張丹丹、李強(qiáng)等：AI大模型影響下的勞動力市場錯(cuò)配研究

近年來，以大語言模型（LLM）為代表的人工智能（AI）技術(shù)快速發(fā)展，深刻改變了勞動力市場的任務(wù)結(jié)構(gòu)與技能需求，重塑了求職者的教育認(rèn)知與職業(yè)選擇。在中國勞動力市場上結(jié)構(gòu)性矛盾日益突出的背景下，AI技術(shù)進(jìn)步能否帶來新契機(jī)還是挑戰(zhàn)？在AI時(shí)代，求職者更可能找到與自身能力、教育水平、專業(yè)方向更契合的就業(yè)崗位，還是更易陷入“錯(cuò)配”的困境？

北京大學(xué)國家發(fā)展研究院與智聯(lián)招聘聯(lián)合，基于2021年1月至2025年7月的超過162萬條智聯(lián)招聘平臺的“崗位-求職者”匹配數(shù)據(jù)，撰寫《人工智能大語言模型技術(shù)影響下的勞動力市場求職錯(cuò)配情況報(bào)告》，深入探討AI時(shí)代勞動力市場的求職質(zhì)量變化。

課題組成員

北京大學(xué)國家發(fā)展研究院

張丹丹、于航、李泓孛、張潤博、袁譽(yù)寧

智聯(lián)招聘

李強(qiáng)、王一新、李小麗

00

核心發(fā)現(xiàn)

一、勞動力市場求職錯(cuò)配的變化趨勢

• 從求職中的教育和專業(yè)錯(cuò)配角度來看，中國勞動力市場結(jié)構(gòu)性矛盾近年來存在加劇趨勢。

• 在較可能達(dá)成“雇傭”結(jié)果的線上簡歷投遞中，近六成的求職者匹配了低學(xué)歷要求的崗位，即存在“縱向錯(cuò)配”現(xiàn)象，近45%的大專及以上求職者匹配了專業(yè)不對口的崗位，即存在“橫向錯(cuò)配”現(xiàn)象。

• 錯(cuò)配程度在不同類型求職者中存在差異。縱向錯(cuò)配方面，高中學(xué)歷和本科及以上學(xué)歷的求職者，16-24歲青年群體和45歲及以上中老年群體是縱向錯(cuò)配的高發(fā)群體；橫向錯(cuò)配方面，大專學(xué)歷求職者，門檻較低的職業(yè)、服務(wù)導(dǎo)向型行業(yè)的錯(cuò)配程度普遍較高。

二、AI-LLM技術(shù)對勞動力市場求職錯(cuò)配的影響

• 在出現(xiàn)ChatGPT為代表的人工智能大語言模型技術(shù)沖擊后，人工智能大語言模型暴露度高的職業(yè)縱向錯(cuò)配發(fā)生概率明顯縮小，但對橫向錯(cuò)配的程度沒有明顯的改變。

• 隨著人工智能大語言模型技術(shù)的應(yīng)用，高暴露度的職業(yè)通過不斷提升的技能復(fù)雜度與學(xué)歷門檻，同時(shí)提供更為精準(zhǔn)的職業(yè)需求信號，這些因素或可解釋人工智能大語言模型技術(shù)發(fā)展對勞動力市場縱向錯(cuò)配比例的減少作用。

01

勞動力市場求職錯(cuò)配的定義與趨勢

（一）錯(cuò)配的定義

求職過程中的錯(cuò)配是衡量勞動力市場結(jié)構(gòu)性矛盾的重要指標(biāo)，用以反映求職者所受教育與工作崗位要求不匹配這一現(xiàn)象，具體可以分為基于學(xué)歷的“縱向錯(cuò)配”和基于專業(yè)的“橫向錯(cuò)配”。課題組采用線上招聘求職者投遞和用人單位回復(fù)的信息，結(jié)合國內(nèi)外前沿方法，對中國勞動力市場上的“縱向錯(cuò)配”與“橫向錯(cuò)配”進(jìn)行測算。此前，為了單獨(dú)說明求職者投遞的行為，我們首先結(jié)合線上求職流程從投遞行為的角度出發(fā)，定義了“向下投遞”與“跨專業(yè)投遞”。

