编者按：人工智能技术加速迭代，正在深刻改变产业发展格局，也给传统就业模式带来新的挑战。从岗位替代到组织变革，从人才需求调整到就业结构重塑，AI浪潮下的就业市场正经历深层次变化。面对技术进步带来的机遇与冲击，未来哪些岗位将受到影响？劳动者和企业又该如何主动适应？本文以金融业为例，分析人工智能对就业的影响机制与行业岗位变化趋势，并从教育就业转型、区域发展、财政保障和工时制度等方面提出应对思考，探讨如何在技术变革中实现效率提升与就业稳定的平衡。现将全文刊发，以飨读者。
文｜章杨清 侯潇怡
理解本轮AI就业变革
当前AI对就业的冲击已从隐性渗透转向显性显现，成为引发全球关注讨论的热门议题。
从国内顶层研判看，近期《学习时报》头版头条刊发中国社科院原副院长蔡昉的署名文章《积极应对人工智能对就业的冲击》，指出AI不仅会冲击重复性劳动，更将扩展到认知型技能岗位，对白领就业的替代将是全面的，且大范围替代操作性工作即蓝领岗位也是大势所趋。
从全球产业前沿看，2026年达沃斯世界经济论坛上，以埃隆·马斯克为代表的科技产业视角认为，通用人工智能将在数年内实现跨越式突破，AI综合智能水平将快速超越人类，人形机器人规模化普及、传统工作模式消亡将成为大概率事件，彻底改写传统就业与生产的底层逻辑。以尤瓦尔·赫拉利为代表的社会发展视角则认为，大量依托语言与逻辑能力的传统职业将失去原有价值，引发就业、治理、社会结构的全方位变革。
从现实层面看，高度依赖IT外包的印度已率先遭遇AI失业冲击。过去近30年，印度依托人力价差构建起覆盖客服、代码测试、系统运维的完整外包产业链，600万IT工程师贡献了全国7%以上的GDP与四分之一的出口额，支撑起国内消费、地产等产业链。但生成式AI普及直接冲击其产业根基：2025年10月至2026年6月，印度前五大IT公司净增招聘仅17人，较去年同期的近1.8万人近乎归零；同时15-25岁青年失业率飙升至40%，而每年仍有150万计算机专业毕业生涌入市场。据咨询机构UnearthInsight测算，未来两到三年印度将有40万-50万IT从业者面临裁员。因产业链的巨大弊端，印度正在成为在 AI 失业潮中的“零号病人”。
我国相关数据也间接印证AI对就业的冲击已不是“是否发生”的预判问题，而是“正在落地、持续深化”的既定趋势，亟需全社会合力主动适配变革、积极应对挑战。
面对AI的持续渗透，舆论场仍存在不少自我安慰式观点。但需清醒地认识到，就业替代的核心是人工智能相对于人类劳动者具有技能优势。在资本逐利的逻辑下，这种技能优势会直接转化为成本优势，进而转化为替代动力。
而想要理性应对AI就业变革，需要建立科学化、精细化的分析框架。本轮AI技术变革与过往工业、智能制造技术革新存在本质区别，以往技术革新主要替代低端体力劳动，主要冲击蓝领岗位，且技术落地节奏缓慢、行业渗透循序渐进，市场拥有充足的适配缓冲期。而本轮大模型技术迭代，不仅升级机器人替代部分蓝领，更直接冲击白领脑力劳动者，覆盖绝大多数认知型、分析型岗位，同时具备部署成本低、迭代速度快、全域渗透的特点，往往全新就业岗位尚未培育成型，传统岗位就已面临替代冲击，就业市场的适配窗口期被大幅压缩。
