何勤 董曉雨

[摘?要]?人工智能技術(shù)條件下如何全面落實(shí)“就業(yè)優(yōu)先”政策，實(shí)現(xiàn)更高質(zhì)量就業(yè)，成為“保民生”的重要議題。既有研究主要從單一視角來(lái)探索智能化條件下企業(yè)就業(yè)吸納力的影響機(jī)制，所得到的不一致的結(jié)論甚至相互矛盾的觀點(diǎn)，無(wú)法為智能化條件下提高企業(yè)就業(yè)吸納力提供有益的參考。本研究以47家北京市已采用人工智能技術(shù)的企業(yè)為樣本，采用QCA方法，以組態(tài)思維探索智能化條件下提高企業(yè)就業(yè)吸納力的驅(qū)動(dòng)路徑。研究發(fā)現(xiàn)：一是企業(yè)就業(yè)吸納力具有多重并發(fā)因果關(guān)系，且其影響因素具有不對(duì)稱(chēng)性。二是抑制—?jiǎng)?chuàng)造協(xié)同型組態(tài)與人力資本推力抑制型或組織環(huán)境拉力創(chuàng)造型的單一型組態(tài)是產(chǎn)生高就業(yè)吸納力的重要路徑。三是抑制—?jiǎng)?chuàng)造協(xié)同型組態(tài)是產(chǎn)生高就業(yè)吸納力的主要原因。四是與目前對(duì)人工智能“技能偏向性”的直覺(jué)相反，高技能水平對(duì)產(chǎn)生高就業(yè)吸納力的作用較小，但其缺失對(duì)低就業(yè)吸納力的影響較大。五是低就業(yè)吸納力的驅(qū)動(dòng)路徑分為五條，且在一定條件下低教育程度與低研發(fā)投入存在替代效應(yīng)。

[關(guān)鍵詞]?人工智能;就業(yè)吸納力;組態(tài)思維;QCA方法

[中圖分類(lèi)號(hào)]?F246??[文獻(xiàn)標(biāo)志碼]A???[文章編號(hào)]?1672-4917（2021）01-0079-11

一、 引言

人工智能技術(shù)作為新的經(jīng)濟(jì)增長(zhǎng)動(dòng)力，成為各國(guó)競(jìng)爭(zhēng)的新焦點(diǎn)。2017年，我國(guó)就已經(jīng)頒布了《新一代人工智能發(fā)展規(guī)劃》，明確指出在新形勢(shì)下，要搶占先機(jī)，引領(lǐng)世界人工智能發(fā)展新潮流。近來(lái)，黨的十九屆五中全會(huì)進(jìn)一步強(qiáng)調(diào)推進(jìn)人工智能等新技術(shù)的發(fā)展，強(qiáng)調(diào)突破性培育發(fā)展數(shù)字經(jīng)濟(jì)、人工智能等高端產(chǎn)業(yè)，加快推進(jìn)5G、人工智能、工業(yè)互聯(lián)網(wǎng)等“新基建”投資。技術(shù)進(jìn)步是經(jīng)濟(jì)增長(zhǎng)的決定性因素，從歷次技術(shù)革命來(lái)看，每次技術(shù)的革新都會(huì)帶來(lái)經(jīng)濟(jì)的增長(zhǎng)，但同時(shí)也伴隨著因自動(dòng)化而帶來(lái)的失業(yè)率的提高。人工智能作為新一輪的技術(shù)革命，與以往的技術(shù)進(jìn)步存在很大的不同，人工智能不再是簡(jiǎn)單的對(duì)低技能重復(fù)性勞動(dòng)的替代，有一定技能和知識(shí)的勞動(dòng)者也有被替代的風(fēng)險(xiǎn)，其對(duì)就業(yè)造成的影響可能更高。因此，新技術(shù)在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)，其可能對(duì)勞動(dòng)力就業(yè)造成的負(fù)面影響也成為人們擔(dān)憂的重要問(wèn)題。而我國(guó)作為一個(gè)人口大國(guó)，保障就業(yè)穩(wěn)定不僅是促進(jìn)經(jīng)濟(jì)增長(zhǎng)的重要條件，也是維護(hù)社會(huì)穩(wěn)定的重要保證。目前我國(guó)仍然面臨“民生保障存在短板”的重要挑戰(zhàn)，就業(yè)作為最大的民生保障，黨的十九屆五中全會(huì)提出強(qiáng)化“就業(yè)優(yōu)先”政策的目標(biāo)，而在國(guó)家“就業(yè)優(yōu)先”政策下，如何應(yīng)對(duì)人工智能可能對(duì)就業(yè)造成的負(fù)面影響、保持較高的就業(yè)吸納能力從而穩(wěn)定就業(yè)便成為關(guān)注的重點(diǎn)。

