抉择时刻：利用人工智能促进体面劳动
益语智库 · 2026-06-05
国际劳工组织总干事提交第114届国际劳工大会的报告，分析AI对就业数量、就业质量和不平等的影响，并主张以社会对话、技能、社会保护和国际劳工标准治理转型。
---
title: "抉择时刻：利用人工智能促进体面劳动"
publisher: "国际劳工组织"
date: 2026-06-05
summary: "国际劳工组织总干事提交第114届国际劳工大会的报告，分析AI对就业数量、就业质量和不平等的影响，并主张以社会对话、技能、社会保护和国际劳工标准治理转型。"
topics: [战略, 业务设计, 组织, AI 技术]
---
# 抉择时刻：利用人工智能促进体面劳动
## 报告速览
报告的核心命题是：AI对劳动世界的结果并非技术预先决定，而是由政策选择、制度安排、企业实践和社会对话共同塑造。真正的抉择不只是是否采用AI，而是如何让生产率收益转化为体面劳动、普惠机会和可问责的工作治理。
==**AI对就业的影响不是技术宿命：任务如何重组、收益如何分配、风险由谁承担，取决于制度与社会对话。**==
| 维度 | 说明 |
| --- | --- |
| 文件性质 | 国际劳工大会第114届会议总干事报告 |
| 分析主线 | 就业数量、就业质量、不平等、转型支持、治理与社会对话 |
| 价值目标 | 体面劳动、社会正义和以人为本的技术转型 |
| 治理基础 | 国际劳工标准与三方机制 |
| 主要受众 | 政府、雇主组织、工人组织和国际机构 |
## 核心问题
| 问题 | 解读视角 |
| --- | --- |
| AI会创造还是替代就业？ | 从职业转向任务组合分析 |
| 就业质量如何变化？ | 工作强度、自主权、监测、安全和学习 |
| 谁更容易受损或被排除？ | 国家、性别、年龄、企业规模和技能差异 |
| 怎样支持以人为本的转型？ | 终身学习、社会保护和需求侧就业政策 |
| 谁参与制定AI工作规则？ | 社会对话、集体协商和可执行监管 |
## 核心结论
| 结论 | 意义 |
| --- | --- |
| **变革比完全消失更常见** | AI首先重组任务、工作流程和岗位内容 |
| **就业质量是核心** | 速度、监控和算法管理可能同时带来便利与压力 |
| 暴露与受益分布不均 | 数字基础、技能、企业能力和性别职业隔离会放大差距 |
| 技能政策不能单独承担转型 | 还需社会保护、就业创造和宏观投资 |
| **���会对话既提供合法性也提高效果** | 工人参与有助��发现实际风险和改进系统 |
```chart
type: bar
title: 高收入国家不同性别就业人口的AI暴露
unit: %
x: 男性就业人口暴露, 男性暴露梯度4, 女性就业人口暴��, 女性暴露梯度4
y: 28, 3.5, 41, 10
```
## 研究方法与证据边界
报告综合国际劳工组织的生成式AI职业暴露指数、劳动力市场研究、国际劳工标准与跨国政策观察。暴露指数按职业任务与生成式AI能力的重叠程度分级；它衡量技术潜力，而不是实际自动化率或裁员���率。
| 维度 | 说明 |
| --- | --- |
| 证据 | ILO职业暴露指数、劳动研究、规范和政策案例 |
| 分析单位 | 职业中的任务组合，而非把岗位视为单一任务 |
| 结果维度 | 就业数量和就业质量 |
| 分配维度 | 国家收入、性别、年龄、技能、企业与行业 |
| 边界 | 暴露度不等于替代率；实际结果依赖制度和实施 |
## 01 AI主要通过重组任务改变就业
当职业中的部分任务可由AI完成时，更可能出现工作内容变化，而不是整个岗位立即消失。企业和政策制定者应追踪任务层变化、岗位重新组合和新技能需求，而不是只统计职位名称。
| 可能结果 | 触发条件 | 政策关注 |
| --- | --- | --- |
| 自动化 | 大量任务可替代且组织选择减少岗位 | 转岗、收入和社会保护 |
| 增强 | AI支持判断和执行 | 培训、工作设计与收益分享 |
| 重组 | 任务在岗位和团队间重新分配 | 职责、分类和职业路径 |
| 创造 | 新产品、服务和需求出现 | 投资、创业与技能供给 |
## 02 就业质量不能被生产率指标掩盖
AI可以降低危险暴露、辅助决策和改善服务，但也可能提高工作节奏、扩大监测、压缩自主权并强化算法管理。评估必须同时覆盖效率、健康安全、隐私、公平、学习和发声权。
| 就业质量维度 | 机会 | 风险 |
| --- | --- | --- |
| 工作强度 | 减少重复劳动 | 节奏加快、持续在线 |
| 自主权 | 提供实时建议 | 系统替代专业判断 |
| 监测 | 改进流程和安全 | 隐私与不对称控制 |
| 职业安全 | 预测危险和维护 | 新型人机系统风险 |
| 学习 | 个性化支持 | 基础技能退化 |
## 03 不平等可能沿既有裂缝扩大
高收入经济体的暴露度更高，但也拥有更强的基础设施和调整能力；低收入国家可能面临既缺少AI收益、又被全球价值链绕开的双重风险。国内层面，性别职业隔离、数字技能和企业规模进一步决定谁能受益。
| 差异来源 | 潜在机制 |
| --- | --- |
| 国家发展水平 | 基础设施、投资和任务结构不同 |
| 性别 | 女性集中于高暴露文职岗位，AI开发代表性不足 |
| 年龄 | 青年入职路径与年长劳动者再培训压力 |
| 企业规模 | 大企业更能承担许可、集成和治理成本 |
| 产业链位置 | AI研发和收益集中于少数国家与企业 |
## 04 以人为本转型需要制度组合
终身学习必须与社会保护、就业服务、投资和就业创造结合。报告强调，培训不能只教工具操作，还要发展基础数字技能、领域能力、批判判断和对AI局限的理解。社会保护也要适应更频繁的岗位转换和多样就业形态。
| 政策支柱 | 关键机制 |
| --- | --- |
| 技能与终身学习 | 动态资格框架、任务级预测和可负担培训 |
| 社会保护 | 覆盖岗位转换、零散就业和收入中断 |
| 就业服务 | 负责任地改善匹配和个性化支持 |
| 需求侧政策 | 投资、生产率和体面岗位创造 |
| 社会对话 | 工人、雇主和政府共同设计规则 |
## 结论与行动建议
治理AI劳动转型的标准不是技术采用速度，而是能否提高生产率同时维护工作中的权利、尊严和机会。
| 行动 | 牵头角色 | 验证指标 |
| --- | --- | --- |
| 开展任务级影响评估 | 政府与雇主 | 数量、质量与分配影响同时记录 |
| 把工人参与纳入部署 | 雇主和工人组织 | 设计前、中、后都有社会对话 |
| 更新技能与社会保护 | 政府和三方伙伴 | 覆盖转岗与非标准就业 |
| 监管算法管理 | 劳动监管机构 | 透明、申诉、隐私与人类复核 |
| 推进国际合作 | ILO成员和国际组织 | 标准、证据和能力建设共享 |
> 数据说明：暴露梯度4是报告中的最高暴露等级之一，不等于实际被替代。日期采用PDF元数据2026年6月5日。