“向下投遞”是指求職者學(xué)歷高于申請崗位學(xué)歷要求的投遞1。課題組將學(xué)歷劃分為五個(gè)層級：1級為不限學(xué)歷或初中及以下；高中、中專、中技為2級；大專為3級；本科為4級；研究生（包含碩士、博士）為5級。根據(jù)勞動者所受教育與工作崗位要求學(xué)歷層級的相對關(guān)系判斷是否為“向下投遞”。

“跨專業(yè)投遞”是指求職者所學(xué)專業(yè)與職位所要求專業(yè)匹配的投遞。其識別依賴于如何構(gòu)建求職者所學(xué)專業(yè)與職位所需專業(yè)之間的匹配關(guān)系，課題組將國際上權(quán)威的“CIP–SOC”對照表（即專業(yè)-職業(yè)的匹配表）進(jìn)行了適合中國勞動力市場語境的本土化處理，并以此為依據(jù)進(jìn)行專業(yè)-職業(yè)匹配度的識別。考慮到高中及以下學(xué)歷的求職者無明確的專業(yè)之分，大專及以上的求職者專業(yè)性較強(qiáng)，因此在研究“跨專業(yè)投遞”時(shí)將求職者的學(xué)歷層級限定在大專及以上的求職者。

相比投遞行為聚焦求職者的行為，勞動力市場的匹配結(jié)果則關(guān)注供需雙方的意向。課題組采用了線上招聘平臺對求職者回復(fù)的信息，構(gòu)建反映招聘雙方意愿的“正向回復(fù)”指標(biāo)，該指標(biāo)可在一定程度反映入職匹配的情況。基于此，我們將“縱向錯(cuò)配”定義為有正向回復(fù)的“向下投遞”，“橫向錯(cuò)配”為有正向回復(fù)的“跨專業(yè)投遞”。

（二）對錯(cuò)配時(shí)間趨勢的判斷

圖 1呈現(xiàn)了投遞行為（左圖）與求職錯(cuò)配的年度變化趨勢（右圖）。從線上招聘市場的供給端（投遞者）來看，約有40-45%的投遞為“向下投遞”；有40%大專及以上求職者的投遞為“跨專業(yè)投遞”；“向下投遞”和“跨專業(yè)投遞”在2021年至2025年間沒有明顯的變化。然而，考慮到需求側(cè)的市場反饋之后，我們發(fā)現(xiàn)在這一時(shí)間段內(nèi)兩種錯(cuò)配的比例均明顯呈上升趨勢，“縱向錯(cuò)配”比例從52.0%增長到64.9%，“橫向錯(cuò)配”比例從40.7%增長到49.3%。

圖 1：投遞行為和勞動力市場錯(cuò)配時(shí)間趨勢

數(shù)據(jù)來源：智聯(lián)招聘

不斷增長的縱向錯(cuò)配比例可能說明部分求職者處于“學(xué)歷過剩”的困境，抑制了其學(xué)歷優(yōu)勢的充分發(fā)揮，加劇了人力資源的浪費(fèi)，導(dǎo)致該群體求職滿意度的降低。不斷增長的橫向錯(cuò)配表明，求職過程中專業(yè)不對口的現(xiàn)象亦有所加劇，需及時(shí)調(diào)整人才培養(yǎng)體系、持續(xù)加強(qiáng)人才技能提升，以應(yīng)對市場需求的快速變化。

