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月智联招聘平台超过162万条“岗位-求职者”匹配数据为基础，研究人工智能大语言模型（AI-LLM）技术对劳动力市场求职错配的影响。报告构建了纵向错配（学历错配）和横向错配（专业错配）的测量框架，系统分析错配的时间趋势及其在职业、学历、专业、行业和不同求职者群体中的分布差异，并以ChatGPT发布为冲击节点，利用职业AI-LLM暴露指数评估技术冲击对匹配结果的影响及作用机制。报告为理解AI时代劳动力市场结构性矛盾提供了实证视角，对教育体系调整、企业招聘策略和个人职业规划均有参考价值。

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

• 错配的完整定义与测量框架：报告详细说明了纵向错配和横向错配的概念，基于学历层级和专业-职业对照表，区分了投递行为（向下投递、跨专业投递）与匹配结果（正向回复），为理解劳动力市场结构性矛盾提供了方法基础。
• 2021-2025年求职错配的年度变化趋势分析：通过对比投递行为与正向回复的错配比例，揭示学历过剩、专业不对口在不同阶段的演变特征，并解读需求侧反馈对错配程度的影响。
• 不同职业的错配分布情况：列出纵向错配与横向错配比例最高和最低的各五个职业，如主播、印刷包装、物流运输、数据工程师、生物医药研发等，展示职业间教育适配度与专业适配度的显著差异。
• 按学历、年龄、专业、行业细分的错配差异分析：呈现纵向错配“中间低、两头高”的学历特征，以及大专学历横向错配突出、16-24岁青年和中高龄群体纵向错配高发等现象。
• 错配比例增长最快的10组求职者群体表格：按照学历、年龄、性别划分的40个组别中，识别出纵向错配增长以中低学历群体为主、横向错配增长以青年大专群体为主的结构特征。
• AI-LLM职业暴露指数的构建与冲击前后对比：选用ChatGPT在2022年底的发布作为技术冲击节点，绘制各职业暴露度与错配比例变动的散点图，直观显示高暴露职业纵向错配缓解、横向错配无明显差异。
• 基于实证检验的AI-LLM技术冲击效应：报告量化分析显示，职业暴露度每增加一个标准差，投递数量平均增加11.30人次，同时企业回复率和正向回复率降低，匹配过程趋于选择性。
• AI影响错配的作用机制分析：从信号机制强化、岗位门槛系统性提高、工作任务调整等角度解释为何高暴露职业的纵向错配减少，为理解技术变革下的人岗匹配提供微观基础。
• 不同求职者群体的异质性分析：从专业背景和学历等维度展开，发现STEM专业求职者在AI-LLM高暴露职业中更可能主动调整，其他专业背景求职者相对被动，呈现群体分化特征。
• 政策启示与前瞻性建议：报告总结指出劳动力市场错配本质是技术变革速度与人力资本调整速度的差距，并建议鼓励企业借助AI提升人岗匹配精度、加快教育体系与职业技能培训改革。