前沿解析丨增强欧盟劳动力市场的人工智能韧性

2026年，人工智能对劳动力市场的影响已由技术应用层面进一步扩展至就业结构、技能体系、收入分配与福利国家可持续性等更广泛的政策领域。欧洲政策中心（European Policy Centre，EPC）于2026年3月发布的政策简报《Fostering AI resilience in the EU labour market》指出，生成式人工智能正在进入认知性、非例行性任务领域，其影响已不仅表现为岗位暴露范围的扩大，更表现出不同国家、不同群体在暴露度与互补性上的显著分化。

编者认为，这份简报的意义，在于其并未将人工智能简单理解为“替代”问题，而是将讨论推进到社会韧性与制度回应层面。通过对成员国、年龄、教育、性别与收入等维度的比较分析，表明人工智能的影响更可能沿着既有的不平等结构展开，并进一步牵动教育培训、财政税收、福利政策与区域差异等多重议题。

世界正进入一个新的技术时代，人工智能（AI）正以前所未有的速度成长为一种通用目的技术。2025年，欧盟约三分之一人口已使用生成式人工智能工具，这项技术已开始影响工作方式、人与工作的关系，以及特定部门的劳动力需求。与以往自动化浪潮不同，生成式人工智能的效用已扩展至认知性、非例行性任务，由此对不同职业的价值评估方式以及教育和培训体系如何调整提出了新的问题。2026年，欧盟必须在经济与地缘政治不确定性、战争、人口与气候危机以及公众对民主制度信任下降的背景下应对这些变化。尽管《欧盟人工智能法案》是规范人工智能系统在欧盟范围内使用的重要第一步，但人工智能对欧洲更广泛政治经济格局的影响，仍要求政策制定者形成新的思路和政策框架，以增强社会韧性并减轻潜在风险。

在此背景下，该报告基于欧洲政策中心在数字化转型领域的既有研究，对欧盟劳动力市场应对人工智能的准备状况进行了初步的数据驱动评估。文章在回顾欧盟相关立法行动、制度能力和政策重点，以及当前劳动力市场中人工智能暴露预测证据的基础上，分析了欧盟内部人工智能暴露度与互补性的分布特征，并从地理和人口维度考察了其潜在的正负面劳动力市场效应，具体包括性别、教育、年龄和收入等方面。最后，文章提出了若干具体可操作的政策建议，分别从平等、技能发展、人口变化及其对福利国家政策影响等角度回应这一转型。

Pietro Valetto，安特卫普大学Herman Deleeck社会政策中心博士研究人员；

Elizabeth Kuiper，欧洲政策中心副主任、健康与社会韧性项目负责人；

Samuel Goodger，欧洲政策中心政策分析师。

人工智能（Artificial Intelligence，AI）正以前所未有的速度成长为一种具有广泛渗透效应的通用目的技术。2025年，欧盟已有约三分之一人口使用生成式人工智能（GenAI）工具，这一技术扩散趋势已开始实质性影响欧洲的工作方式、劳动关系以及部分行业的用工需求。与以往主要替代重复性、程序性任务的自动化浪潮不同，生成式人工智能已进入认知性、非例行性任务领域，由此对职业价值、技能结构以及教育培训体系提出了新的挑战。

进入2026年，欧盟应对这一转型并非发生在稳定环境之中，而是在经济与地缘政治不确定性上升、战争阴影延续、人口与气候压力加深、民主制度信任下滑的背景下展开。《欧盟人工智能法案》（AI Act）为人工智能在欧盟范围内的应用确立了初步监管框架，但面对人工智能对欧洲更广泛政治经济结构可能带来的深层影响，现有制度安排仍不足以完全回应相关风险。如何在推动技术应用的同时增强社会韧性、减轻潜在冲击，正成为欧盟政策讨论中的关键议题。

