从线上劳动市场冲击分析AI时代的教育命题
ChatGPT 问世不过数年，关于人工智能（AI）与就业的讨论已明显转向。起初，人们担忧AI是否会抢走人类工作；如今更值得深思的是：当所有人都能使用AI时，谁才有能力继续留在牌桌上？
以往接受高等教育的人，一方面为了掌握专业技能与知识，另一方面是向未来雇主证明自己的能力。时至今日，AI却在同时改写这两个目的：知识获取变得容易，部分专业技能亦不再稀缺。照此推论，学历似乎正在贬值。
生成式AI与昔日的自动化技术不同，影响范围不再只是重复性体力劳动，还包括写作、翻译、编程设计、资料分析等传统意义上的知识工作。过去需要多年积累才能完成的任务，现在只需几个提示词。
表面看来，AI 似乎正在拉平人与人之间的能力差距。如果机器能帮助每个人写得更快、画得更好、编程效率更高，那么名校、学历与专业训练的重要性是否也随之下降？
笔者团队的研究表明，答案未必如此。
从 2022 年初至2025 年底，我们追踪了一个全球大型线上劳动平台近3万名自由工作者，并以 2022 年 11 月 ChatGPT 公开发布作为一次外生性技术冲击(exogenous technological shock)。研究发现，在 ChatGPT 问世之前，从事程式编码、资料处理、写作、翻译及内容设计等生成式 AI 较易介入的知识型任务劳动者，此后所受的冲击尤为明显【注】。这些职业包含不少相对容易被拆解和标准化的任务，也因较早受到生成式AI能力扩张的影响，其收入、工时与就业机会均出现相对较大幅度的下降。换言之，工作内容愈容易被生成式AI产出，其就业风险愈大，且更早面临市场需求变化与竞争加剧。
基于“人人学AI”的热潮，有必要澄清：懂AI不代表不容易被取代。“会用AI”与“从事不容易被AI取代的工作”是两个不同概念，关键在于工作任务与AI能力有无重叠。一个程式设计员可能精通技术，但如果他的主要工作是标准化代码生成，仍可能受到AI冲击。相较之下，一些包含问题定义、跨界整合、综合判断与团队协调的工作，例如策略顾问、项目管理或复杂决策支持，其核心任务较难被标准化，也难以被生成式AI直接替代。
值得注意的是，我们发现此次技术冲击对就业者的影响并非平均分布。随着教育程度提高，部分劳动者在面对AI冲击时展现出较强韧性。在收入与工作机会方面，这一差异尤其明显，博士学历劳动者的相对就业调整不显著，而教育程度较低的劳动者则承受尤为明显的负面影响。至于大学背景也呈现不同趋势：毕业于排名较高大学的劳动者受到的冲击明显较小，而来自排名较低或非排名大学的劳动者，收入降幅尤为显著。
为什么会出现这种情况？其中一个解释与能力有关。高等教育真正的价值，也许从来不在于让人学会如何完成具体任务，而是培养分析问题、创新与判断力，以及应对复杂多变情境的能力。当AI承担愈来愈多标准化工作，这些难以标准化的能力反而更加重要。另一个解释则关乎讯号理论（signalling theory）。线上劳动市场（online labour market）存在明显的讯息不对称，雇主在正式合作前往往难以判断陌生工作者是否可靠。当AI能轻易生成优美文案、代码甚至作品集，表面上看起来不错的包装已显廉价；雇主反而可能更倚重学历、名校背景、过往声誉等较难复制的可靠讯号。这两种机制在线上劳动市场中均可发挥作用。
这并不代表高学历劳动者可以免受AI冲击。确切而言，高学历者面临技术变革时，在收入与就业机会方面展现出相对较强的韧性。这种差异也显示生成式AI未必会简单削弱教育的价值，而可能正在重塑教育回报的本质。过去，一个人的优势体现在掌握某项可直接执行的专业技能；未来，随着部分标准化任务逐步被AI承担，更主要的教育回报来源将是能否界定问题、整合知识、并判断AI输出的可靠性。
这对大学教育也是一种警示。AI愈容易完成标准化流程，劳动者之间的竞争优势就愈取决于难以标准化的能力。如果课程内容仍聚焦于训练学生完成标准化任务，而相关领域恰好是AI所长，那么学生在毕业后，也未必因此获得更大的职场成就与韧性。相反，跨界整合与持续创新能力会比熟练某种专业技能更经得起外部技术冲击引致的迅速变化。企业培训同样如此。训练员工使用最新的AI工具固然重要，但工具更新极快，几年后可能已被取代；真正需要挖掘的是借助新工具重组创新与解难能力。
我们应重新审视怎样的教育仍具市场吸引力。面对生成式AI的迅速普及，教育最直接的回应往往是增加AI课程、强化工具训练，甚至倡导“人人学AI”。这些做法有其必要性，但也容易把教育改革简化为工具使用的普及。真正需要回答的问题是：当AI工具本身愈来愈容易获取，哪些能力会形成持久的竞争优势？
未来的能力差异，未必在于谁更早学会某个模型，而在于能否判断AI的答案是否可信，以及如何把AI生成的内容转化为有价值的方案。如果大学教育只训练学生学会AI擅长的标准化技能，学历回报自然会下降；但如果教育能够培养分析判断、知识整合、沟通协作以及适应新技术等较难标准化的能力，其价值可能更多体现在面对技术冲击时的适应与调整能力上。
笔者团队的数据提供了一定间接支持：AI冲击后，教育程度较高者与拥有高排名大学学历者，在收入及就业机会上受损相对较轻，整体展现出较强韧性。换言之，教育程度与高排名大学学历所代表的市场优势，在AI冲击下并未消失；与之相关的跨领域可迁移认知能力以及学习新技术的比较优势，在AI时代反而能成为收入与就业上的缓冲。
对广大劳动者而言，与其不停追逐下一个热门工具，不如累积一组更难被工具取代的能力。对大学而言，不应只是增设几门AI课程，而应重新思考人才培育究竟能赋予学生什么核心能力。对政策制定者而言，再培训不能只停留在工具操作层面，而应著重协助受AI冲击者达致技能转换与职涯转轨。
综上可见，教育需回应的不是单一的工具理性问题，而是一组更为根本的生存命题。生成式AI压低了部分标准化任务的成本，劳动市场的竞争优势因而会倾向较难标准化的综合适应力。所以，AI 时代学历是否仍然重要？或许答案是：学历本身不是护城河，学历背后那些AI难以复制的能力才是。
注：Lin, Q., Lu, A., & Fang, C. (2027). Educational premium in the age of AI shock: Empirical findings from online labor markets post-ChatGPT era. 60th Hawaii International Conference on System Sciences (HICSS 2027).
卢清涟博士
港大经管学院数字经济与创新研究所外部联属研究员、蒙纳士大学信息科技学院商业信息系统高级讲师
（本文同时于二零二六年九月十六日载于《信报》“龙虎山下”专栏）
