2026年6月9日下午，田纳西大学黄庭亮教授应邀作客电影天堂 ，在经管楼B201会议室带来题为《How Artificial Intelligence Reshapes Work: Evidence from Occupation-Level Analysis》的精彩报告。本次报告由电影天堂 李四杰教授主持。

黄教授首先提出“图灵陷阱”与“图灵转型”两大理论框架。前者指AI过度模仿和替代人类劳动，会削弱工人议价能力；后者强调AI的正确方向应是增强人类能力，而非简单复制人类。在研究设计上，黄教授团队构建了“职业AI暴露指数”。他们利用Sentence-BERT语义嵌入模型，将O*NET数据库中的965种职业描述与超过11万项AI专利进行匹配，量化各职业受AI影响程度。结果显示：计算机与数学类职业暴露最高，餐饮服务、个人护理等职业暴露最低；值得注意的是，极低与极高技能职业的暴露程度均较低，反映出不同职业任务属性的差异。

实证部分分为两个维度。第一，AI对就业去技能化的影响。基于2010–2018年O*NET数据，回归分析表明：AI整体上对所有工作活动产生去技能化效应；但在高技能职业中，AI同时提升了行政管理、沟通交互与推理决策等活动的重要性，体现出增强效应。第二，AI对就业机会扩张或收缩的影响。总体来看，AI暴露促进了高技能岗位扩张，而低技能岗位面临萎缩压力，支持了“图灵转型”假说，即AI在特定条件下可成为降低不平等的路径。

报告第二部分聚焦机器学习（ML）如何改变招聘岗位的能力要求。黄教授提出“专业知识偏向”的核心论断：ML作为“预测机器”，在金融、法律、医疗等领域替代了数据收集等低阶任务，从而大幅提升了对专业判断、领域知识与高阶决策能力的需求。研究基于标普500成分股企业2011–2023年间超过5100万条在线招聘数据，以企业招聘ML岗位的比例衡量ML应用程度，采用Shift-Share IV方法处理内生性问题。结果显示：ML应用程度越高的企业，其岗位要求的工作年限与高阶决策技能显著提升，效应强度是自然年度趋势的8至30倍，在知识密集与高技能职业中尤为突出。黄教授由此指出，ML正推动技能演进从传统IT时代的“技能偏向”转向“专业知识偏向”，核心受益者是具备深厚领域知识与高阶判断能力的专业人才，而非泛化的大学学历劳动者。

此外，黄教授还展示了ChatGPT上线后生成式AI对劳动力市场的非对称冲击：高度暴露于自动化的职业岗位数量显著下滑，而有望被AI增强的职业需求则大幅增加，进一步印证了AI对不同职业的差异化影响。整场报告内容翔实、逻辑严密，在场师生与业界代表反响热烈，就AI暴露指数的构建方法、内生性处理策略、生成式AI的后续影响等问题与黄教授展开了深入交流。与会师生还就高校课程体系的未来走向展开热烈讨论，认为在AI深度融入各行各业的背景下，大学课堂亦应与时俱进，将AI工具与相关思维方式系统纳入培养方案，探索人机协作的新型教学模式，为学生应对未来劳动力市场变革提前做好准备。