對比來看，考慮了需求側(cè)的市場反饋后，“縱向錯(cuò)配”比例顯著高于“向下投遞”，隨時(shí)間推進(jìn)有加劇趨勢。可能是由于高學(xué)歷求職者的供給增加，且用人單位對高學(xué)歷求職者的選擇越來越多。然而，這可能導(dǎo)致原本恰好符合崗位學(xué)歷要求的投遞者逐漸被排除在外，導(dǎo)致了縱向錯(cuò)配現(xiàn)象的增多。“橫向錯(cuò)配”比例也略高于“跨專業(yè)投遞”，隨時(shí)間亦有加強(qiáng)趨勢，這可能是由于近年來跨領(lǐng)域、復(fù)合型人才需求的上漲。

（三）錯(cuò)配在不同職業(yè)、學(xué)歷、專業(yè)和行業(yè)中的差異性

求職過程中縱向及橫向錯(cuò)配在不同職業(yè)中呈現(xiàn)出鮮明的差異。如圖 2所示，縱向錯(cuò)配發(fā)生概率低（教育適配度高）的是學(xué)歷門檻較高、專業(yè)性較強(qiáng)的職業(yè)，如數(shù)據(jù)工程師、生物/醫(yī)藥研發(fā)等；而演藝類、體力型等學(xué)歷門檻較低的職業(yè)反而更會青睞高于職業(yè)需求學(xué)歷的求職者，如主播、印刷包裝職業(yè)等。

圖 2：縱向錯(cuò)配比例最高和最低的各五個(gè)職業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

如圖 3所示，橫向錯(cuò)配比例低（專業(yè)適配度高）的是一些技術(shù)性、專業(yè)性較強(qiáng)的職業(yè)，比如醫(yī)生和軟件研發(fā)相關(guān)職業(yè)；錯(cuò)配比例高的多為一些不依賴于特殊的專業(yè)技能的體力工作職業(yè)，如物流運(yùn)輸相關(guān)的職業(yè)。

圖 3：橫向錯(cuò)配比例最高和最低的各五個(gè)職業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

錯(cuò)配現(xiàn)象在不同求職者群體中呈現(xiàn)出顯著差異。圖 4反映了不同教育程度和年齡段的求職者的縱向錯(cuò)配情況。首先，可以看到縱向錯(cuò)配在學(xué)歷維度上呈現(xiàn)出“中間低、兩頭高”的特征，總的來說學(xué)歷越高的求職者越可能存在縱向錯(cuò)配，但是大專學(xué)歷的求職者縱向錯(cuò)配比例要明顯低于中專、中技、高中學(xué)歷的求職者。其次，在年齡維度上， 隨著求職者年齡段的增加，其離開學(xué)校的時(shí)間也在增加，因此在學(xué)校的所學(xué)專業(yè)的適配性會出現(xiàn)自然下降，但是值得注意的是，16-24歲青年群體縱向錯(cuò)配比例顯著高于其他年齡段，年輕求職者可能因?yàn)閷β殘龅倪m應(yīng)力較弱、工作經(jīng)驗(yàn)較少，或是傾向于選擇層級相對較低的職業(yè)作為“跳板”，為后續(xù)職業(yè)發(fā)展積累經(jīng)驗(yàn)。此外，45歲及以上的中高齡人群縱向錯(cuò)配比例也較高。

圖 4：不同求職者縱向錯(cuò)配比例分布情況

數(shù)據(jù)來源：智聯(lián)招聘

在 橫向錯(cuò)配方面 （見圖 5），從學(xué)歷維度分析，研究發(fā)現(xiàn)大專學(xué)歷的求職者的橫向錯(cuò)配比例最高，相比本科及以上學(xué)歷的求職者高出10個(gè)百分點(diǎn)。這可能與大專學(xué)歷求職者的專業(yè)技能相對基礎(chǔ)、職業(yè)選擇靈活性較高有關(guān)；年齡維度方面，大專學(xué)歷求職者的橫向錯(cuò)配比例對年齡不敏感，基本保持穩(wěn)定，本科學(xué)歷求職者的錯(cuò)配比例隨年齡增長略有上升，而碩士、博士學(xué)歷求職者的錯(cuò)配比例隨年齡增長則呈現(xiàn)明顯的下降趨勢。這可能說明碩士、博士求職者鎖定專業(yè)性相對更強(qiáng)的職業(yè)，并隨著工作經(jīng)驗(yàn)的積累愈趨專業(yè)化。相對而言，本科學(xué)歷的求職者則隨著工作經(jīng)驗(yàn)的增長趨于多元化，專業(yè)的適配性下降。