在这一背景下，该报告基于欧洲政策中心在数字化转型议题上的既有研究，从数据出发，对欧盟劳动力市场应对人工智能冲击的准备情况作出初步评估。文章将在梳理欧盟相关立法进展、制度能力与政策重点的基础上，结合当前劳动市场中AI暴露度（AI exposure）的研究证据，分析欧盟内部不同国家和不同群体在AI暴露与互补性（complementarity）方面的差异，并进一步考察其在性别、教育、年龄和收入等维度上的潜在影响，据此提出相应政策启示。

图片来源：atvais.com

作为全球首部系统性人工智能立法，《欧盟人工智能法案》于2024年正式通过，初步确立了以风险分级为核心的治理框架。根据这一框架，人工智能在就业场景中的应用被纳入“高风险”类别，相应适用更严格的风险管理、数据记录和信息披露要求。与此同时，为办公自动化和任务增强提供支撑的大语言模型（LLMs）等系统，则被纳入通用人工智能（GPAI）的专门监管路径，在最终技术标准出台前主要受相关行为准则约束。法案同时要求提供者和部署者提升用户的人工智能素养，但对于人工智能可能引发的更广泛劳动力市场变化，现有制度回应仍较为有限，这也为后续专项政策的出台留下了空间。

在算法管理和劳动者数字权利层面，欧盟近年来也在持续补充相关制度基础。2024年通过的《平台工作指令》主要面向平台劳动和零工经济领域，围绕自动化监测与决策系统确立了透明性、可解释性和人为干预等基本要求，并赋予劳动者获取相关数据的权利。与之相衔接，2018年生效的《通用数据保护条例》（GDPR）则从自动化决策、画像分析和数据主体权利等方面，为人工智能驱动的工作场景提供了更一般性的法律保障。除立法工具外，欧盟还通过《欧盟人工智能大陆行动计划》(EU AI Continent Action Plan）、AI技能学院（AI Skill Academy）以及“技能联盟”（Union of Skills）等政策安排，将重点放在缓解人才短缺、提升各层级人工智能技能和增强未来劳动力适应能力上；同期推进的《应用人工智能战略》（Apply AI Strategy）则更多着眼于加快人工智能在重点产业部门的应用落地。

面向下一阶段，预计于2026年下半年推出的《优质就业法案》(Quality Jobs Act）被普遍视为欧盟弥合人工智能扩散与职场治理之间制度缺口的重要契机。按照现有设想，该法案将围绕公平工资、工作条件、培训机会和职业转型支持等议题展开。不过，从2025年路线图来看，其当前重点仍主要放在对既有欧盟保护规则的执行与落实上，新增政策工具的力度相对有限。与此同时，欧盟层面的制度讨论已明显升温。欧洲议会在2025年底有关“工作场所数字化、人工智能与算法管理”的报告中指出，人工智能可能加速部分入门级岗位的萎缩，从而削弱青年劳动者进入劳动力市场的传统通道，这表明欧盟政策界已开始将人工智能视为就业结构调整而非单纯技术应用的问题。

在欧盟总体框架之外，部分成员国也已展开更具针对性的政策探索。德国依托联邦劳动和社会事务部下设的人工智能观测站，持续跟踪人工智能对劳动力市场的经济和社会影响，并通过委托研究和指标建设为政策制定提供支持。法国推动的LaborIA计划，则重点关注人工智能对职业结构、再培训需求和劳动力组织形态的影响。丹麦在2024年更新国家人工智能战略时，也将伦理部署、劳动力竞争力和公共部门应用作为重点方向，并配套增加了相应财政投入。总体来看，欧盟人工智能治理正呈现出“统一立法框架逐步成形、劳动治理规则持续补充、成员国政策实践同步推进”的演进特征。

图片来源：industriall-europe.eu

从历史经验看，每一轮重大技术变革都会重塑劳动力市场，并伴随岗位结构的调整以及新旧职业的更替。在这一意义上，人工智能与蒸汽机、电力、个人计算机等通用目的技术并无本质区别。但是不同之处在于，当前生成式人工智能的扩散速度及其能力迭代节奏明显更快，正在以前所未有的强度进入劳动过程，并由此加速了相关讨论从技术议题向就业与社会议题的延伸。

