核心观点 - 美国银行的研究团队基于历史经验认为，关于人工智能将导致大规模失业的“末日论”与经济学理论和现有证据不符 其核心论点是生成式人工智能将主要增强而非取代工人 但需警惕“智能体AI”等更具结构性颠覆力量的技术 以及就业市场结构性失衡的风险 [8][3][9][10][14] 历史类比与就业演变 - 历史技术变革如工业革命、电气化、计算机化并未消灭就业 经济通过创造新岗位走出颠覆 例如美国如今60%的岗位在1940年时并不存在 数据科学家、社交媒体经理等职业在20年前几乎不存在 [6][7] - 具体历史案例支持技术变革创造就业的观点 自动取款机在20世纪七八十年代普及后 银行出纳员总数反而增加 因为运营成本降低促使银行开设更多网点 并将出纳重新部署至销售和客服岗位 [2] - 速冻食品的发明使美国农业劳动力占比从30%-40%降至2%-5% 但转型最终创造了足够多的新岗位 使经济整体受益 [13] - 文字处理软件、Excel和电子商务并未消灭文员、会计和零售就业 美国目前仍有约1500万至1600万零售工人 与20世纪90年代水平相当 [1] 人工智能对就业的影响分析 - 根据国际劳工组织数据 全球13%的岗位属于“增强”类别 AI将提升而非取代这些工人 而仅有2.3%的岗位具有真正的自动化潜力 [4] - 全球范围内约8.4亿个岗位（约四分之一）面临生成式AI的影响 高收入经济体面临的风险最高 达33% 年轻员工、女性和高学历者面临最大的颠覆风险 因为他们集中在白领、语言密集型和行政岗位 [5] - 专业和金融服务受益最大 而客服、信息/通信技术和行政领域的重复性岗位面临最高的替代风险 [3] - 智能体AI被视为更具结构性颠覆的力量 它可能使工作流程变得无关紧要 而不仅仅是自动化任务 自21世纪初以来 银行出纳就业已大幅下滑 这体现了“范式替代”的风险 [9][10] 经济学理论与开放问题 - 杰文斯悖论指出 提高能源效率可能因成本下降刺激新需求而导致总消耗增加 这一逻辑被应用于AI 称为“杰文斯就业效应” 即AI降低专业工作成本可能促使该领域总市场需求扩大 从而增加法律、会计、咨询等领域的人员数量 [10][11] - 关键问题在于 更便宜的法律备忘录和金融模型是会释放新的、未被满足的需求 还是AI仅用更少的人完成相同的工作 杰文斯效应适用于ATM但不适用于银行出纳的例子说明了这一不确定性 [12] - 历史类比可能被“一人公司”的发展打乱 到2026年 在智能体AI系统的赋能下 单个企业家可能完成过去需要整个团队才能完成的功能 [21] 行业影响与具体案例 - 美国银行自身雇佣约2万名经理 其CEO认为AI发现是对人类能力的增强 适用于审计师、律师和投资银行家等岗位 [14] - Anthropic的研究显示 AI在管理、法律和金融岗位上的能力与实际应用之间的差距正在迅速缩小 一家《财富》500强咨询公司估计93%的工作岗位面临某种程度的颠覆 相关成本高达4.5万亿美元 [22] 结构性风险与分配问题 - 尽管对整体就业创造相对乐观 但就业分配问题值得警惕 达拉斯联储的早期数据显示 受AI影响的行业 资深员工薪资上涨 而入门级招聘下滑 表明AI在增强高级员工的同时 可能挤压初级员工 [14] - 诺贝尔奖得主经济学家达龙·阿西莫格鲁警告 除非AI能大规模创造新的劳动密集型任务 否则其生产率收益将自然流向资本所有者而非工人 扩大机器所有者和操作者之间的差距 [15] - 安全网存在结构性缺口 近75%被AI取代的工人将无法领取失业救济金 使转型支持非常薄弱 [16] 政策应对与税收改革 - AI将增加政府对提供工资保险、加强失业救济、再技能培训激励和税收改革的压力 以确保AI收益不会过度集中 政策制定者需要设计过渡框架以缓解短期冲击 同时防止劳动力市场留下疤痕 特别是对于技能面临过时风险的中年员工 [17] - 硅谷人士也提出改革建议 风险投资人维诺德·科斯拉提议 对年收入低于10万美元的约1亿美国人完全免除联邦所得税 资金通过将资本利得税与普通收入税率拉平来筹集 其计算显示 40%的资本利得税由年收入超过1000万美元的人缴纳 因此该方案在不上调总体税负的情况下可实现收入中性 [18] - OpenAI在一份政策文件中呼吁将税基从工资和劳动收入转向公司收入和资本利得 包括对自动化劳动征收“机器人税” 其警告称 随着AI自动化更多工作 用于社会保障、医疗补助等项目的工资和工资税收入可能崩溃 使得基于资本的征税不仅公平 而且在财政上成为必要 [19][20]