人工智能大语言模型技术影响下的劳动力市场求职错配情况报告

报告概述

本报告由北京大学国家发展研究院与智联招聘联合完成，以2021年1月至2025年7月智联招聘平台的海量“岗位-求职者”匹配数据为基础，系统研究人工智能大语言模型技术对劳动力市场求职错配的影响。报告将求职错配分解为基于学历的纵向错配和基于专业的横向错配，并从投递行为与匹配结果两个层面构建测度框架；在此基础上，详细刻画了错配在不同职业、学历、专业、行业及求职者群体中的分布差异。报告还以ChatGPT发布作为技术冲击节点，利用职业的AI-LLM暴露指数，实证分析了大语言模型技术对求职匹配效率的影响及其内在机制。该报告为理解AI时代的劳动力市场结构性矛盾、评估技术变革的就业效应提供了实证依据，对求职者、企业和政策制定者均具有参考价值。

报告的核心结论

报告回答的关键问题

报告中的代表性数据

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

• 完整报告包含对求职错配的概念界定与测度方法。报告将错配分为基于学历的纵向错配和基于专业的横向错配，并详细说明了如何通过线上投递行为中的“向下投递”“跨专业投递”以及用人单位的“正向回复”来构建反映匹配结果的指标。同时引入了适用于中国劳动力市场的CIP-SOC本土化对照表，用于识别专业与职业的匹配关系。
• 完整报告包含2021年至2025年劳动力市场求职错配的年度趋势分析。通过时间序列图表直观呈现了“向下投递”“跨专业投递”以及考虑需求侧反馈后的“纵向错配”“横向错配”的变化轨迹，并解读了两种错配比例上升背后的供给与需求因素，如高学历供给增加、复合型人才需求上升等。
• 完整报告包含不同职业、学历、专业和行业维度的错配差异分析。报告列出了纵向错配和横向错配比例最高及最低的各五个职业、各十大专业和各十大行业，并进一步分析了这些差异与职业学历门槛、专业技能导向性、行业技术密集程度之间的关系，帮助读者识别错配的高发领域。
• 完整报告包含对不同求职者群体错配比例的细致刻画。报告按照学历、年龄、性别将求职者分为40个组别，分别呈现了纵向错配和横向错配比例增长最快的10组群体，并详细讨论了青年群体、中高龄群体、中低学历群体以及不同学历层次求职者在错配上的差异化表现。
• 完整报告包含AI-LLM职业暴露指数的构建方法及冲击前后对比。报告选用ChatGPT在2022年底的发布作为技术冲击节点，通过散点图展示了各职业错配比例变动与AI-LLM暴露指数的关系，并从投递数量、企业回复率、正向回复率等维度实证检验了技术冲击对求职匹配过程的影响。
• 完整报告包含对AI影响求职错配的机制讨论。报告提出了三条可能的解释路径：岗位信号更明确带来的招聘效率提升、岗位门槛系统性提高对求职者的筛选作用，以及工作任务调整引导更精准匹配。这三条机制共同解释了为何高暴露度职业的纵向错配比例下降，而横向错配没有明显变化。
• 完整报告包含进一步的异质性分析和政策建议。报告从求职者专业背景维度发现，STEM专业求职者在AI高暴露职业中更可能主动调整，而其他专业背景的求职者相对被动。最后，报告将劳动力市场错配的本质概括为技术变革速度与人力资本调整速度的差距，并提出了鼓励企业提升人岗匹配精度、加快教育体系和职业技能培训改革等政策方向。