【關(guān)注】程實(shí)等：AI讓傳統(tǒng)經(jīng)濟(jì)信號(hào)失靈，貨幣政策亟須前瞻布局

未來的貨幣政策可能更傾向于采取前瞻性的風(fēng)險(xiǎn)管理思路，即在核心就業(yè)指標(biāo)尚未明顯走弱之前，提前釋放一定的政策緩沖空間，從而推動(dòng)寬松政策前置。貨幣政策制定對(duì)潛在下行風(fēng)險(xiǎn)的重視程度或?qū)⑦M(jìn)一步提升，使政策決議更容易在信號(hào)模糊階段向?qū)捤煞较騼A斜，而非等待數(shù)據(jù)出現(xiàn)明顯惡化后再被動(dòng)調(diào)整。

本文作者系盤古智庫學(xué)術(shù)委員、工銀國(guó)際首席經(jīng)濟(jì)學(xué)家程實(shí)，工銀國(guó)際宏觀分析師周燁，文章來源于“第一財(cái)經(jīng)”。

本文大約2600字，讀完約6分鐘。

過去數(shù)十年，菲利普斯曲線與貝弗里奇曲線構(gòu)成了宏觀經(jīng)濟(jì)分析勞動(dòng)力市場(chǎng)、判斷通脹壓力與政策周期的核心工具。然而，近年來以美國(guó)為代表的發(fā)達(dá)經(jīng)濟(jì)體勞動(dòng)力市場(chǎng)運(yùn)行特征，正系統(tǒng)性偏離這一傳統(tǒng)框架。

人工智能（AI），是理解上述結(jié)構(gòu)性變化的重要切入點(diǎn)。與以往主要替代體力勞動(dòng)的技術(shù)進(jìn)步不同，當(dāng)前AI對(duì)勞動(dòng)力市場(chǎng)的影響更多發(fā)生在任務(wù)層面。這一過程在短期內(nèi)緩沖了就業(yè)波動(dòng)，但在中長(zhǎng)期加劇了技能錯(cuò)配與區(qū)域分化，使勞動(dòng)力市場(chǎng)信號(hào)呈現(xiàn)出更強(qiáng)的滯后性與非線性特征。

在這一背景下，菲利普斯曲線的斜率趨于平坦，貝弗里奇曲線則整體外移，經(jīng)濟(jì)增長(zhǎng)與就業(yè)市場(chǎng)表現(xiàn)之間的聯(lián)動(dòng)關(guān)系出現(xiàn)階段性脫鉤，勞動(dòng)力市場(chǎng)信號(hào)參考性下降，這對(duì)宏觀政策框架提出了新的挑戰(zhàn)。

經(jīng)典勞動(dòng)力市場(chǎng)框架的現(xiàn)實(shí)偏離

數(shù)十年來，兩條經(jīng)典關(guān)系構(gòu)成了宏觀分析勞動(dòng)力市場(chǎng)的重要分析框架：一是權(quán)衡通脹與失業(yè)的菲利普斯曲線，二是刻畫崗位空缺與失業(yè)的貝弗里奇曲線。這兩條曲線共同構(gòu)成了貨幣政策評(píng)估勞動(dòng)力市場(chǎng)松緊程度的核心工具。在這一傳統(tǒng)框架下，失業(yè)率被視為連接經(jīng)濟(jì)增長(zhǎng)、工資形成與通脹壓力的核心樞紐變量，而職位空缺率則被用于衡量企業(yè)用工需求與勞動(dòng)力供給之間的匹配狀況。

然而近年來，以美國(guó)為代表的發(fā)達(dá)經(jīng)濟(jì)體的勞動(dòng)力市場(chǎng)表現(xiàn)，正在逐步偏離上述傳統(tǒng)框架。一方面，失業(yè)率維持歷史低位，并未出現(xiàn)與經(jīng)濟(jì)放緩相匹配的明顯抬升；另一方面，工資增速放緩，通脹對(duì)勞動(dòng)力市場(chǎng)緊張程度的反應(yīng)明顯弱于歷史經(jīng)驗(yàn)，反映出工資—價(jià)格傳導(dǎo)機(jī)制在當(dāng)前結(jié)構(gòu)環(huán)境下趨于鈍化。同時(shí)，職位空缺率處于高位，但其變化與就業(yè)改善之間的對(duì)應(yīng)關(guān)系明顯弱化，結(jié)構(gòu)性失業(yè)現(xiàn)象趨于常態(tài)化。

