Hampole M, Papanikolaou D, Schmidt L D W, Seegmiller B. Artificial intelligence and the labor market[Z].

1. 研究问题与理论框架

论文探讨人工智能（AI）对劳动力市场的多层次影响，重点关注任务级替代效应和生产率溢出效应。通过构建动态理论模型，提出AI对劳动力需求的影响可通过两个核心统计量概括：

• 平均暴露度（Mean exposure）：衡量某职业任务被AI替代的平均程度，与劳动力需求负相关[1]

• 暴露度离散度（Dispersion exposure）：反映职业内任务暴露AI的差异，通过任务再分配提升互补性，增加劳动力需求[1]

  模型揭示AI影响的三大渠道：

1. 直接替代：AI自动化特定任务降低相关职业需求
2. 间接互补：劳动者向未被替代任务转移提升效率
3. 企业生产率：AI应用提高整体产出，抵消局部替代效应[1]

2. 数据与方法

数据创新

• 整合LinkedIn简历（Revelio Labs）、招聘广告（LightCast）与O*NET职业任务数据
• 使用NLP技术（Llama 3.1/GPT-4）提取企业级AI应用案例，通过文本嵌入（GTE-Large）量化AI应用与职业任务的语义相似性[1]

关键指标

• AI暴露度：基于95%分位数相似性阈值，构建职业-企业-时间三维指标（2014-2023年）[1]
• 工具变量：利用企业历史招聘网络构建外生冲击（如UnitedHealth从Target等AI密集企业招聘非AI员工）[1]

3. 实证发现

企业层面

• AI采用集中在高生产率企业（销售/员工高28%，利润高38%）[1]