編者按：本文內(nèi)容選自香港大學(xué)經(jīng)管學(xué)院《香港經(jīng)濟政策綠皮書2026》其中一篇研究報告——《初實證衡量人工智能活動及其對勞動市場的影響》中“香港勞動市場與人工智能”的內(nèi)容。文章以實證衡量AI對香港勞動力的影響，并觀察到AI應(yīng)用率較高的企業(yè)，其員工人數(shù)增長較為緩慢。然而，這一影響在香港的規(guī)模相對有限，背后可能存在多項潛在原因，如香港勞動力的結(jié)構(gòu)與其他地區(qū)存在差異，金融業(yè)人才及管理人才所占比例較高，這類人才較難被取代；同時，香港勞動力中高齡從業(yè)者及精英從業(yè)者的占比也相對突出。另一方面，AI（尤其是生成式AI）的影響，很大程度上集中在非精英群體及年輕群體。

機器人在香港國際AI藝術(shù)節(jié)上演奏。（新華社圖）

觀乎AI對香港勞動市場的影響，至今仍未有充分研究。香港特區(qū)政府未有提供可供學(xué)術(shù)縱向調(diào)查的優(yōu)質(zhì)職業(yè)數(shù)據(jù)。因此，在勞動市場數(shù)據(jù)方面，筆者采用了RevelioLabs從LinkedIn所得的統(tǒng)一工作人口數(shù)據(jù)。該數(shù)據(jù)庫定期更新就業(yè)者履歷，并補充職銜、職責說明、入職及離職日期、職業(yè)／職位分類、根據(jù)職銜估計的職級、技能和地理位置，以及教育背景和人口特征。如此統(tǒng)一的數(shù)據(jù)有助于筆者構(gòu)建香港企業(yè)按時間維度劃分的工作人口組成版圖，并根據(jù)用于文獻中受生成式AI影響的不同程度來配對職位。這些資料足以建立職業(yè)構(gòu)成、初級與高級員工比例，以及受AI影響程度相關(guān)分組的分時段指標，從而檢視外在結(jié)合企業(yè)層面的AI采用信號，例如通過文本識別在招聘信息中或公司企業(yè)傳訊中反映的AI采用情況。

至于筆者的研究方法，也有需要注意的地方：第一，在香港的LinkedIn信息覆蓋面有所不同。

例如，由于該平臺在中國內(nèi)地的采用程度或存在狀況隨時間推移而變化，內(nèi)地企業(yè)對該平臺的使用率或有所不足。第二，香港勞動力的構(gòu)成或大有不同。例如，盡管香港極受AI影響，本地不少金融及管理人才卻較難被取代，而較趨向年長或精英化（紐約大概可作類比）。同時，生成式AI目前的影響多集中于精英化程度較低且較年輕的人口。第三，香港企業(yè)采用AI的速率和深度或較緩慢。然而，筆者認為本研究樣本數(shù)據(jù)中的偏差與ChatGPT面世應(yīng)無相關(guān)性，亦非受生成式AI影響職業(yè)的獨有現(xiàn)象。

在衡量受AI影響程度和采用情況（亦即整合）方面，可資參考數(shù)據(jù)來源有二：一是一般職業(yè)層面受影響程度指標，其中隱含所有企業(yè)采用AI程度相同的假設(shè)。這一常用職業(yè)層面受影響指標由Eloundou等提出。二是企業(yè)層面采用AI的指標，通常透過企業(yè)招聘發(fā)布信息。具體而言，Lichtinger與Hosseini實施了一種用“整合者”（即筆者稱之為大型語言模型“采用者”）的分類方式，這些就業(yè)者試圖將AI技術(shù)融入其工作流程之中。

基于第一種衡量指標，筆者計算極受AI影響的職位比例。“受影響”可指獲得協(xié)助或人手被AI取代，但大抵意指產(chǎn)生作用。此類職位包括金融分析師、客戶服務(wù)人員和軟件開發(fā)人員等類型。按此標準，香港在極受影響職位比例方面，在各經(jīng)濟體中排名不算特別高。

接下來，筆者標示出2016年各種受影響與不受影響職業(yè)的標準化增長，從而加以對比，其中受AI影響一環(huán)，所依據(jù)的是Eloundou等在O*NETSOC職業(yè)層級的GPT-4評級。各種職業(yè)按百分位數(shù)排名劃分為不同的受影響程度組別：受影響程度低、受影響程度中等和受影響程度高。這種分類方法能夠捕捉到非線性效應(yīng)，同時保持結(jié)果的可解釋性。受影響程度高組別約占香港2022年第4季度所有職位的20%。數(shù)據(jù)為半年度統(tǒng)計，并從旁列出美國、新加坡的數(shù)據(jù)加以對比。

筆者接下來進行企業(yè)層面的回歸分析，利用企業(yè)層面受AI影響程度的差異，以更好地判斷AI會否帶來影響。這是因為整體而言，香港似已出現(xiàn)就業(yè)下跌的潛在先前趨勢。筆者在本研究的企業(yè)樣本中，加入美國企業(yè)數(shù)據(jù)作為對照組，令樣本規(guī)模超過40萬家企業(yè)，從而觀察AI對香港的效果到底較大還是較小。

為隔離出AI的作用，筆者采取了3項措施。一、控制了每家企業(yè)在2020至2022年期間的招聘增長情況。二、觀測了ChatGPT面世前各企業(yè)在易受影響職位（年資低、受大型語言模型影響程度高）中員工比例的橫截面差異。三、筆者還復(fù)制了Lichtinger與Hosseini的研究結(jié)果。值得注意的是，在此措施之下，香港的AI采用率似乎較高。

在這一更為科學(xué)的設(shè)定下，筆者發(fā)現(xiàn)香港企業(yè)中，易受AI影響職位的僱員人數(shù)增幅較低，與美國相比尤其顯著。對香港企業(yè)而言，易受影響職位員工比例對員工人數(shù)增長率的邊際效應(yīng)為主效應(yīng)與交互作用之和。

由此可見，如果一家公司中有40%職位易受AI沖擊，而對比另一家公司僅有20%的職位易受沖擊，則前者的員工人數(shù)增幅將約低0.116個百分點（-0.5792×0.2）。換算為實際職位數(shù)量，相當于香港一家員工人數(shù)中位數(shù)約為527的企業(yè)（在ChatGPT面世前）減少約0.6個職位；而一家平均規(guī)模企業(yè)（約3374名員工）則減少約3.9個職位。結(jié)果的潛在解讀之一是，AI在香港勞動市場影響尤甚于美國。

為便于以視覺方式展示其中的凈效應(yīng)，筆者疊加采用AI而受影響職業(yè)/職位的企業(yè)，以及采用AI而職位不受影響的企業(yè)。似乎采用者企業(yè)稍微較傾向于減少受影響職位的員工人數(shù)，而將這些員工人數(shù)重新分配到其他職位；對于非采用者企業(yè)中所有受影響職業(yè)的效果大致上大同小異。總體來看，就凈效果而言，結(jié)果顯示采用AI的企業(yè)以稍快速度減少職位受影響的員工人數(shù)，而整體效應(yīng)則近乎筆者定義的采用者群體所表現(xiàn)出的效應(yīng)。

來源：香港經(jīng)濟導(dǎo)報

作者：關(guān)穎倫 港大經(jīng)管學(xué)院金融學(xué)副教授

太明珠 港大經(jīng)管學(xué)院金融學(xué)副教授，行為與決策科學(xué)研究所副總監(jiān)

王子涵 港大經(jīng)管學(xué)院碩士生