经济学家撰文：政策制定者应提前为 AI 就业冲击做准备

一位长期研究失业与职业培训项目的美国经济学家发表长文指出，尽管当前 AI 对劳动力市场的冲击仍然有限，但政策制定者有必要未雨绸缪，提前研究应对大规模失业的方案。文章综合既有研究与民意数据，对比了不同劳动市场干预工具的实际效果。

当前 AI 对就业的实质影响有限

文章指出，尽管偶有「AI 导致大规模裁员」的标题出现，但目前并没有看到失业率或裁员规模的大幅上升。劳动力市场仅出现招聘需求减弱等「弱信号」，尚无充分证据表明企业整体用工需求出现结构性下降。作者认为，尽管当下形势尚不严峻，未来几年劳动市场仍可能遭受剧烈冲击，提前准备具有现实意义。

「工作保障」方案获多数民意支持

蓝玫瑰研究公司（Blue Rose Research）的民意调查显示，54% 的美国人支持政府直接创造岗位，即所谓「工作保障」（Job Guarantee）方案；相比之下，仅 17% 支持无条件直接发放收入补贴。文章回顾了罗斯福新政时期公共就业项目的历史经验，包括「工程进度管理局」（WPA）和「民用资源保护队」（CCC），认为这些项目为大规模政府雇佣提供了先例。但作者也提醒，「为就业而就业」的岗位未必能带来可迁移技能或真正的服务价值，效果与真正的公共工程项目存在差异。

公共就业项目效果不及其他干预

文章引用美国国会预算办公室 1976 年提出的劳动市场干预分类框架，将相关政策分为四类：

• 技能发展项目：通过课堂或在职培训提升劳动者技能。
• 工作经验项目：为缺乏工作经历的求职者提供入门机会。
• 就业能力开发项目：包括求职辅导、简历优化与岗位匹配。
• 公共部门雇佣项目：直接雇佣失业者，目的是减少失业人数。

通过对超过 200 项劳动力项目评估的元分析发现：技能发展和工作经验项目在长期效果显著，但短期偏弱；就业能力开发项目短期效果突出，但长期减弱；而「工作保障」所对应的公共部门雇佣项目，在短期、中期、长期效果上均弱于其他三类。原因在于：政府创造的岗位挤占了劳动者原本可用于求职和技能提升的时间，且这类岗位未必能提供市场需要的技能。

更有效的方向：扩大技能培训与就业匹配

文章以「Year Up」项目为例，该项目将培训与就业安置相结合，随机对照试验显示，参与者项目结束 7 年后年薪仍可提高超过 8,000 美元。作者建议政策制定者在试点「工作保障」方案的同时，重点扩大对效果已得到验证的技能培训和就业匹配项目的投入。参议员 Cory Booker 与众议员 Bonnie Watson Coleman 提出的《联邦工作保障发展法案》可作为局部试点的起点。文章最后强调，应对潜在 AI 就业冲击的核心在于设计与市场真实需求对接的劳动市场干预，而非简单的政府雇佣扩张。