在欧盟内部，企业人工智能采纳水平呈现出明显差异。相关数据显示，成员国企业AI使用率从罗马尼亚的不足5%到丹麦的40%以上不等，这一差距在相当程度上反映了各国在经济结构、数字基础设施和产业构成上的不同。与此同时，从宏观层面看，人工智能转型是否已经带来显著的生产率提升，现阶段仍难下定论。经合组织（OECD)2024年的测算显示，未来十年AI对整体生产率增长的贡献大致在0.25%至0.60%之间，对劳动生产率的贡献约在0.4%至0.9%之间。部分研究同时指出，在某些工作场景中，由于仍需投入额外人力对AI生成结果进行核查与校验，技术应用未必必然带来劳动负担下降。

现有劳动力市场数据同样未给出单一方向的结论。美国和丹麦的研究尚未发现AI暴露度与总体就业结果之间存在清晰的对应关系；但美国的部分研究也显示，自2024年底以来，AI暴露度最高领域的就业增长已出现停滞。若将这一趋势放在欧洲语境下观察，较高的集体谈判覆盖率意味着AI带来的调整压力，未必首先表现为大规模裁员，而更可能体现为招聘放缓或入职门槛抬升，即通过压缩新增岗位来完成调整。这种模式在一定程度上保护了在岗劳动者，却也可能将更大压力转移给青年群体和初入职场者。

从群体差异看，人工智能对劳动力市场的影响并不均衡。相关研究表明，女性在翻译、行政等岗位上的集中分布，使其面临相对更高的技术替代风险。与此同时，AI一方面可能降低部分白领初级岗位的技能门槛，帮助经验较少的劳动者完成原本需较高资历才能承担的任务；另一方面，它也可能加剧岗位竞争，并削弱企业持续投入培训的激励，从而推动收入分化进一步扩大。政策简报据此提醒，AI带来的并非简单的“替代”或“增益”，而更可能是对既有劳动市场分层格局的重新放大。

这也使技能政策面临新的挑战。一方面，最有可能从再培训和技能提升中获益的群体，往往恰恰是参与意愿最低的群体；另一方面，现有大规模公共再培训项目的效果并不稳定，对工资恢复的带动也较为有限。更广泛地看，不少欧洲劳动者目前仍缺乏适应当代乃至未来经济所需的基础数字素养与批判性思维能力。基于此，该报告提出，未来技能政策应更多转向“混合智能”（hybrid intelligence）导向，即在人工智能素养之外，同时强化专业知识、跨领域能力以及不易被替代的人类能力。

还应看到，当前关于职业暴露度和互补性的预测，本质上仍建立在对AI能力边界的阶段性判断之上，因而具有较强的不确定性。随着“智能体式AI”（agentic AI systems）不断发展，那些能够在较少人工监督下自主规划并执行多步骤任务的系统，未来可能进一步把影响范围扩展至原本被认为相对安全的复杂职业领域。当然，不确定性并非只指向负面结果：更低成本的AI服务也可能释放新的市场需求，进而吸纳部分受到冲击的劳动者。因此，政策设计不宜建立在单一预设情景之上，而应为多种可能后果预留调整空间。

基于上述判断，采用一个双维分析框架来考察AI对欧盟劳动力市场的潜在影响。其一，借助AI职业暴露指数（AI Occupational Exposure Index，AIOE）评估生成式人工智能执行不同职业任务的可能程度；其二，在此基础上加入“互补性”维度，用以判断AI更可能替代还是增强特定岗位中的劳动者。由此可将劳动力大体区分为三类：一是高暴露且高互补、因而更可能从AI中受益的群体（high-exposure workers who are likely to benefit from AI ，high complementarity)；二是高暴露但低互补、面临更高替代风险的群体（high-exposure workers at risk of displacement ，low complementarity)；三是总体暴露度较低、短期内受影响相对有限的群体（low-exposure workers who remain comparatively unaffected）。据此利用2024年覆盖欧盟26个成员国、约70万个观测样本的欧盟收入与生活状况统计（EU-SILC）微观数据，对AI在不同国家、人口特征与收入层级中的影响分布进行分析。