圖 5：不同求職者橫向錯(cuò)配比例分布情況

數(shù)據(jù)來源：智聯(lián)招聘

圖 6和圖 7表明，求職者不同專業(yè)背景下的錯(cuò)配比例也存在明顯差異。縱向錯(cuò)配比例較低的多為專業(yè)技能導(dǎo)向性強(qiáng)、學(xué)歷門檻較高的專業(yè)，如生物工程師類、計(jì)算機(jī)類；橫向錯(cuò)配比例較低的多為相對通用、職業(yè)匹配面較廣的專業(yè)，如公共管理類、工商管理類。而藝術(shù)特長類專業(yè)的縱向錯(cuò)配和橫向錯(cuò)配比例均較高，如音樂與舞蹈學(xué)類、體育學(xué)類、美術(shù)學(xué)類。此外，橫向錯(cuò)配比例較高的專業(yè)，也可能是由于對口工作機(jī)會不足而投遞其他領(lǐng)域。

圖6：縱向錯(cuò)配比例最高及最低的各十大專業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

圖 7：橫向錯(cuò)配比例最高及最低的各十大專業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

圖 8和圖 9分別展示了不同行業(yè)（按照智聯(lián)二級行業(yè)分類）的縱向錯(cuò)配與橫向錯(cuò)配比例。結(jié)果顯示，不論縱向維度還是橫向維度，技術(shù)密集型行業(yè)（如信息技術(shù)、能源化工）錯(cuò)配比例普遍較低，而服務(wù)導(dǎo)向型行業(yè)（如物流、餐飲）中錯(cuò)配現(xiàn)象更為嚴(yán)重。圖中同時(shí)呈現(xiàn)了不同行業(yè)的學(xué)歷要求層級，學(xué)歷要求與錯(cuò)配比例高度相關(guān)。縱向錯(cuò)配比例低（高）的行業(yè)往往是學(xué)歷要求高（低）的行業(yè)，而橫向錯(cuò)配與學(xué)歷要求的相關(guān)性相對較弱。

圖 8：縱向錯(cuò)配比例最高及最低的各十大行業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

圖 9：橫向錯(cuò)配比例最高及最低的各十大行業(yè)

數(shù)據(jù)來源：智聯(lián)招聘

（四）錯(cuò)配比例隨時(shí)間增加的求職者群體

我們將求職者按照學(xué)歷、年齡、性別分成了40個(gè)組別。表 1和表 2分別呈現(xiàn)了2021-2025年間縱向錯(cuò)配比例和橫向錯(cuò)配比例增長最高的10組求職者群體。分析表明，縱向錯(cuò)配增長快的群體是中低學(xué)歷的群體，即高中、中專、中技的求職者更多地投遞不限學(xué)歷的崗位，說明中等人力資本或技能的勞動力在勞動力市場上找到適配同等教育程度崗位的機(jī)會減少，只能退而求其次地向下投遞；橫向錯(cuò)配比例增長高的主要是低年齡段（16-24歲）的大專學(xué)歷求職群體，說明青年高學(xué)歷中的相對低學(xué)歷群體在更多地嘗試跨領(lǐng)域就業(yè)。

