AI在就業中造成過渡性問題的幾個非顯而易見的原因

關於AI對就業的長期影響，大規模失業的假説並未得到廣泛認可，作者在以往的文章中也已多次討論。然而，在短期轉型期內，AI可能引發三個不那麼顯而易見的問題，值得深入探討。

首先，許多新增崗位將集中於能源和生物醫學等高度監管領域。這些行業通常需要漫長的審批和落地週期。例如，若依賴核能緩解算力瓶頸，從政策決定到核電站建設、再到相關崗位的招聘和培訓，可能需要數年甚至十數年時間。同樣，生物醫學領域的AI應用也面臨臨牀試驗、監管審批等複雜流程。這種延遲意味着，儘管AI能創造新崗位，但實際就業增長可能遠滯後於技術發展。

其次，求職匹配效率可能暫時降低。在傳統招聘中，人力資源部門積累了豐富的經驗，能夠較好地評估候選人的技能和崗位匹配度。但在AI與工作深度融合的新環境下，許多崗位要求員工具備與AI協作的能力，而HR部門自身對這類能力缺乏判斷標準。他們可能難以識別哪些候選人更能適應人機協同的工作模式，從而導致招聘過程變慢、人崗匹配不佳。不過，隨着時間推移，AI本身或許能提供更高效的市場匹配工具，扭轉這一趨勢。

第三，政府財政政策在推動就業方面可能效果不佳。政府通常通過投資基礎設施、培訓項目等方式刺激就業，但在AI時代，政府短期內難以準確評估哪些技能是AI相關的、哪些人羣更適合從事AI工作。這可能導致財政資金未能高效轉化為可持續的就業崗位，甚至引發更頻繁的人員流動或生產力損失。例如，培訓項目可能培養出不符合市場需求的人才，從而降低政策有效性。

這些過渡性問題雖然可能困擾經濟一段時間，但作者強調它們很可能是短期現象，長期來看AI對就業的積極影響仍佔主導。不過，政策制定者和企業需提前意識到這些風險，並採取針對性措施，如簡化監管流程、改進HR評估方法、加強政府與行業的技能評估合作等。除此之外，可能還有其他未被注意的方面，有待進一步研究。