近年來(lái)，學(xué)術(shù)界對(duì)于人工智能對(duì)就業(yè)的影響機(jī)理進(jìn)行了大量的研究，以期能為突破可能面臨的就業(yè)困境、保持較高的就業(yè)吸納能力提供理論支撐。一方面，一些學(xué)者從宏觀角度梳理了人工智能對(duì)就業(yè)的影響機(jī)理，從不同的角度論證了產(chǎn)生就業(yè)替代效應(yīng)與創(chuàng)造效應(yīng)的因素與機(jī)制，取得了豐富的研究成果。如程承坪和彭歡（2018年）[1]從技術(shù)進(jìn)步影響就業(yè)的經(jīng)濟(jì)學(xué)機(jī)理和非經(jīng)濟(jì)學(xué)機(jī)理以及人工智能對(duì)就業(yè)影響的特殊性的角度，闡述了人工智能在何種條件下會(huì)產(chǎn)生創(chuàng)造效應(yīng)及替代效應(yīng);呂榮杰和郝力曉（2018年）[2]通過(guò)總結(jié)歷次工業(yè)革命對(duì)就業(yè)影響的特點(diǎn)，從理論視角梳理了人工智能對(duì)就業(yè)的創(chuàng)造效應(yīng)及替代效應(yīng)的框架等。從宏觀角度來(lái)看，人工智能等技術(shù)進(jìn)步帶來(lái)的替代效應(yīng)主要源于勞動(dòng)生產(chǎn)率的提高、資本生產(chǎn)率的提高、勞動(dòng)力需求結(jié)構(gòu)的變化等因素（謝璐等，2019年）[3];創(chuàng)造效應(yīng)主要源于產(chǎn)品價(jià)格下降、社會(huì)需求增加、新崗位及新行業(yè)的出現(xiàn)等因素（蔡躍洲等，2019年）[4]。另一方面，也有學(xué)者研究微觀企業(yè)層面的影響路徑，如王君等（2017年）[5]認(rèn)為企業(yè)是否會(huì)采用技術(shù)進(jìn)步，采用后能否擴(kuò)大生產(chǎn)規(guī)模是智能化下微觀企業(yè)層面是否會(huì)產(chǎn)生替代效應(yīng)的關(guān)鍵點(diǎn)，并指出微觀企業(yè)層面分析的影響因素應(yīng)包括采用技術(shù)進(jìn)步后的投資成本、利潤(rùn)實(shí)現(xiàn)、崗位創(chuàng)造、勞動(dòng)需求變動(dòng)等情況，但并沒(méi)有進(jìn)行具體的解讀分析;何勤等人（2020年）[6]主要從人工智能技術(shù)研發(fā)投入的角度對(duì)微觀企業(yè)層面的就業(yè)影響路徑進(jìn)行分析，指出企業(yè)增加人工智能研發(fā)投入并不會(huì)對(duì)就業(yè)產(chǎn)生絕對(duì)的負(fù)面影響，并強(qiáng)調(diào)人工智能技術(shù)研發(fā)投入對(duì)人才技能需求的變化，鼓勵(lì)員工參與技能培訓(xùn)?？偨Y(jié)起來(lái)，目前從微觀企業(yè)層面就人工智能對(duì)就業(yè)影響機(jī)理的研究仍然較少，其研究角度主要涵蓋了企業(yè)整體層面的人工智能研發(fā)投入、利潤(rùn)增長(zhǎng)能力，以及對(duì)員工層面的勞動(dòng)需求變動(dòng)，如對(duì)員工技能水平的需求變動(dòng)與培訓(xùn)、對(duì)員工教育程度的需求變動(dòng)等。另外，整體看來(lái)無(wú)論從宏觀層面還是微觀層面，均缺乏從系統(tǒng)整體的角度研究各種因素的聯(lián)動(dòng)匹配對(duì)人工智能對(duì)就業(yè)總效應(yīng)的影響，即各種因素如何聯(lián)動(dòng)匹配才能影響創(chuàng)造效應(yīng)及替代效應(yīng)的相對(duì)大小來(lái)對(duì)最終的就業(yè)規(guī)模產(chǎn)生影響，一般來(lái)說(shuō)，創(chuàng)造效應(yīng)越大于替代效應(yīng)，最終就業(yè)規(guī)模就越大，就業(yè)吸納力就越高。

