生成式人工智能与未来工作全球对话：认知与展望

1. 未来工作叙事：希望与风险

• 技术进步始终伴随着希望与恐惧，关于未来工作的讨论历史悠久。工业革命和人工智能的兴起都引发了关于工作数量和质量的担忧。
• 对生成式人工智能（GenAI）的讨论同样存在两种对立的观点：一是担心大规模失业和经济不平等，二是期待提高生产力和创造新的工作机会。
• 三大洲的参与者都认识到GenAI的潜在益处和风险，但侧重点有所不同。拉丁美洲更关注就业岗位流失，欧洲关注女性和年轻工人受到的不平等影响，亚洲则强调不确定性和经济特征。

2. 把握未来工作的方法

• 理解未来工作有多种方法，包括预测性方法（如预测就业趋势）、探索性方法（如战略 foresight 和话语分析）和规范性方法（如逆向规划）。
• 预测性方法，如就业预测和职业自动化风险评估，常被用于政策制定，但存在局限性，例如忽视人类能动性、过度强调任务自动化等。
• 探索性方法，如战略 foresight 和话语分析，有助于理解未来趋势和塑造公众舆论，但目前在政策制定中的应用较少。
• 三大洲对各种方法的重视程度不同。欧洲更关注预测性方法，亚洲更关注任务自动化风险评估和逆向规划，拉丁美洲则提出了建立公共观察站以监测趋势的建议。

3. 生成式人工智能对就业和就业质量的影响

• GenAI 对就业的影响是复杂且多方面的。虽然它可能会取代某些工作，但也可能增强人类能力并创造新的角色。
• GenAI 的影响在不同地区和国家存在差异，高收入国家受自动化影响更大，女性和低技能工人更易受到冲击。
• 就业质量受到工作条件、雇佣条件、社会关系和技能使用等因素的影响。GenAI 可能通过自动化重复性任务、平台化和算法管理以及增加对人类劳动力的需求来影响就业质量。
• 与就业数量相比，就业质量在讨论中受到的关注较少，欧洲参与者对此最为担忧。

4. 全球政策应对措施

• 各国正在制定政策来应对GenAI带来的挑战，主要集中在提升技能和劳动力市场适应性方面。
• 亚洲的政策重点是企业采用AI和提升全民AI素养，主要通过“软法”工具来规范AI发展。
• 欧洲的政策重点是劳动力技能再培训，并通过“硬法”工具来保护个人数据和防止技术滥用。
• 拉丁美洲的政策结合了AI应用、自我监管和基于风险的监管措施。
• 所有地区都将技能再培训视为关键优先事项，但其他政策重点各不相同。亚洲关注非正规工人AI素养提升、中小企业获得AI支持以及工作重塑，欧洲关注社会安全网、创意专业人士知识产权保护和包容性政策制定，拉丁美洲关注社会保障体系和监管沙盒实验。
• 政策讨论主要关注劳动力供给方面，而忽略了需求侧措施和产业政策的作用。

5. 研究结论与建议

• GenAI 对未来工作的影响是复杂且多方面的，需要采取积极且具有针对性的政策措施来应对挑战。
• 建议进一步研究不同地区和国家的社会经济条件如何影响GenAI的采用及其对劳动力市场的影响。
• 需要更深入地研究GenAI对就业质量的影响，并评估其对工人福祉的影响。
• 应探索在产业政策和公共采购程序中应用劳动和社会条件，以提升就业质量。
• 需要评估各地区已采取的政策措施，并促进政策学习和经验分享。