GenAI角色招聘数量快速增长 [page::15]

• 2022年11月ChatGPT发布后，涉及GenAI的岗位招聘量呈显著上升趋势。

GenAI角色集中于高认知及计算机职业和行业 [page::7][page::15]

• 53.6%的GenAI岗位为计算机与数学相关职业，零售贸易（27.8%）和信息技术（25.8%）行业采纳率最高。

GenAI角色相较其他岗位对技能的差异性分析 [page::8][page::16]

• GenAI角色对认知技能（如问题解决、批判性思维）需求高出43.7%

- 对计算机与软件技能需求高出78.8%

• 对自我管理、财务和客户服务技能需求显著降低

GenAI角色技能需求随时间变化的差异分析 [page::9][page::17]

• 社交技能需求自ChatGPT发布后下降4.5%

- 计算机/软件技能需求下降8.8%

• 项目管理技能需求增加4.1%

- 时间序列分析验证了上述趋势的统计显著性和因果关联

研究意义及未来方向 [page::10][page::11]

• GenAI采纳加重认知类技能需求的同时，降低社交类元技能需求，可能改变未来职业技能发展的路径

- 该发现为劳动者职业规划和政策制定提供新视角

• 建议未来研究重点关注新兴技能的出现、技能变动对薪酬及职业晋升的影响等

金融研究报告详尽解读报告 — “Generative AI Adoption and Higher Order Skills”

---

1. 元数据与报告概览

• 报告标题：Generative AI Adoption and Higher Order Skills

- 作者：Piyush Gulati、Arianna Marchetti、Phanish Puranam、Victoria Sevcenko

• 发布机构：INSEAD、London Business School相关研究团队

- 发布日期：2025年5月

• 研究主题：泛指生成式人工智能（Generative AI，简称GenAI）的采用对工作性质及技能需求的影响，聚焦于技能层面的变化，特别是高阶（跨领域）技能需求的转变。

- 核心论点摘要：通过分析2022—2024年间美国596家上市公司明确招聘GenAI相关技能的岗位数据（总计8.4百万招聘广告，覆盖34,584个GenAI角色），揭示了GenAI技术采用促使工作对认知技能的需求大幅提升，而社交技能需求则有所下降。报告尤为强调认知技能与社交技能作为“元技能”，对个人未来技能提升路径可能产生根本影响。

本报告重点在于跳出传统“职位”或“任务”角度，深入“技能”这一基本单位，剖析GenAI技术对人力资源需求结构的深层次塑造作用，为政策制定者、企业管理者和员工个人提供理论支持及实证洞察。[page::0,1,2,3]

---

2. 逐节深度解读

2.1 摘要与引言部分

• 关键论点：GenAI不仅改变岗位生产率和任务构成，还引发技能需求的动态调整，特别是在提升认知技能需求的同时，弱化部分社交技能需求。

- 推理依据：鉴于技能是执行任务与角色的基石，岗位招聘广告中的关键词可反映企业对人力技能的具体需求和期望变化。

• 分析框架：基于Deming & Kahn（2018）的十类技能框架，利用Lightcast数据源，结合差分中的差分（DID）方法，剖析各技能类别的强度如何随GenAI采用而变化。

- 核心发现：
- GenAI角色显著需要更多认知技能（+43.7%）以及计算机/软件技能（+78.8%）。
- 与此相对，客户服务、财务和自我管理技能需求较低。
- ChatGPT推出后，社交技能需求在GenAI相关岗位内减少4.5%，而项目管理需求增加4.1%。
- 电脑及软件技能需求虽总体较高，但呈逐步下降趋势（减少8.8%）。

• 意义判读：技能层面的变化反映出技术替代与补充的共存状态，也预示着职场培训及组织能力建设的重新定位。[page::0,1,2,3]

2.2 相关文献回顾

• 三大技术-工作关系机制：增强（enhancement）、置换（displacement）与重塑（reinstatement），这也是理解GenAI如何塑造技能需求的理论基础。

- 已有GenAI研究范式：
- 任务暴露分析：揭示任务受GenAI影响的比例。
- 角色层面实验：展示具体职业中生产力提升案例。
- 任务层面动态：揭示同一岗位内任务被替代与增强的双重进程。

• 本研究的创新：聚焦最底层技能单元，结合大规模招聘数据，辅以严密的计量策略，从技能组合角度深化对GenAI的影响路径理解。[page::4,5]

