2025年人工智能大语言模型技术影响下的劳动力市场求职错配情况报告_18页_2mb

人工智能大语言模型技术影响下的劳动力市场求职错配情况报告总结

核心内容

本报告由北京大学国家发展研究院与智联招聘联合发布，基于2021年1月至2025年7月的162万条“岗位-求职者”匹配数据，分析人工智能大语言模型（LLM）技术对劳动力市场求职错配的影响。报告重点探讨了学历错配（纵向错配）和专业错配（横向错配）的变化趋势及其与AI-LLM技术发展的关系。

主要观点

一、劳动力市场求职错配的变化趋势

• 纵向错配：指求职者学历高于岗位要求，占比从2021年的52.0%上升至2025年的64.9%，显示学历过剩现象加剧。
• 横向错配：指求职者专业与岗位不匹配，占比从40.7%上升至49.3%，表明专业不对口问题也有所上升。
• 错配差异：
  • 纵向错配在高中及以下学历和高学历群体中更为严重，尤其在16-24岁青年和45岁及以上中老年群体中高发。
  • 横向错配主要出现在大专学历群体中，且在服务导向型行业（如物流、餐饮）中更为普遍。

二、AI-LLM技术对错配的影响

• 纵向错配：AI-LLM技术冲击后，高暴露度职业的纵向错配比例显著下降，说明技术提升了岗位与求职者之间的匹配精度。
• 横向错配：AI-LLM技术对横向错配的影响不显著，错配比例未明显变化。
• 技术影响机制：
  1. 信号更明确：招聘广告更清晰地描述岗位任务和技能要求，减少盲目投递。
  2. 岗位门槛提高：AI技术推动岗位对技能复杂度和专业性的要求提升。
  3. 工作任务调整：企业优化岗位设置和任务描述，提升匹配效率。

关键信息

错配群体特征

• 纵向错配：
  • 学历维度：高学历群体错配比例更高，尤其是大专学历者错配比例低于中专、高中群体。
  • 年龄维度：16-24岁青年和45岁及以上中老年群体错配比例显著较高。
• 横向错配：
  • 学历维度：大专学历者横向错配比例最高，本科及以上群体比例相对较低。
  • 年龄维度：本科学历者的横向错配比例随年龄增长略有上升，而硕博群体则呈现下降趋势。

行业与专业错配差异

• 纵向错配：技术密集型行业（如信息技术、能源化工）错配比例较低，而服务导向型行业（如物流、餐饮）错配比例较高。
• 横向错配：专业性较强的行业（如医疗、软件研发）错配比例较低，而通用性强的行业（如公共管理、工商管理）错配比例较高。
• 专业背景：艺术特长类专业（如音乐与舞蹈、美术学）的错配比例普遍较高。

AI-LLM暴露度与错配关系

• 高AI-LLM暴露度职业的纵向错配比例在冲击后显著下降，而横向错配比例无明显变化。
• 高暴露度职业吸引了更多求职者，但企业回复率和正向回复率下降，显示匹配过程更加精细化。

结论与建议

• AI-LLM技术的快速发展在一定程度上缓解了部分高暴露度职业的纵向错配问题，但横向错配仍较为普遍。
• 技术变革速度与人力资本调整速度之间的差距是导致错配的根本原因。
• 政策建议：
  • 鼓励企业利用AI技术提升人岗匹配的精准度。
  • 推动教育体系与职业技能培训改革，以适应AI时代对知识与技能结构的新要求。
  • 加强跨领域人才培养，提升求职者的职业适应性和技能多样性。

数据来源

• 智联招聘平台数据
• 课题组对“CIP-SOC”对照表的本土化处理