表 1：縱向錯(cuò)配比例增長最高的10組求職者群體

表 2：橫向錯(cuò)配比例增長最高的10組求職者群體

數(shù)據(jù)來源：智聯(lián)招聘

02

AI-LLM技術(shù)對勞動力市場求職錯(cuò)配的影響

職業(yè)的“人工智能大語言模型技術(shù)（AI-LLM）”暴露指數(shù)可以直觀地衡量AI-LLM技術(shù)對該職業(yè)的潛在影響程度。選用ChatGPT在2022年底的發(fā)布作為AI-LLM技術(shù)對勞動力市場的沖擊節(jié)點(diǎn)，圖 10與圖 11分別呈現(xiàn)了沖擊前后每種職業(yè)縱向錯(cuò)配與橫向錯(cuò)配比例的變動與職業(yè)AI-LLM暴露指數(shù)的相關(guān)關(guān)系。具體而言，圖中每個(gè)點(diǎn)代表不同的職業(yè)類別，橫坐標(biāo)為職業(yè)的AI-LLM暴露指數(shù)，縱坐標(biāo)為受到ChatGPT 發(fā)布沖擊前后職業(yè)的求職錯(cuò)配比例的差值，點(diǎn)的大小則代表在沖擊前的職業(yè)份額占比大小。

從圖中展示的負(fù)向關(guān)系可以初步判定，ChatGPT發(fā)布前后相比，AI-LLM暴露度高的職業(yè)縱向錯(cuò)配比例的增長幅度顯著低于低暴露度職業(yè)，說明那些高AI暴露度職業(yè)（如技術(shù)研發(fā)、數(shù)據(jù)分析、內(nèi)容創(chuàng)作等）的錯(cuò)配問題出現(xiàn)了緩解跡象；而在橫向錯(cuò)配的比例變動中，高低暴露度職業(yè)并沒有呈現(xiàn)出明顯的差異性。

圖 10：職業(yè)縱向錯(cuò)配比例的變動與AL-LLM暴露度的散點(diǎn)圖

數(shù)據(jù)來源：智聯(lián)招聘

圖 11：職業(yè)橫向錯(cuò)配比例的變動與AL-LLM暴露度的散點(diǎn)圖

數(shù)據(jù)來源：智聯(lián)招聘

進(jìn)一步地，研究團(tuán)隊(duì)用定量分析的方法實(shí)證檢驗(yàn)了以ChatGPT為代表的AI-LLM技術(shù)應(yīng)用沖擊對勞動力市場求職錯(cuò)配狀況的真實(shí)影響，分析結(jié)果表明：

首先，就投遞行為而言，受到AI-LLM技術(shù)沖擊后，高AI-LLM暴露度職業(yè)的崗位收到了更多申請人投遞。具體而言，與沖擊前相比，職業(yè)暴露度每增加一個(gè)標(biāo)準(zhǔn)差，在有投遞崗位中的投遞數(shù)量平均增加11.30人次。投遞人次的增加意味著競爭更加激烈。高AI暴露度職業(yè)在ChatGPT發(fā)布后變得“更受歡迎”，投遞量有所增加，但企業(yè)的回復(fù)率和正向回復(fù)率卻在降低。這表明，面對蜂擁而至的求職者，企業(yè)變得更加“挑剔”，匹配過程更具選擇性。

其次，從匹配的結(jié)果來看，受到AI-LLM技術(shù)沖擊后，高暴露度職業(yè)的崗位中縱向錯(cuò)配比例相對減少。在橫向錯(cuò)配方面，高暴露度職業(yè)與低暴露度職業(yè)在人工智能大語言模型技術(shù)沖擊后并未呈現(xiàn)出明顯差異。

對于求職過程中教育的適配性在高暴露度的職業(yè)中提升的發(fā)現(xiàn)，課題組認(rèn)為存在以下可能的機(jī)制：

1. 信號更明確，招聘效率提升：AI技術(shù)的應(yīng)用使得高暴露度崗位的工作任務(wù)和技能要求描述得更加具體、清晰。招聘廣告文本分析顯示，這些崗位在ChatGPT發(fā)布后，所描述的工作任務(wù)數(shù)量和明確提及的技能要求數(shù)量均有增加。這種“信號機(jī)制”的強(qiáng)化，直接勸退了不具備相應(yīng)條件的求職者，減少了盲目投遞，提升了匹配效率。

