AI在就业中造成过渡性问题的几个非显而易见的原因

关于AI对就业的长期影响，大规模失业的假说并未得到广泛认可，作者在以往的文章中也已多次讨论。然而，在短期转型期内，AI可能引发三个不那么显而易见的问题，值得深入探讨。

首先，许多新增岗位将集中于能源和生物医学等高度监管领域。这些行业通常需要漫长的审批和落地周期。例如，若依赖核能缓解算力瓶颈，从政策决定到核电站建设、再到相关岗位的招聘和培训，可能需要数年甚至十数年时间。同样，生物医学领域的AI应用也面临临床试验、监管审批等复杂流程。这种延迟意味着，尽管AI能创造新岗位，但实际就业增长可能远滞后于技术发展。

其次，求职匹配效率可能暂时降低。在传统招聘中，人力资源部门积累了丰富的经验，能够较好地评估候选人的技能和岗位匹配度。但在AI与工作深度融合的新环境下，许多岗位要求员工具备与AI协作的能力，而HR部门自身对这类能力缺乏判断标准。他们可能难以识别哪些候选人更能适应人机协同的工作模式，从而导致招聘过程变慢、人岗匹配不佳。不过，随着时间推移，AI本身或许能提供更高效的市场匹配工具，扭转这一趋势。

第三，政府财政政策在推动就业方面可能效果不佳。政府通常通过投资基础设施、培训项目等方式刺激就业，但在AI时代，政府短期内难以准确评估哪些技能是AI相关的、哪些人群更适合从事AI工作。这可能导致财政资金未能高效转化为可持续的就业岗位，甚至引发更频繁的人员流动或生产力损失。例如，培训项目可能培养出不符合市场需求的人才，从而降低政策有效性。

这些过渡性问题虽然可能困扰经济一段时间，但作者强调它们很可能是短期现象，长期来看AI对就业的积极影响仍占主导。不过，政策制定者和企业需提前意识到这些风险，并采取针对性措施，如简化监管流程、改进HR评估方法、加强政府与行业的技能评估合作等。除此之外，可能还有其他未被注意的方面，有待进一步研究。