這一系列特征表明，傳統(tǒng)以就業(yè)—通脹為主線的分析框架，正在面臨系統(tǒng)性的挑戰(zhàn)。而人工智能（AI），尤其是以任務(wù)自動(dòng)化和認(rèn)知替代為特征的新一代技術(shù)，可能是理解這一結(jié)構(gòu)性變化的重要切入點(diǎn)。

與以往主要替代體力勞動(dòng)的機(jī)械化或機(jī)器人技術(shù)不同，本輪AI對(duì)勞動(dòng)力市場(chǎng)的沖擊并非主要發(fā)生在崗位層面，而是更多體現(xiàn)在任務(wù)層面。美國(guó)國(guó)家經(jīng)濟(jì)研究局和國(guó)際貨幣基金組織近期的工作論文指出，AI對(duì)就業(yè)的影響主要通過三條渠道展開：

第一，任務(wù)替代效應(yīng)。當(dāng)AI能夠以更低成本完成某些具體任務(wù)時(shí)，這些任務(wù)對(duì)應(yīng)的邊際勞動(dòng)需求下降。這種替代并不局限于低技能崗位，而是廣泛發(fā)生在白領(lǐng)、專業(yè)服務(wù)和中等技能職業(yè)中。

第二，任務(wù)重組與生產(chǎn)率放大效應(yīng)。當(dāng)AI只替代崗位中的部分任務(wù)，勞動(dòng)者會(huì)將時(shí)間配置到尚未被自動(dòng)化的任務(wù)上，從而緩沖就業(yè)沖擊并提升企業(yè)生產(chǎn)率，帶來企業(yè)規(guī)模擴(kuò)張，對(duì)就業(yè)形成反向拉動(dòng)。

第三，宏觀層面的就業(yè)壓縮。盡管企業(yè)層面的生產(chǎn)率提升存在，但在區(qū)域和行業(yè)層面，任務(wù)重組并不能完全吸收被替代的勞動(dòng)。結(jié)果是，AI高暴露地區(qū)的就業(yè)率出現(xiàn)結(jié)構(gòu)性下移，尤其集中在制造業(yè)和中等技能服務(wù)業(yè)。

菲利普斯曲線趨于平坦，貝弗里奇曲線外移

傳統(tǒng)菲利普斯曲線將失業(yè)率視為衡量勞動(dòng)力市場(chǎng)緊張程度的核心變量，隱含假設(shè)是：失業(yè)率下降意味著勞動(dòng)力市場(chǎng)偏緊，伴隨工資加速上行將推升通脹水平。然而，AI的引入正在系統(tǒng)性削弱這一傳導(dǎo)鏈條。

首先，有效勞動(dòng)供給的彈性顯著上升。AI擴(kuò)展了單個(gè)勞動(dòng)者可完成的任務(wù)集合，即便就業(yè)人數(shù)不變，單位產(chǎn)出所需的勞動(dòng)投入亦在下降，使得失業(yè)率下降不再必然對(duì)應(yīng)同等強(qiáng)度的用工約束。

其次，工資形成機(jī)制出現(xiàn)明顯分化。AI并未推高整體工資水平，而是強(qiáng)化了工資結(jié)構(gòu)的分層：不可被替代任務(wù)獲得溢價(jià)，而可被自動(dòng)化任務(wù)面臨持續(xù)壓制，從而降低了平均工資對(duì)勞動(dòng)力緊張程度的敏感性。

再次，生產(chǎn)率提升對(duì)成本沖擊形成緩沖，AI通過降低單位邊際成本，削弱了工資變動(dòng)向價(jià)格端的傳導(dǎo)。

綜合來看，菲利普斯曲線的斜率正在趨于平坦，通脹對(duì)失業(yè)率的相關(guān)性下降，對(duì)技術(shù)擴(kuò)散速度與任務(wù)結(jié)構(gòu)變化的依賴上升。