2. 崗位門檻系統(tǒng)性提高：AI的介入并非簡單地替代人力，而是重塑了工作內(nèi)容，要求更高水平的人機(jī)協(xié)作。這使得崗位對技能的專業(yè)度和復(fù)雜度的要求水漲船高。研究發(fā)現(xiàn)，高暴露度崗位招聘廣告中提及技能的“相對復(fù)雜度”顯著提升。這種門檻的提高，促使求職者更精準(zhǔn)地評估自身與崗位的匹配度。

3. 工作任務(wù)調(diào)整，要求更具體：AI技術(shù)改變了高暴露職業(yè)的工作范式，企業(yè)為了適應(yīng)新技術(shù)，主動調(diào)整了崗位設(shè)置和任務(wù)描述，使其更具針對性和專業(yè)性，從而引導(dǎo)了更精準(zhǔn)的勞動力匹配。

課題組從不同維度進(jìn)一步展開異質(zhì)性分析，結(jié)果呈現(xiàn)出鮮明的群體分化特征。從求職者專業(yè)背景維度發(fā)現(xiàn)，科學(xué)技術(shù)類（STEM專業(yè)）的求職者在AI-LLM高暴露的職業(yè)更有可能進(jìn)行主動調(diào)整，盡可能地降低崗位減少、工作內(nèi)容變化給自己帶來的負(fù)面影響；而其他專業(yè)背景的求職者相對更為被動。

總結(jié)來看，近年來以大語言模型為代表的人工智能技術(shù)不僅影響著勞動力的需求，同時(shí)通過改變求職過程的匹配效率重塑了勞動力市場的結(jié)構(gòu)。本報(bào)告聚焦職業(yè)AI-LLM暴露度與求職過程的錯(cuò)配問題，為理解技術(shù)變革下的勞動力市場結(jié)構(gòu)性矛盾的演變提供了新的見解。

研究發(fā)現(xiàn)在勞動力市場結(jié)構(gòu)性矛盾凸顯的今天，在AI技術(shù)沖擊后，AI-LLM高暴露度的職業(yè)吸引了更多的求職者，說明求職者對與最新AI技術(shù)結(jié)合度高的職業(yè)的青睞，但企業(yè)的回復(fù)率和正向回復(fù)率卻在降低。這表明，面對蜂擁而至的求職者，企業(yè)變得更加“挑剔”，匹配過程更具選擇性。

在AI技術(shù)沖擊后，那些高AI暴露度職業(yè)（如技術(shù)研發(fā)、數(shù)據(jù)分析、內(nèi)容創(chuàng)作等）的錯(cuò)配問題出現(xiàn)了緩解跡象。具體表現(xiàn)為，這些職業(yè)收到的簡歷中“向下投遞”的比例，以及最終“近似雇傭”中的錯(cuò)配比例均有所下降。

本報(bào)告揭示，在人工智能技術(shù)持續(xù)滲透的背景下，勞動力市場錯(cuò)配本質(zhì)是“技術(shù)變革速度”與“人力資本調(diào)整速度”的差距問題。盡管AI在部分高暴露度職業(yè)中已通過推動企業(yè)進(jìn)行更精細(xì)的崗位設(shè)計(jì)和人才篩選，部分優(yōu)化了市場配置效率，但整體而言，教育錯(cuò)配仍在持續(xù)。因此，未來政策需更具前瞻性：一方面應(yīng)鼓勵(lì)企業(yè)借助AI等技術(shù)提升人崗匹配精度，另一方面須加快教育體系與職業(yè)技能培訓(xùn)的改革，以響應(yīng)AI時(shí)代對知識與技能結(jié)構(gòu)的新要求。通過主動適應(yīng)與引導(dǎo)，方能最大化技術(shù)紅利、最小化轉(zhuǎn)型陣痛，為中國經(jīng)濟(jì)高質(zhì)量發(fā)展提供堅(jiān)實(shí)的人力資源支撐與人才保障。

1.投遞指申請人在線上招聘平臺上向特定崗位提交求職意向所形成的“申請人–崗位”匹配行為，每一對唯一的申請人和崗位匹配構(gòu)成一次投遞。