目前对AI应用的就业影响尚缺乏系统性的预警与应对机制。这一制度空白若不及时填补，可能演变为影响社会稳定的重大风险

以大语言模型为代表的生成式AI技术能力跃升，正在深刻重塑劳动力市场。与以往技术革命主要冲击蓝领岗位不同，本轮AI浪潮首当其冲的是翻译、客服、设计、编程、文案、法务助理、财务分析等白领岗位，呈现出速度快、范围广、门槛低的特点。

中国科学院大学知识产权学院院长、全国人大代表马一德认为，中国AI治理目前主要聚焦于内容安全、数据合规、算法伦理等领域，AI应用对就业的影响尚缺乏系统性的预警与应对机制。这一制度空白若不及时填补，可能演变为影响社会稳定的重大风险。

在2026年全国两会期间，马一德建议，加快构建AI应用就业影响评估机制，国务院及相关部委以“十五五”规划纲要编制为契机，将AI的就业影响治理纳入国家AI发展战略和就业促进规划的统筹考量，建立跨部门协调机制，加快制度供给。“唯有在拥抱技术进步的同时守护亿万劳动者的根本利益，才能夯实高质量充分就业的根基。”马一德说。

AI对就业产生冲击，制度供应却显不足

马一德表示，人工智能对就业的冲击已从预测走向现实，主要表现为：

首先，白领岗位受到系统性替代。AI最擅长信息处理、文本生成、数据分析等白领核心技能。翻译、客服、基础设计等岗位需求显著萎缩，“AI+资深专家”模式正在取代传统的“资深专家+初级助理”模式。有关研究预测，全球约3亿个工作岗位可能受到AI自动化影响，其中相当比例集中在知识型、文职类岗位。

其次，青年群体就业压力加剧。企业减少初级岗位招聘，倾向于以AI工具承接入门级工作。2026届高校毕业生规模预计达1270万人，再创历史新高，而吸纳就业能力最强的互联网、金融、教培等行业恰恰受AI冲击最大。中央经济工作会议特别要求“稳定高校毕业生、农民工等重点群体就业”，技术替代因素不容忽视。

再次，中年劳动者面临“技能折旧”危机。三四十岁的职场中坚力量赖以安身立命的专业技能加速贬值，既缺乏年轻人学习新技术的优势，又尚未到退休年龄，成为技术变革中的脆弱群体。

最后，传统再就业路径趋于失效。以往被替代劳动者可向服务业转移，但客服机器人、AI导购、智能理财顾问等应用日益普及，服务业的就业“蓄水池”功能正在弱化。外卖、快递、网约车等灵活就业岗位也面临无人配送、自动驾驶等技术的潜在替代。

马一德认为，上述趋势若缺乏有效应对，可能引发一系列深层风险。技术红利主要流向资本和少数高技能人才，而转型成本主要由被波及的劳动者承受，“赢者通吃”格局将加剧贫富分化，导致中产阶级萎缩、消费能力下降，影响经济内循环，与《“十五五”规划建议》提出的“推动形成橄榄型分配格局”的目标相悖。青年就业渠道若受到影响，不仅影响人力资本积累，也可能演变为社会隐患。此外，社会保险制度建立在“大多数人就业、按时缴费”的假设之上，技术性失业规模扩大将对社保基金形成缴费减少与支出增加的双向压力。

在马一德看来，在AI冲击就业的大背景下，中国的制度供给却显得不足。

首先，产业政策与就业政策缺乏有效衔接。近年来，各级地方政府纷纷将人工智能列为战略性新兴产业，给予大规模政策扶持，鼓励企业加快智能化改造，同时又要完成中央下达的稳就业考核指标。两套政策目标各有合理性，但缺乏统筹协调机制，与《“十五五”规划建议》要求的“加强产业和就业协同”尚有差距。

其次，缺乏技术应用的就业影响评估机制。重大工程项目有环境影响评价，上市公司重大投资有社会责任报告，但企业大规模部署AI替代人工，没有前置审查或影响评估要求。技术应用的社会成本由谁承担、如何分摊，缺乏制度安排，存在“成本外部化”问题。《“十五五”规划建议》已明确提出完善就业影响评估的要求，亟须加快落地。