从成员国比较看，欧盟劳动力市场在AI暴露度上已呈现出较为明显的分化格局。总体而言，高暴露国家主要集中于经济较为发达、服务业占比较高的成员国。卢森堡、荷兰和丹麦最为突出，约有三分之二劳动力处于高暴露岗位；比利时、瑞典和爱尔兰也处于较高水平。与之相比，罗马尼亚、保加利亚、克罗地亚以及多数中东欧国家中，高暴露劳动力占比仍低于一半。这一差异在相当程度上反映了各国产业结构和就业构成的不同，即制造业及低技能岗位占比更高的经济体，在现阶段受到生成式人工智能直接影响的范围相对有限。

不过，单纯考察暴露度并不足以完整判断各国劳动力市场面临的实际风险。更关键的问题在于，高暴露岗位中的劳动者究竟更可能从AI应用中获益，还是更可能面临被替代的压力。按照引入的“暴露度—互补性”二维框架，这一区别对于判断成员国劳动力市场韧性具有更强的政策意义。

在这一维度上，比利时、丹麦和瑞典表现相对有利。上述国家虽然整体暴露度较高，但其中更多劳动者处于“高暴露—高互补”状态，即其岗位任务更可能因AI而得到增强，而非被直接替代。相比之下，卢森堡、荷兰和爱尔兰则同时呈现出高暴露与较高受损风险并存的特征：其高暴露劳动力中，具备足够互补性保护的群体相对较少，这意味着AI更可能对部分岗位形成替代压力，而非单纯提升劳动效率。

更值得关注的是希腊和意大利。两国虽然并非欧盟内部总体暴露度最高的成员国，但其劳动力市场前景在比较中相对不利，都面临较高受损风险的劳动者占比分别达到34%和32%，而可能从AI中受益的比例仅为19%。这表明，决定劳动力市场承压程度的，不仅是AI触及岗位的广度，也包括既有职业结构与技能结构是否能够形成足够的互补性支撑。

此外，中东欧经济体当前较低的总体暴露度，也不宜被简单理解为风险较低。这些国家虽然整体上处于低暴露区间，但在已经受到AI影响的那部分劳动力中，“高暴露—低互补”的受损倾向同样较为明显。这意味着，随着AI扩散范围进一步扩大，一些目前看似处于外围的位置，未来仍可能较快承受更为集中的调整压力。就此而言，欧盟内部围绕AI形成的地理分化，并不只是技术扩散速度的差异，也折射出成员国在产业结构、技能基础与劳动力市场韧性方面的深层不平衡。

在考察成员国之间的地理差异之外，还需要进一步从年龄、教育、性别和收入等维度观察AI影响在劳动力市场内部的分布情况。分析表明，AI带来的并不是均质化冲击，而是在相当程度上沿既有职业分工和社会分层结构展开。总体而言，初级服务岗位的AI暴露度相对更高，而制造业岗位及部分较高层级的专业岗位所受直接影响相对较低；这种差异又与年龄、性别和教育分布交织在一起。

从年龄结构看，数据呈现出较为清晰的梯度特征。25至44岁的中生代劳动者既是AI暴露度最高的群体，也是最有可能从AI应用中获益的群体，这在很大程度上与其较强的专业经验和岗位积累有关。相比之下，年轻劳动者虽然同样处在技术变动的影响范围内，但由于其中相当一部分仍处于高等教育或培训阶段，其在面对AI冲击时的再培训和技能转换门槛相对较低。正因如此，年龄维度上最紧迫的政策议题并不是单纯关注青年就业，而是如何围绕中生代劳动者开展更有针对性的再技能培训。

教育差异也呈现出类似格局。低学历劳动者的AI暴露度和互补性均显著偏低；中等学历群体整体略低于欧盟平均水平；高学历群体则更有可能处于“高暴露—高互补”位置，从而在AI扩散过程中获得更大收益。这一结果与当前“教育程度越高、收入潜力越强”的现实格局基本一致。但也需要注意，如果未来AI持续压缩复杂认知任务的专业壁垒，高等教育与高收入之间的传统关联也可能出现松动，进而影响高级教育的相对吸引力。

