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课题组完成，聚焦人工智能大语言模型（AI-LLM）技术快速发展背景下中国劳动力市场的求职错配问题，旨在回答AI技术进步究竟改善还是加剧了求职者与岗位之间的教育及专业匹配状况。

报告基于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，系统定义了“向下投递”“跨专业投递”以及反映招聘双方意愿的“纵向错配”“横向错配”指标，从时间趋势、职业、学历、专业、行业和求职者群体等多个维度描绘了中国劳动力市场结构性矛盾的演变。报告还以ChatGPT在2022年底的发布作为AI-LLM技术冲击节点，构建职业AI-LLM暴露指数，实证检验技术冲击对不同暴露度职业求职错配的影响，并分析其背后的机制。

本报告的价值在于：为求职者理解AI时代的岗位门槛与技能要求提供参考，为企业优化招聘信号和人才筛选提供依据，也为政策制定者调整教育体系、推进职业技能培训改革提供数据支持。通过区分投递行为与匹配结果，报告呈现出劳动力市场供需双方互动下更为真实的错配图景。

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

• 报告开篇系统阐述了求职错配的概念框架，详细定义了纵向错配、横向错配、向下投递和跨专业投递，并介绍了如何利用线上招聘平台中“申请人-岗位”匹配数据测算错配比例，包括学历层级划分方法和基于国际CIP-SOC对照表本土化处理的专业匹配识别流程，为后续分析提供了方法基础。
• 完整报告以图表呈现了2021年至2025年劳动力市场投递行为与求职错配的年度变化趋势，对比了“向下投递”与“纵向错配”、“跨专业投递”与“横向错配”的差异，清晰展示供需两侧在不同时期的表现，帮助读者理解错配比例上升背后的供给与需求因素。
• 报告提供了纵向错配和横向错配比例最高与最低的各职业、专业和行业完整名单，包括数据工程师、生物/医药研发、主播、印刷包装、医生、软件研发、物流运输等典型案例，并分析了学历门槛、专业门槛与错配比例的关系，便于不同背景的求职者对照参考。
• 报告对不同求职者群体进行了细致的交叉分析，展示不同学历、年龄、性别组合下的错配比例分布，特别指出16-24岁青年和45岁及以上中老年群体的纵向错配高发，以及大专学历横向错配高于本科以上学历等现象，并列出2021-2025年间错配比例增长最快的10组求职者群体。
• 报告介绍了职业AI-LLM暴露指数的构建思路，以及如何以2022年底ChatGPT的发布作为技术冲击节点，通过比较冲击前后职业错配比例的变动，结合散点图呈现高暴露度与低暴露度职业的差异化表现，为识别AI影响最直接的岗位提供依据。
• 完整报告包含严谨的计量实证分析结果，例如职业暴露度每增加一个标准差带来的投递量增加、企业回复率和正向回复率的变化，以及对纵向错配和横向错配概率的回归估计，同时报告了针对不同专业背景、学历水平群体的异质性效应。
• 报告对AI技术降低纵向错配的机制进行了深度分析，提出信号机制强化、岗位门槛系统性提高、工作任务调整三条可能渠道，并附有招聘广告文本分析的证据，如工作任务描述数量和技能要求数量的变化，帮助读者理解技术影响劳动力市场的内在逻辑。
• 报告在结论部分聚焦技术变革速度与人力资本调整速度的差距，提出了前瞻性的政策建议，包括鼓励企业借助AI提升人岗匹配精度、加快教育体系改革、强化职业技能培训等内容，为政策制定者、企业和求职者提供了具有实操性的参考方向。