重点是“数字化、智能化技术”学习，研究制定职业培训补贴、技能补贴等政策；政府和市场共同创造新任务、新工作，分“弱人工智能时期”和“强人工智能时期”，设计新的任务和工作，以平衡对劳动力市场的冲击，包括短期由政府主导增加价值补偿性岗位，以及长期由市场调节实现技能依赖型岗位的充足供给。