从经济学理论看，AI对就业的影响可通过替代效应、互补效应与创造效应三重机制来理解。2024年诺贝尔经济学奖得主阿西莫格鲁提出的“任务模型”将职业拆解为异质性的任务集合，AI可能替代部分任务（如数据整理、模板撰写），同时增强另一些任务（如辅助决策）。但问题在于，AI倾向于替代劳动从而降低劳动收入份额，而非热衷创造岗位以缩小收入差距——这意味着市场自身难以自动平衡，需要政策干预。
从管理学视角观察，AI对组织的冲击已超越“工具替代人力”的表层，开始触及组织结构与人力资源管理的底层逻辑。当AI可承担项目协调、信息传递等常规管理任务后，企业正趋向扁平化，管理层级减少。人力资源管理的核心单元正从“岗位”转向“能力”。这种转变虽在初期，却已对企业的培训体系、晋升路径和人才评价标准提出新的挑战。
而要研判AI对就业的真正影响，需进一步下沉到微观任务维度。借助阿西莫格鲁提出的“AI暴露度（AI Exposure）”工具和美国O×NET标准指标体系，可以把1000多个职业拆分为约2万个任务、3万个技能，通过分析每个任务如何受到AI影响，汇总到职业层面计算出替代率。
有国内学者将中国160多万条招聘信息与新加坡、美国数据进行比较研究，发现发现高暴露度岗位更多集中于程序性、规范性强的白领工作，蓝领岗位替代风险相对更低。从当前AI落地实践来看，现阶段AI的互补效应高于纯替代效应，多数场景中AI以辅助赋能为主，全域替代尚未大规模落地。同时，AI对就业的冲击主要集中于新增招聘端，重点挤压初级、中等技能岗位的就业空间，存量高端岗位、高复合型岗位短期内受影响较小。
整体而言，AI不会彻底消灭就业，只会持续重塑就业结构，淘汰固守传统模式与不会适配AI工具的从业者，当前市场仍处于关键的转型缓冲窗口期，为全社会、各行业、个体的转型适配提供了宝贵机遇。
以金融业为例做简要分析
在全行业就业重塑进程中，金融业凭借其数据密集、认知密集属性，成为AI替代白领岗位的核心前沿阵地。笔者试着结合金融行业各岗位的任务属性、AI适配度与替代风险，将行业岗位划分为四大梯度，具体来看：
第一梯度为AI高暴露岗位，以全流程标准化、无深度人际交互、规则固定为核心特征，预计三年内将迎来大幅编制收缩。这类岗位集中在银行基础运营、标准化信贷审核、保险简易内勤、初级行业研究等领域，核心工作均为机械性数据处理与模板化文书输出。当前智能设备与AI系统已全面落地，传统柜面现金业务、开卡转账等工作基本实现智能化替代，替代率超九成；初级信贷审核，保险简易核保、理赔审核，金融清算交割、估值核算等后台工作，已实现AI秒级批量处理、全流程闭环运营。初级行研的数据分析、报告撰写等基础工作，也可由AI一键完成，效率远超人工团队。
笔者认为，国内金融业仍有三年左右的安全缓冲期，但此类纯操作、标准化岗位需求持续萎缩，新人入行通道大幅收窄，存量从业者若无法完成能力升级，将面临转岗或淘汰。
第二梯度为中高暴露岗位，岗位内半数标准化任务可由AI承接，核心价值依赖人工校验、线下沟通与非标判断，预计五年内会面临职能重构、人员减半等挑战。零售理财、小微金融、基础风控等岗位均属于此类，AI可高效完成客户基础画像、标准化资产配置、数据抓取与异常识别等重复性工作，但客户情感维系、线下尽调、非标风险研判、商务谈判等工作仍需人工主导。在AI赋能下，这类岗位人效将实现数倍提升，机构无需批量招聘基础人员，同时加速淘汰仅掌握标准化操作、无深度服务与研判能力的从业者，未来核心竞争力将从“完成基础操作”转向“依托AI实现精准服务与深度研判”。
