人工智能重塑勞動力市場與貨幣政策範式
程實 工銀國際首席經濟學家
「世異則事異，事異則備變。」過去數十年，菲利普斯曲線與貝弗里奇曲線是宏觀經濟研判勞動力市場、測算通脹壓力、預判政策周期的核心工具。但近年來，以美國為代表的發達經濟體勞動力市場運行狀態，持續偏離傳統理論框架。以任務自動化、認知替代為核心的新一代人工智能技術，是解讀這一結構性變革的關鍵抓手，正在從底層重塑勞動力市場供需格局、價格形成機制與宏觀聯動邏輯，推動宏觀分析框架與貨幣政策思路迎來系統性迭代。
三大方面影響就業
美國國家經濟研究局（NBER）和國際貨幣基金組織 （IMF）近期的工作論文指出，AI對就業的影響主要通過三條渠道展開：第一，任務替代效應。當AI能夠以更低成本完成某些具體任務時，這些任務對應的邊際勞動需求下降。第二，任務重組與生產率放大效應。當AI只替代崗位中的部分任務，勞動者將時間配置到尚未被自動化的任務上，從而緩衝就業衝擊並提升企業生產率，帶來規模擴張，對就業形成反向拉動。第三，宏觀層面的就業壓縮。儘管企業層面的生產率提升存在，但在區域和行業層面，任務重組並不能完全吸收被替代的勞動。
傳統菲利普斯曲線將失業率視為衡量勞動力市場緊張程度的核心變量，然而AI的引入正在系統性削弱這一傳導鏈條。首先，有效勞動供給的彈性顯著上升。AI擴展了單個勞動者可完成的任務集合，使得失業率下降不再必然對應同等強度的用工約束。其次，工資形成機制出現明顯分化。AI並未推高整體工資水平，而是強化了工資結構的分層。再次，生產率提升對成本衝擊形成緩衝，AI通過降低單位邊際成本，削弱了工資變動向價格端的傳導。
相較菲利普斯曲線，AI對貝弗里奇曲線的影響更為直觀。AI替代主要集中於中等技能崗位，而再培訓、技能轉移與跨區域流動存在顯著摩擦，導致相同職位空缺率對應更高的失業率。AI參與生產的環境下，職位空缺數據本身的信息含量有所下降。部分職位空缺更多反映的是對AI系統的補充配置或探索性需求，而非等量的勞動需求。
市場信號的滯後正加強
勞動力市場信號滯後帶來的貨幣政策範式轉變。在人工智能持續改變用工方式、傳統勞動力指標解釋力下降的背景下，未來對勞動力市場以及貨幣政策的判斷，可能在兩個層面發生變化。其一，薪資增速對通脹的傳導效率正在減弱。一方面，AI提升了單位勞動效率，使得企業能夠在不顯著擴張用工規模的情況下消化成本壓力；另一方面，工資上漲更多集中於不可被替代的高技能任務，其對整體消費需求與價格水平的外溢效應有限。在這一背景下，薪資增速與物價之間的聯動關係可能走弱，依賴工資數據判斷通脹走勢容易高估通脹的持續性。其二，失業率對經濟變化的反應正在變慢，貨幣政策需要更早關注潛在風險。傳統宏觀模型中以失業率、職位空缺率等指標作為判斷經濟周期位置和政策轉向信號的做法，其解釋力與前瞻性正在下降。在這一環境下，貨幣政策決策不可避免地需要在更大的不確定性下進行權衡。未來的貨幣政策可能更傾向於採取前瞻性的風險管理思路，即在核心就業指標尚未明顯走弱之前，提前釋放一定的政策緩衝空間，從而推動寬鬆政策前置。
題為編者所擬。本版文章，為作者之個人意見，不代表本報立場。