在性别维度上，现有分化同样较为明显。女性承受的有害暴露总体高于男性，其主要原因在于女性在文秘、行政等岗位中占比更高，而在管理和高级专业岗位中的代表性相对不足，因而较难获得由互补性带来的保护。该报告认为，女性教育水平持续提升，可能在长期内改变这一结构，但从当前数据看，性别差异仍然清晰且具有显著的结构性特征。

收入梯度则是整组数据中最为稳定的分化模式。最低六个收入十分位群体的暴露度和互补性总体均较低，而自第八十分位起，这两项指标均明显上升，位于收入分布顶部的群体既是AI暴露度最高的群体，也是最有可能从AI中受益的群体。这意味着，AI对高收入白领岗位的影响并不必然表现为简单替代，更可能表现为对既有优势的进一步放大。

这一趋势的政策含义值得重视。该报告指出，如果中等收入群体，尤其是作为所得税主要来源的白领劳动者，在这一轮调整中处于不利位置。欧洲不仅可能面临白领职业内部不平等加剧的问题，也可能面临税基收缩与再分配压力上升并行的局面，而这恰恰会进一步加重本已承受老龄化压力的福利体系负担。换言之，AI的影响已不只是岗位替代或技能变动问题，也直接牵动财政、福利与社会整合等更广泛的政策领域。

不过，该报告并未将这一进程简单理解为“强者愈强”的单向演化。报而是指出，AI也可能为缺乏高成本正规教育背景的人群创造新的进入机会，使其有可能承担原本主要由高资历或高认证劳动者承担的工作任务。企业在招聘中已经开始对AI技能给予额外溢价，这在一定程度上可能抵消部分年龄或教育劣势。也正因为影响方向并非完全单一，政策制定不能仅基于“替代”逻辑来理解AI，而需要同时考虑其在不同群体中可能产生的增强效应。

除前述实证发现外，随着更先进、更具自主性的人工智能系统加快进入劳动过程，一系列更深层次的问题也正在进入政策视野。该报告特别提示应关注复杂任务持续外包，从而给AI可能带来的认知侵蚀与去技能化风险、算法管理与监控的扩张、劳动强度加剧，以及人类能动性与自主性的维持问题。欧盟现有数字与社会政策框架虽为应对这些变化提供了一定基础，但就其覆盖范围和响应速度而言，尚不足以充分应对生成式人工智能对劳动力市场可能造成的冲击。《优质就业法案》原本是弥补这一制度缺口的重要立法窗口，但从现有路线图看，其重点仍主要放在既有保护机制的执行与落实上，新增制度回应仍相对有限。与此同时，由于AI的具体部署路径尚未完全锁定，欧盟仍然拥有通过政策调整塑造技术扩散方向的空间。基于此，该报告提出了七项具有较强针对性的政策建议，核心目标是推动AI沿“增强而非替代”的方向嵌入工作场所，在保护脆弱群体的同时，维护欧洲福利体系的财政可持续性。

《优质就业法案》不应仅停留于对现有保护规则的补充，而应更加直接回应生成式人工智能对工作质量、劳动条件和职业轨迹的现实与潜在影响。具体而言，欧盟委员会可考虑推动建立范围更广的雇主风险评估义务，将岗位设计、工作负荷、技能要求等受到AI部署影响的因素纳入统一评估框架；同时，可在吸收欧洲议会相关报告精神的基础上，将《平台工作指令》中关于协商、透明度等方面的要求，适度向更广泛行业场景延伸。

为提高政策响应的及时性与可比性，建议欧盟委员会会同欧盟统计局和经合组织，在现有数据基础设施上进一步完善“AI—劳动”指标体系，持续跟踪资本与劳动替代信号、工资两极分化、行业就业变动以及培训参与率等关键指标，并尽可能按照职业、性别和年龄进行细分。只有建立跨成员国、按季度更新的连续数据体系，欧盟才更有可能区分哪些变化来自AI扩散，哪些则属于更一般性的结构性调整。