相較菲利普斯曲線，AI對(duì)貝弗里奇曲線的影響更為直觀。AI替代主要集中于中等技能崗位，而再培訓(xùn)、技能轉(zhuǎn)移與跨區(qū)域流動(dòng)存在顯著摩擦，導(dǎo)致相同職位空缺率對(duì)應(yīng)更高的失業(yè)率，貝弗里奇曲線整體外移。企業(yè)新增崗位更多指向高技能、復(fù)合任務(wù)及人機(jī)協(xié)作型職位，而失業(yè)人口則集中于被AI替代的任務(wù)類型，形成結(jié)構(gòu)性錯(cuò)配。AI參與生產(chǎn)的環(huán)境下，職位空缺數(shù)據(jù)本身的信息含量有所下降。部分職位空缺更多反映的是對(duì)AI系統(tǒng)的補(bǔ)充配置或探索性需求，而非等量的勞動(dòng)需求，這使得職位空缺率作為勞動(dòng)力市場(chǎng)緊張度指標(biāo)的解釋力亦持續(xù)弱化。

勞動(dòng)力市場(chǎng)信號(hào)滯后帶來的貨幣政策范式轉(zhuǎn)變

在人工智能持續(xù)改變用工方式、傳統(tǒng)勞動(dòng)力指標(biāo)解釋力下降的背景下，未來對(duì)勞動(dòng)力市場(chǎng)以及貨幣政策的判斷，可能在兩個(gè)維度發(fā)生變化。

其一，薪資增速對(duì)通脹的傳導(dǎo)效率正在減弱。一方面，AI提升了單位勞動(dòng)效率，使得企業(yè)能夠在不顯著擴(kuò)張用工規(guī)模的情況下消化成本壓力；另一方面，工資上漲更多集中于不可被替代的高技能任務(wù)，其對(duì)整體消費(fèi)需求與價(jià)格水平的外溢效應(yīng)有限。在這一背景下，薪資增速與物價(jià)之間的聯(lián)動(dòng)關(guān)系可能走弱，依賴工資數(shù)據(jù)判斷通脹走勢(shì)容易高估通脹的持續(xù)性。

其二，失業(yè)率對(duì)經(jīng)濟(jì)變化的反應(yīng)正在變慢，貨幣政策需要更早關(guān)注潛在風(fēng)險(xiǎn)。隨著企業(yè)更多通過放緩招聘、調(diào)整崗位結(jié)構(gòu)和提高效率來應(yīng)對(duì)需求變化，就業(yè)人數(shù)和失業(yè)率對(duì)經(jīng)濟(jì)放緩的反應(yīng)逐漸滯后。在經(jīng)濟(jì)出現(xiàn)下行壓力的初期，就業(yè)市場(chǎng)可能仍表現(xiàn)穩(wěn)定，但企業(yè)盈利、融資環(huán)境和金融市場(chǎng)波動(dòng)已開始惡化。如果貨幣政策過度等待就業(yè)數(shù)據(jù)出現(xiàn)明顯轉(zhuǎn)弱，政策調(diào)整的時(shí)點(diǎn)可能偏晚，反而加劇經(jīng)濟(jì)和金融波動(dòng)。

這意味著，傳統(tǒng)宏觀模型中以失業(yè)率、職位空缺率等指標(biāo)作為判斷經(jīng)濟(jì)周期位置和政策轉(zhuǎn)向信號(hào)的做法，其解釋力與前瞻性正在下降。在這一環(huán)境下，貨幣政策決策不可避免地需要在更大的不確定性下進(jìn)行權(quán)衡。

未來的貨幣政策可能更傾向于采取前瞻性的風(fēng)險(xiǎn)管理思路，即在核心就業(yè)指標(biāo)尚未明顯走弱之前，提前釋放一定的政策緩沖空間，從而推動(dòng)寬松政策前置。貨幣政策制定對(duì)潛在下行風(fēng)險(xiǎn)的重視程度或?qū)⑦M(jìn)一步提升，使政策決議更容易在信號(hào)模糊階段向?qū)捤煞较騼A斜，而非等待數(shù)據(jù)出現(xiàn)明顯惡化后再被動(dòng)調(diào)整。■

文章來源于“第一財(cái)經(jīng)”

圖文編輯：張洵

責(zé)任編輯：劉菁波