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162万条招聘数据，分析了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。报告聚焦于“纵向错配”和“横向错配”现象，揭示了技术变革下求职者与岗位之间的匹配质量变化。

主要观点

• 错配现象加剧：在考虑了用人单位反馈后，中国劳动力市场纵向错配比例从52.0%增长至64.9%，横向错配比例从40.7%增长至49.3%。
• 错配类型差异显著：
  • 纵向错配：学历高于岗位要求的求职者占比高，尤其在学历门槛较低的职业中更为明显。
  • 横向错配：专业不对口的求职者占比高，多见于对专业技能要求不高的体力型职业。
• 年龄与学历影响错配：
  • 年轻群体（16-24岁）和中老年群体（45岁及以上）纵向错配比例较高。
  • 大专学历求职者横向错配比例最高，本科及以上学历求职者错配比例随年龄增长呈下降趋势。
• 行业差异明显：
  • 技术密集型行业（如信息技术、能源化工）错配比例较低。
  • 服务导向型行业（如物流、餐饮）错配现象更为严重。

关键信息

错配定义与测量

• 纵向错配：指求职者学历高于岗位要求的“向下投递”行为，且获得正向回复。
• 横向错配：指求职者专业与岗位要求不匹配的“跨专业投递”行为，且获得正向回复。
• 学历层级划分：不限学历/初中及以下为1级，高中/中专/中技为2级，大专为3级，本科为4级，研究生为5级。
• 专业匹配依据：采用“CIP-SOC”对照表进行本土化处理，识别专业与职业的匹配度。

AI-LLM技术影响分析

• 技术冲击节点：以ChatGPT 2022年底发布为分界点，分析技术冲击前后的错配变化。
• 高暴露度职业：
  • 纵向错配比例下降，说明岗位对学历要求更明确，匹配效率提升。
  • 横向错配比例无明显变化，表明专业适配性仍存在问题。
• 机制分析：
  1. 信号更明确：AI技术使岗位描述更清晰，减少盲目投递。
  2. 门槛系统性提高：技能复杂度和专业性要求提升，促使求职者更精准评估自身匹配度。
  3. 工作任务调整：企业主动优化岗位设置，提升匹配精度。

异质性分析

• 不同群体表现差异：
  • 科学技术类（STEM）专业求职者更易主动调整以适应AI技术带来的变化。
  • 其他专业背景求职者相对被动，对技术变革的适应能力较弱。
• 错配比例增长最快群体：
  • 纵向错配：高中/中专/中技学历、16-24岁女性求职者。
  • 横向错配：16-24岁大专学历男性求职者。

结论与建议

• 技术与人力资本不匹配：错配本质是技术变革速度与人力资本调整速度之间的差距。
• 政策建议：
  • 鼓励企业利用AI技术提升人岗匹配精度。
  • 加快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。
  • 通过前瞻性政策引导，最大化技术红利，减少转型阵痛，支撑中国经济高质量发展。

数据来源与图表说明

• 数据来源：智联招聘平台。
• 图表涵盖：
  • 投递行为与错配趋势（图1）
  • 纵向错配比例最高和最低的职业（图2）
  • 横向错配比例最高和最低的职业（图3）
  • 不同学历、年龄、性别群体的错配比例（图4、图5）
  • 不同行业错配比例（图6、图7）
  • 职业纵向错配与AI-LLM暴露度关系（图10）
  • 职业横向错配与AI-LLM暴露度关系（图11）

总体趋势

• AI-LLM技术对劳动力市场产生了深远影响，既带来了更高的技能门槛，也提升了招聘匹配效率。
• 高暴露度职业的错配问题有所缓解，但整体教育错配仍在持续。
• 未来需在技术应用与教育体系改革之间找到平衡，以应对AI时代的结构性矛盾。