2.3 数据与方法论

• 数据来源：Lightcast，美国596家上市公司2021-2024年发布的超8百万岗位广告。

- 样本选择：基于关键词筛选（如“ChatGPT”、“Copilot”、“Prompt Engineer”等），识别34,584条招聘GenAI技能的岗位。

• 技能分类：结合Lightcast约17,000个技能关键词与Deming & Kahn十类技能分类，计算技能强度（某类别技能占总技能比例）。

- 计量模型：
- 横断面分析：利用OLS回归，固定企业和月份效应。
- 时间序列变化分析：差分中的差分（DID）模型，比较ChatGPT发布前后GenAI岗位技能需求的进化轨迹。

• 验证措施：职位技能强度与O\*NET职业调研数据高度相关，招聘中GenAI关键词使用与现有测度相符，增强了数据指标的有效性。[page::5,6,7]

2.4 主要分析结果

• 岗位分布特征：

- GenAI角色主要集中于计算机与数学相关岗位（占53.6%），其次为管理和商业金融领域。
- 行业分布中，零售贸易（27.8%）与信息技术（25.8%）占比最高。

• 技能强度比较（见图3）：

- GenAI角色较非GenAI角色认知技能平均高出1.216点（占样本均值的43.7%），计算机/软件技能高出3.853点（78.8%）。
- 自我管理技能显著较低，降幅达44.0%。
- 财务及客户服务技能也下降，但与其他职位差异较小。
- 其他技能类别差异不明显。

• 时间演进分析（见图4）：

- 社交技能强度后ChatGPT发布后减少0.144点（4.5%），具有统计显著性。
- 计算机/软件技能下降0.431点（8.8%），项目管理技能提升0.144点（4.1%）。
- 预期前趋势检验显示，效应发生于ChatGPT发布后的显著变动之前无系统趋势。

结论表明，GenAI岗位并非简单地提升所有相关技能，而是呈现替代与增强并存的复杂动态。[page::7,8,9]

---

3. 图表深度解读

3.1 表1 — 技能类别统计描述

• 展示内容：Deming & Kahn（2018）十类技能的关键字定义及全样本岗位招聘中技能强度均值与标准差。

- 核心指标含义：技能强度=该类别匹配技能数/岗位总技能数，体现了该类别技能在岗位中的相对重要度。

• 重要数值：

- 客户服务类技能平均值最高（6.575），表明此类技能普遍需求较多。
- 写作及财务类技能相对较低。

• 参考意义：为后续对比GenAI与非GenAI岗位技能需求提供基线数据。[page::14]

3.2 图1 — GenAI岗位月度分布

• 展示：2022年11月（ChatGPT发布）后，GenAI岗位广告数量快速增长趋势。

- 解读：从发布当月的几百个上升至2024年末的数千个，反映了GenAI技术迅速被企业纳入招聘需求构成的趋势，激活了新岗位创造。

• 与文本联系：验证了研究时点的合理性，体现了转型期的突出现象。[page::15]

3.3 图2 — GenAI岗位的职业与行业分布

• 职业分布：计算机与数学职业占比过半，管理占15.4%，显示技术和组织管理双重驱动力。

- 产业分布：零售贸易和信息产业领先，表明技术应用跨界渗透。

• 意义：具体产业及岗位类型的分布证实了多层次的市场需求图景，是评估技能需求变化的基础。[page::15]

3.4 图3 — GenAI岗位与其他岗位技能强度差异（多维度对照）

• 展示：

- 左上角认知技能显著高于对比组，置信区间无遮挡。
- 自我管理技能显著低于同业其他职位。
- 计算机技能差距最大，表明GenAI岗位对技术技能依赖极强。

• 趋势解读：技能需求的分化增强，支持技术替代和增强的复合效应。

- 数据可靠性：回归控制多维固定效应、标准误聚类于企业，提高了模型稳健性。

• 与文本呼应：数据直观映射文中强调的技能转变路径。

[page::16]

3.5 图4 — 时间序列中技能强度变化与DID分析

• 图4(a)：展示发版前后不同技能类别的变化，项目管理技能上升，社交和计算机技能下降明显。

- 图4(b-d)：细粒度时间轨迹显示社交技能持续下降，项目管理技能稳步上升，计算机技能则逐渐减弱。

• 统计推断：显著的差异确认技术变革带来的技能需求演进，而基线前趋势平行验证了模型的因果推断假设。

- 底层逻辑：项目管理技能的提升可能反映了协同与流程重组需求增加，计算机技能的下降可能是一部分技术环节被自动化替代。



[page::17]