第三梯度为低暴露岗位，核心工作以非标决策、产业研判、资源对接、复杂谈判为主，AI仅作为基础辅助工具，无法介入核心价值创造。投行承做、并购重组、对公大客户运维、高端风控合规管理等资深岗位均属于此类，AI承担资料整理、基础数据分析等辅助工作，而产业链趋势判断、大额交易决策、跨主体资源协调、风险责任承担等核心环节，更多要依赖从业者的行业经验、综合认知与资源积累。从业者可借助AI解放重复性工作精力，聚焦高价值的交易创新、产业调研、深度服务，进一步筑牢自身职业壁垒。
第四梯度为极低暴露岗位，核心壁垒集中在高端信任链接、跨领域资源整合、AI行业治理，属于几乎不可替代且需求持续扩容的增量岗位。金融机构战略管理、高端家族财富传承、高端并购投融资、金融大模型合规治理等岗位均属于此类，这类岗位既无固定执行模板，高度依赖个性化经验判断与长期情感信任积累，也是AI技术落地催生的全新刚需，几乎无替代风险，是未来金融行业高端人才的核心发展方向。
面对这种分化格局，金融从业者的转型路径也需分层施策。笔者建议，高暴露的基础岗位从业者，优先选择内部纵向升级，依托原有金融业务经验，转型AI风控运营、专项合规、金融大模型训练等新兴岗位，规避纯操作技能的职业瓶颈。中高暴露岗位从业者，需重点打造“金融专业+AI工具驾驭”的复合能力，跳出标准化工作圈层，深耕非标业务、深度客户服务、AI风险治理等高端领域，完成岗位层级提升。低暴露资深从业者，需充分发挥AI的生产力赋能作用，将重复性工作移交AI，聚焦核心决策、资源整合、产业创新，持续拔高职业壁垒。
金融行业除了人员密集领域受较大影响外，未来将人机长期共生、从业人数趋降。即便AI承接全部数据、文书、规则类的重复工作，人类也将牢牢占据决策研判、信任构建、产业创新、算法治理的核心高地。正如业内广泛流传的那句话：AI不会完全替代人，但不懂AI的人将被懂AI的人替代。
结合国情的应对建议
AI替代的本质是一场深刻的生产关系重组，其背后既蕴藏效率提升、财富扩容的长期机遇，也伴随传统岗位批量替代、阶层分化的短期风险。如何让这次技术革命给全员带来福祉，而非拉大贫富差距、酿成社会动荡？不仅需要行业与个体主动转型，更需要从国家层面通过系统化设计搭建安全屏障。笔者试着提出四点思考与建议：
第一，优化存量：开展全链条教育就业前瞻转型，缩短人才供需错配阵痛期。
当下教育体系人才培养逻辑仍滞后于AI快速迭代的浪潮，形成“大学毕业生过剩、AI复合型人才紧缺”的结构性鸿沟，转型期青黄不接加剧失业阵痛。全社会从教育到就业，需根据AI趋势前瞻而高效地转型，规划转型路径和明确时间计划，以及时填补人才结构性短缺和剩余的鸿沟，尽量缩短转型期青黄不接的时间跨度，最大程度减缓失业冲击，保持社会稳定。
在教育方面，建议基础教育弱化标准化应试训练，重点培养创新思维与人机协作认知；高等教育加快学科迭代，淘汰可被AI替代的传统课程，全面布局“AI+行业”交叉学科，深化校企合作，精准输送复合型人才。同时完善终身职业培训体系，政府联动高校、企业搭建公益AI技能培训平台，对受冲击的从业者提供免费转岗培训，精准衔接失业过渡期与技能提升周期。
在就业方面，建议建立就业动态监测预警机制，根据AI对各行业岗位替代度发布预警清单，提前向高校、求职者释放需求信号，动态调整高效招生规模，平滑人才供需断层。力争在3年内搭建培训与预警体系，化解当下就业压力；5年内完成高校学科全面改造，重塑新一代从业者核心能力；8-15年完成全社会劳动力认知迭代，最大限度缩短转型阵痛周期，维持劳动力市场稳定。