结合前文关于年龄与性别差异的分析，提出技能政策应更加优先关注中生涯劳动者以及白领岗位中的女性群体，因为这两类人群往往同时具备较高暴露度与较强互补性，是最值得通过培训加以支持的对象。相关学习不宜停留于脱离岗位的短期课程，而应更多嵌入真实工作场景，并建立雇主共同投入机制。同时，政策也应避免AI扩散压缩入门岗位和学徒路径，可依托“技能公约”等框架，维护结构化的职业进入渠道和行业再培训合作机制。

未来的技能政策不宜再简单围绕“技术技能”与“软技能”展开二分配置，而应更多转向“混合智能”导向，即将AI素养、领域知识与人类独特能力结合起来，作为增强劳动力韧性的核心方向。在此基础上，欧盟委员会、成员国与私营部门可在“技能公约”框架下，进一步更新欧洲技能、能力、资格和职业分类体系，更好识别和追踪跨年龄、跨行业的认知灵活性与跨学科能力，避免技能投资再次固化为狭窄的技术培训或空泛的软技能培训。

图片来源：artificialroutine.com

欧盟下一轮多年期财政框架的部分资金安排，应更充分考虑AI暴露度在不同地区的分布差异。具体而言，既应关注那些因AI扩散而可能加剧不平等的大城市，也应关注总体暴露度较低、但可能因准备不足而进一步边缘化的外围地区。欧洲社会基金+和公正转型基金等工具，可考虑纳入“AI准备度”标准，将投资更加精准地导向数字基础设施、中小企业AI采用支持以及区域劳动力发展等领域，以缩小成员国之间及区域之间的准备差距。

考虑到AI可能通过压缩中等收入白领岗位、侵蚀税基并增加失业保险压力，因此欧盟层面的财政与宏观经济监测机构，应结合最新AI能力判断与职业暴露度指标，对福利国家融资模式开展更系统的压力测试。在此基础上，欧盟政策界可进一步讨论收入来源多元化问题，包括数字服务税、资本所得税等选项，并将相关讨论更明确地嵌入“欧洲学期”（European Semester）的财政监督框架，使AI的劳动市场效应能够进入成员国层面的财政与改革建议体系。

最后，该报告指出，AI对劳动关系的实际影响，在很大程度上仍将取决于工作场所内部的治理安排，而非单纯取决于技术本身。为推动AI更多服务于“增强而非替代”，欧盟应为社会伙伴提供更充分的工具、数据和制度授权，并借鉴德国企业委员会在技术部署中的共同决定经验以及丹麦的三方治理模式，鼓励在工作场所层面形成更具操作性的AI协议。此类协议应明确协商程序、影响评估要求以及新岗位和新职责的界定方式，以提升劳资双方在技术部署过程中的可预期性与参与度。

人工智能正在持续重塑欧洲劳动力市场，其影响已不再局限于岗位层面的替代或效率提升，而是逐步延伸至技能价值、职业结构、收入分配以及福利国家运行基础等更深层次领域。尤其值得注意的是，这一轮调整所触及的，并不只是传统意义上的低技能岗位，也包括相当部分长期支撑欧洲税基和社会保障体系的中等收入白领群体。

基于此，前文提出的七项政策建议，核心并不在于延缓技术扩散，而在于通过更及时、更有针对性的制度回应，将人工智能更有效地引导至“增强而非替代”的轨道。其重点在于：尽早完善工作场所治理规则，将资源更多投向暴露度高且缓冲能力较弱的群体与地区，并提前评估人工智能扩散可能对税基、再分配压力和福利体系可持续性带来的中长期影响。

当然，现有实证分析仍主要建立在当下技术能力与职业暴露度测算基础之上，尚不足以完全覆盖人工智能快速演进所带来的全部变化。特别是随着具备更强自主规划和多步骤执行能力的智能体式人工智能不断发展，既有分析框架的解释力未来可能面临进一步挑战。对欧洲而言，塑造这场转型方向、维护社会韧性并守住福利国家基本盘的政策窗口仍然存在，但这一窗口并不会无限期持续开放。

https://www.epc.eu/publication/fostering-ai-resilience-in-the-eu-labour-market/