再次，失业保险制度与技术性失业不适配。现行失业保险制度主要针对企业裁员、合同到期、经济下行等传统失业情形设计，对技术性失业缺乏专门的认定标准和救济安排。技术性失业往往需要较长时间的技能转型培训，但现行失业保险金领取期限较短、金额有限，难以支撑深度技能转型。

最后，职业技能培训体系滞后于技术迭代。许多培训项目仍在教授可能被AI取代的技能，缺乏与AI协作的培训供给。培训课程更新周期以年计，而AI技术迭代周期以月甚至以周计，培训内容与市场需求之间存在严重时差。

化解AI对就业的负面影响

马一德认为，化解AI对就业的冲击，既不能因噎废食、阻碍技术进步，也不能放任不管、让劳动者独自承担转型代价，关键是按照《“十五五”规划建议》“构建就业友好型发展方式”的要求，建立一套兼顾效率与公平的制度框架。

首先，建立重大技术应用的就业影响评估制度。他建议由国家发展改革委牵头，会同人力资源社会保障部、工业和信息化部等部门，尽快研究制定就业影响评估的实施办法和操作细则。参照环境影响评价的制度逻辑，对企业大规模部署AI替代人工的行为实施前置评估和过程监测。可要求达到一定规模的企业，在实施大规模AI替代计划前，向主管部门提交就业影响评估报告，内容包括受影响岗位数量及人员构成、替代时间表、人员安置措施和再培训计划等。对于可能引发区域性就业波动的计划，主管部门可要求企业调整实施节奏或加强配套安置措施。这一机制不是阻止技术进步，而是让技术红利与社会成本的分配更加透明、公平。

其次，完善技术性失业的社会保障制度。在社会保障层面，马一德建议人力资源社会保障部研究修订《失业保险条例》，增设“技术性失业”认定标准和专项救济措施。对经认定的技术性失业劳动者，适当延长失业保险金领取期限，提高培训补贴标准，建立“培训期间生活补贴”制度，解决劳动者“养家糊口”与“脱产培训”的两难困境。同时，探索技术性失业保险基金的多元筹资机制，可研究对AI应用达到一定规模的企业适度调整社会保险缴费比例，或设立“技术进步调节基金”，由AI应用获益企业分担部分社会成本，体现“谁受益、谁担责”的公平原则。

再次，构建面向AI时代的职业技能培训体系。在能力建设层面，他建议教育部、人力资源社会保障部联合推动职业技能培训体系升级。培训理念从“与AI竞争”转向“与AI协作”，培养劳动者驾驭AI工具、与AI协同工作的能力。制定AI时代职业技能新标准，将“AI素养”纳入各类职业资格评价体系；推动职业院校和培训机构课程改革，开设AI工具应用、人机协作等实用课程；建立培训内容快速更新机制，缩短课程开发周期。针对中年劳动者“技能折旧”问题，设立专项再培训计划，配套弹性学习安排和经济支持。支持AI龙头企业开放培训资源，与职业院校共建实训基地，形成“政府引导、企业参与、劳动者受益”的培训生态。

同时，将就业效应纳入AI产业政策的考量框架。在产业政策层面，他建议国家发展改革委、财政部在制定和执行AI产业扶持政策时，同步评估就业创造效应和就业替代效应。地方政府给予AI企业财政补贴、税收优惠时，应同步评估其就业创造效应和就业替代效应。对净就业效应为负的项目，可要求企业配套投入员工再培训或再就业安置资金，作为获得政策支持的条件。产业政策绩效评估不能仅看产值、税收等指标，还应将就业质量纳入考核范围。同时，引导AI产业发展方向，鼓励发展“赋能人”而非“替代人”的AI应用，培育能够创造新就业岗位的细分领域。

最后，马一德建议，建立AI就业影响的监测预警机制。在数据支撑层面，国家统计局、人力资源社会保障部应尽快搭建常态化监测平台。开展AI应用对重点行业就业影响的专项调查，建立技术性失业的统计指标和监测方法；依托大数据技术，对招聘市场、社保缴纳、企业用工等数据进行实时分析，构建就业波动预警指标体系；定期发布《人工智能应用就业影响评估报告》，为政策制定提供数据支撑，引导社会预期。对监测发现的突出问题，及时启动政策响应，防止局部风险演变为系统性风险。