---

4. 估值分析

本报告属于劳动经济和组织行为领域的实证研究报告，不涉及直接的估值模型或资本市场估值定价方法，因此无传统意义上的企业估值分析。研究通过岗位技能结构的计量分析反映具有经济价值的技能需求趋势，为未来劳动力资本估价及人力资源投资策略提供间接理论依据。

---

5. 风险因素评估

报告主要关注技术变革对技能需求和职业路径的影响风险，隐含的风险因素包括：

• 技能转型风险：GenAI推广伴随着社交技能需求减少意味着部分劳动者可能失去关键的上升通道，影响职业发展与可持续就业。

- 技能错配风险：技术采纳可能导致部分岗位技能不匹配，增加企业招聘和员工再培训成本。

• 测量局限风险：依赖招聘广告数据，存在招聘需求与实际岗位职责不完全一致的误差风险。

- 未来技能需求不确定性：随着GenAI技术进步，未来可能涌现新的技能类别，目前未纳入分析范畴，存在模型预测不足风险。

• 缓解策略：报告建议加强基于技能的培训和职业规划，同时呼吁未来研究关注新兴技能和其对劳动市场的影响，为政策制定提供支持。[page::10,11]

---

6. 批判性视角与细微差别

• 方法局限：尽管报告验证了技能强度指标的合理性，但基于职位广告的技能匹配仍可能存在系统性偏差，特别是在新兴技术领域，关键词覆盖不全或误捕导致测量误差。

- 因果推断谨慎：DID方法设定合理，但完全排除其他同时期政策或行业变化的干扰仍有挑战，需未来多因子控制模型加以验证。

• 技能内涵多样性：报告将社交、认知技能视为元技能，强调其上升功能，但未细化不同社交技能的具体变化，未来拆分分析可能揭示更丰富的内部动态。

- 行业与岗位异质性：报告聚焦整体样本，未来可以探究不同产业或岗位的技能需求差异化影响，反映技术采纳的非均质路径。

• 潜在矛盾：计算机技能需求初期高涨后下降，表面矛盾，实则反映了技能替代与标准化技能降低两种力量并存，需结合职位任务具体理解。[page::6,8,9]

---

7. 结论性综合

本报告通过系统化的数据收集与实证分析，首次从技能层面深入揭示了GenAI技术采用对美国上市公司岗位需求结构的深刻影响。核心结论如下：

• 结构性技能需求变迁：GenAI相关岗位明显强化认知与计算机技能，削弱社交、自我管理及部分领域技能，体现了技术集成对岗位内容的重新塑造。

- 动态技能进化：ChatGPT发布后，GenAI岗位内社交技能需求显著下滑，项目管理技能逆势增长，计算机/软件技能则趋减，显示技能替代与增强的细致动态。

• 元技能演化视角：认知和社交技能作为学习和适应新任务的“元技能”，其需求轨迹的变化暗示新技术可能限定未来职业发展和技能进阶路径，影响员工长期就业竞争力。

- 实用启示：企业应当关注技能结构的转变，灵活调整招聘与培训战略，员工及政策制定者则需预见技能变迁，促进有效再培训和劳动力市场匹配。

表1数据为技能类别提供分布基准，图1-4深入揭示时间维度内技能需求的空间和动态波动特征，增强了结论的实证说服力和政策参考价值。整体来看，报告为理解GenAI浪潮下的人力资本发展提供了系统框架和坚实的实证基础，具有重要理论与实践意义。[page::14,15,16,17]

---

总结

该研究以大量实际招聘数据为基础，利用严谨的计量经济学方法，详尽揭示了生成式人工智能技术引发的就业技能需求深刻转型。报告明确指出，GenAI技术既促进了高认知技能的崛起，也导致了对核心社交技能的需求下降，展示了一种技能演进的路径依赖与变革共存态势。

这种对技能的深度洞察，不仅丰富了技术对工作的长期影响的学术框架，也为企业和职业规划者提供了极具价值的前瞻视角，是人工智能时代劳动力市场调适的关键参考文献之一。

报告