【JPM：美国下一轮就业下滑将非同寻常，AI演进可能带来“无就业复苏”】

过去四个周期中，以常规性工作为主的职业岗位流失严重且复苏乏力。研究表明，无就业复苏（jobless recoveries）与自动化导致常规岗位消失之间存在关联。人工智能对白领知识工作者（即非常规认知职业 non-routine cognitive occupations）也提出了类似的挑战。该群体就业增速放缓已表明下一轮经济复苏可能面临无就业增长的风险。
美联储政策委员会内部的辩论正日趋激烈，决策者们正在权衡经济前景面临的各类风险。抛开短期评估不谈，本文将深入探讨一个可能延长下次经济衰退后劳动力市场复苏周期的重大风险。具体而言，我们认为在下轮经济衰退期间，人工智能工具及应用程序在工作场所的普及速度和广度，可能导致以非程序性认知任务为主的职业（以下简称"非程序性认知职业"）出现大规模岗位替代。借鉴职业两极化的相关研究，我们通过分析过去四个经济周期中职业就业结构的演变，试图洞悉人工智能的潜在影响。现有有限数据显示，自ChatGPT问世以来，这类非程序性认知职业的增速已出现放缓，且该类从业者在失业人群中的占比已突破历史区间。

一、自动化瞄准常规性工作
关于职业极化现象的研究表明，自20世纪80年代末以来，工作场所中高度依赖常规任务的中等技能职业因自动化而逐渐消失。这些职业包括经济学家所称的常规认知型职业（销售与文职类）和常规体力型职业（自然资源、建筑维护类以及生产运输与物料搬运类）。同样，非常规职业也分为两类：高度依赖认知任务的职业（管理类、专业及相关职业）和依赖体力任务的职业（服务类职业，如医疗护理支持、个人护理、安保服务、食品制备与服务等）。数据显示（图1），自1980年代以来，常规就业占比从约55%显著下降至近期不足40%。
更重要的是，对于本文而言，常规岗位的消失呈现出明显的周期性特征。过去四十年的历次经济衰退中，常规职业因衰退导致的就业损失恢复所需时间持续延长。事实上，常规职业的绝对就业水平在全球金融危机前夕达到峰值后至今未能完全恢复（图2）。若企业需承担高昂成本来实现自动化替代人工，那么当衰退期间不生产的机会成本相对较低时，调整成本就会下降。加之政策利率长期维持零水平，后金融危机时期实施自动化所需的资本成本可能也已降低。尽管当前复苏阶段的总需求与利率环境截然不同，但截至目前常规职业就业仍比疫情前峰值低近5%。
在近期的商业周期复苏中，当常规职业面临这些逆风时，非常规职业填补了空缺。在我们掌握数据的过去四次经济复苏中（图3-图6），除2001年经济衰退外，非常规认知型（Non-routine cognitive）职业均引领复苏——当时相对低薪服务行业的非常规操作型（NRM）职业扩张最为显著，其中医疗辅助服务领域表现突出。图3特别显示，非常规认知型职业的周期性波动明显更小，其就业水平在经济衰退期间几乎从未跌破衰退前峰值，并在整个扩张期持续复苏。显然，疫情衰退的特殊性质对非常规操作型职业构成独特挑战，这类岗位较难实现远程办公且通常需要更多人际接触。这或许解释了为何疫情爆发五年后，此类职业的就业人数仍比疫情前峰值低约1%。

二、人工智能可能冲击非常规认知型工作岗位
职场中与人工智能相关的任务自动化或流程优化，使得更多职业面临自1980年代以来常规性岗位所遭遇的同类风险。值得注意的是，这对程序性工作本身并未显著增加额外风险，对仍需大量实体人际互动的非程序性体力工作可能也不构成重大挑战。然而，广泛存在于经济各领域的知识型职业——如科学家、工程师、设计师、律师等从事的非程序性认知工作，至少在其常规履职环节，或将面临这种自动化新威胁。随着AI工具与应用的广泛普及降低了适应成本，这些传统高薪职业可能承压。
我们近期针对应届大学毕业生群体的这一现象进行了研究，发现某些证据表明，相较于整体失业率保持相对稳定，人工智能的普及与应届毕业生失业率上升存在关联。本文将进一步分析不同职业领域正在发生的结构性变化。鉴于人工智能工具与应用的大规模普及始于2023年11月ChatGPT的公开上线，通过对比该时间节点前后不同职业的就业增长演变轨迹，或可为这一议题提供新的观察视角。
图7展示了来自家庭调查的两位数职业分类情况，这些职业被划分为常规性职业、非常规认知型职业和非常规体力型职业。正如我们前文所述，自2023年11月以来，非常规体力型职业复苏速度明显更快（保持在45度线以上），而同期除一个两位数职业外，其他所有职业的就业增长都显著放缓。常规性职业并未呈现明显规律，这或许不足为奇，因为我们不认为人工智能会给这些岗位带来重大额外风险。显然，我们仅掌握有限数据覆盖人工智能暴露成为现实问题的时期，因此证据远非结论性。但图7印证了我们听到的坊间传闻，也验证了业内人士关于人工智能对白领知识工作者构成威胁的论述。
我们近期关于人工智能与就业增长的研究报告尚未发现其对行业层面就业增长的显著影响，但我们仍认为这种影响将随时间推移逐渐显现。可以说，人工智能驱动的自动化最能通过易受AI影响的职位任务内容来体现，而职业差异为此问题提供了更直接的观察视角——尽管这以牺牲部分数据细粒度作为代价。大量关于就业两极化的文献明确了这种职业关联性，并表明常规性职位（具有大量常规任务内容的职业）的消失有助于解释本世纪初我们经历的无就业复苏现象。因此，我们认为探究职业差异可能更准确地捕捉人工智能对就业增长的影响，这与相关文献的研究结论相一致。
一个不祥的征兆是，在过去两年中，来自非常规认知职业的失业者在整体失业人群中的占比开始悄然攀升，目前已超过非例行体力职业失业者的比例（图8）。在数据记录中，上一份工作属于非例行认知职业的失业者占比历来最低，直到最近才被打破。这一变化模式可能预示着此类劳动者未来面临的失业风险正在上升。值得注意的是，在家庭调查数据中，该群体占就业总量的比重略低于45%，这一比例自1980年代初以来已从约30%持续增长。若这类劳动者面临更大的失业风险且复苏前景黯淡，或将导致下一轮劳动力市场低迷显得尤为严峻。由例行职业疲弱增长引领的"无就业复苏"可能重演，而这次主要归因于非常规认知职业的复苏乏力。

三、政策制定者面临的新挑战
如果大量劳动者因本质上属于新型结构性动态因素而面临失业风险上升和再就业率低迷的困境，持续失业与失业保险支付负担加重将成为政策制定者面临的新挑战。对于劳动力市场中的庞大群体而言，传统的稳定政策（如货币政策宽松和财政刺激）将不得不应对这种新型失业风险源。考虑到众多劳动者可能需要漫长的调整期，这可能会实质性地改变经济中的自然失业率 u*，进而重塑政策制定者的反应函数。
我们并未看到劳动力市场即将陷入低迷，尽管相比一个月前风险有所上升。政策制定者审视数据时可能得出不同结论，正如上周两位联储官员的异议所显示。可以设想，若决策者认为下次衰退中失业率可能持续飙升，最优政策应对也可能更趋鸽派。