第二，提供增量：以区域振兴开辟就业新空间，对冲AI替代的岗位收缩。
本轮AI对就业的冲击主要集中于城镇标准化岗位，通过激活县域与欠发达地区的产业增量，可有效分流转型期富余劳动力，拓宽就业蓄水池。
一是加快乡村振兴，改变现在依赖中央财政单向输血的模式，恢复乡村自我造血、自我治理、自我循环的能力，通过盘活集体土地、闲置资产、山林水系等沉睡资源，构建一二三产业融合的共同体经济体系，创造本土化就业岗位。二是激活西北发展动能，依托风光资源禀赋打造国家级新能源基地，联动丝路文化与自然景观培育文旅消费新热点，带动能源制造、运维、文旅服务等多类岗位扩容。三是重振东北产业势能，借地缘政治格局变化，打开新的出海通道和经贸合作格局，依托工业底蕴和农业优势，打造新质工业与粮食基地，创造高质量就业，引导人口回流。
借助我国广袤的国土空间和区域发展不平衡，用空间上的腾挪为时间上的转型赢得缓冲。
第三，财政兜底：AI的尽头是电力，以“电力税”实现AI红利的转移支付。
当企业大量使用AI替代人力，传统的就业岗位以及相应的个体税源必然萎缩，国家社保托底失业的财政收入从哪里而来？
大道至简。AI产业底层核心是算力，其消耗的电力供应全球年增速仅3%-4%。不妨简化为以电力作为“征税锚点”，将全国电力统一接入国家电网的基础上，借鉴燃油税的成熟经验，设计分类分级的“电力税”，实现征税的降本增效。把AI对整个社会带来的效率效益提升，通过税收转移支付，注入到公共财政和社保账户，托底民生惠及大众。
当前受制于算力“卡脖子”，发达国家受到的冲击将先于我国到来，应密切跟踪和借鉴美欧西方国家等各种影响和应对措施，被迫的“事缓则圆”，其实有利于我们有更多的时间充分准备。
第四，普惠大众：试点缩短工时，让AI替代工时而非替代人，既稳就业又扩内需。
AI替代的核心后果是单位产出所需劳动时间大幅减少，建议主动探索工作时间的重新分配，在不降低基础薪酬的基础上，企业以AI 降本收益对冲工时缩短带来的人力成本增加，用更多假期福利置换薪资成本，既保障就业岗位不至于过快萎缩，也有利于治理各种行业内卷，真正造福大众。
具体而言，建议率先在受AI冲击较大的知识经济领域，逐步减少标准工作时长，如试点探索4点下班，视条件成熟再过渡到各行业，以此保障充分就业，缓释过渡期的阵痛。
通过这一循序渐进的举措，一是分摊岗位需求，通过拆分工时扩容岗位，避免大规模裁员，稳定整体就业率；二是释放居民闲暇时间，拉动文旅、健康、消费服务内需，催生服务业新增就业，对冲岗位流失；三是释放婚恋、家庭养育时间，缓解低生育率困境，优化长期人口结构，提高人口素质，为长期需求增长提供人口基础。人社部门可配套出台稳岗补贴与税收减免政策，降低企业改革成本，同时建立动态监测机制，结合AI替代进度逐步扩大试点范围。
乐观未来，随着AI持续做大社会财富、国家财力增强和分配制度不断完善，更多行业和劳动者有望在公平与效率兼顾中，逐步获得更合理的工时安排和更充分的休假福利，让全民共享AI浪潮带来的社会进步福利。
AI浪潮汹涌而至，真正的危险从不是AI太强，而是我们反应太慢。有理由相信，充分发挥我国的制度优势，我们可能比西方发达国家更有效地缓释冲击、更公平地享受红利。
作者：招联消费金融股份有限公司研究院
本文原载金融文化杂志2026年第10期，发表时有修改