事實(shí)上，人工智能作為新一輪的技術(shù)革命，與以往技術(shù)革命相同，均會(huì)對(duì)就業(yè)產(chǎn)生創(chuàng)造效應(yīng)與替代效應(yīng)，但對(duì)就業(yè)總效應(yīng)的影響，是由各種因素協(xié)同聯(lián)動(dòng)，最終的影響是由創(chuàng)造效應(yīng)與替代效應(yīng)的相對(duì)大小來(lái)決定的，這是一個(gè)復(fù)雜的過(guò)程。現(xiàn)有研究雖然對(duì)人工智能對(duì)就業(yè)的影響機(jī)理進(jìn)行了大量的研究，取得了豐富的成果，但往往囿于傳統(tǒng)定量分析方法，局限于對(duì)每一單一因素的分析，鮮有從系統(tǒng)整體的視角考察各因素的協(xié)同聯(lián)動(dòng)對(duì)就業(yè)總效應(yīng)的影響，并且目前大量研究均從宏觀角度出發(fā)，缺乏微觀的企業(yè)視角，而企業(yè)作為吸納就業(yè)的重要組織單元，研究智能化下各種因素如何協(xié)同聯(lián)動(dòng)影響創(chuàng)造效應(yīng)及替代效應(yīng)的相對(duì)大小進(jìn)而對(duì)企業(yè)就業(yè)吸納力的大小產(chǎn)生影響，具有重要意義。因此，本文從微觀企業(yè)角度出發(fā)，選用QCA定性比較分析方法，從微觀企業(yè)角度選取變量，整合企業(yè)組織層面與企業(yè)員工層面影響因素，探索影響企業(yè)就業(yè)吸納力大小的路徑與機(jī)制，并試圖回答智能化條件下何種路徑能有效提升企業(yè)的就業(yè)吸納力，何種路徑會(huì)降低企業(yè)的就業(yè)吸納力，產(chǎn)生企業(yè)高就業(yè)吸納力和低就業(yè)吸納力的路徑有何種聯(lián)系等問(wèn)題。

二、文獻(xiàn)綜述與模型構(gòu)建

自人工智能取得突破進(jìn)展以來(lái)，社會(huì)各界高度關(guān)注人工智能產(chǎn)生的影響，尤其對(duì)就業(yè)產(chǎn)生的影響更為關(guān)注。國(guó)內(nèi)大部分學(xué)者持中立態(tài)度，認(rèn)為人工智能既會(huì)產(chǎn)生替代效應(yīng)，也會(huì)產(chǎn)生創(chuàng)造效應(yīng)，但其中大部分研究都是基于宏觀角度，缺乏微觀視角。

從宏觀角度來(lái)看，人工智能對(duì)就業(yè)產(chǎn)生的創(chuàng)造效應(yīng)和替代效應(yīng)已有了全面系統(tǒng)的研究，也從不同角度進(jìn)行了探索，總體而言，學(xué)者強(qiáng)調(diào)人工智能條件下勞動(dòng)生產(chǎn)率、資本生產(chǎn)率、勞動(dòng)力需求結(jié)構(gòu)的變化等因素對(duì)就業(yè)替代效應(yīng)的影響（謝璐等，2019年）[3]，以及人工智能條件下產(chǎn)品價(jià)格、社會(huì)需求、崗位及行業(yè)變化等因素對(duì)就業(yè)創(chuàng)造效應(yīng)的影響（蔡躍洲等，2019年）[4]。具體來(lái)說(shuō)，一方面，新技術(shù)的應(yīng)用會(huì)推動(dòng)勞動(dòng)生產(chǎn)率提高、資本生產(chǎn)率提高，從而在生產(chǎn)規(guī)模不變的情況下直接減少就業(yè)崗位，且長(zhǎng)期來(lái)看，技術(shù)進(jìn)步一般為技術(shù)偏好型，對(duì)勞動(dòng)者的知識(shí)積累以及技能要求更高，從而減少對(duì)低技能勞動(dòng)者的需求（王君等，2017年）[5];另一方面，技術(shù)進(jìn)步通過(guò)提高勞動(dòng)生產(chǎn)率及資本生產(chǎn)率來(lái)增加居民收入、降低生產(chǎn)成本，有效提高社會(huì)需求，從而促進(jìn)生產(chǎn)規(guī)模的擴(kuò)大，增加就業(yè)崗位，且新技術(shù)的開(kāi)發(fā)、推廣及應(yīng)用本身就會(huì)創(chuàng)造新的就業(yè)崗位，促進(jìn)就業(yè)創(chuàng)造效應(yīng)的產(chǎn)生（程承坪等，2018年）[1]。

隨著研究的深入，學(xué)者們開(kāi)始關(guān)注微觀企業(yè)層面人工智能對(duì)就業(yè)的影響機(jī)理，主要從企業(yè)層面和員工層面兩個(gè)角度探尋人工智能對(duì)就業(yè)創(chuàng)造效應(yīng)和替代效應(yīng)的影響機(jī)制，包括企業(yè)整體層面的人工智能研發(fā)投入、利潤(rùn)增長(zhǎng)能力，以及員工層面的技能水平、教育程度、培訓(xùn)等因素，但目前專(zhuān)門(mén)探尋企業(yè)層面人工智能對(duì)就業(yè)的影響機(jī)理的研究還相對(duì)較少，大多零散在宏觀層面的相關(guān)研究中。具體而言，于員工層面，在新技術(shù)的應(yīng)用下，勞動(dòng)者的教育程度、技能水平越高，被替代的風(fēng)險(xiǎn)越?。◤堄趩吹?，2019年;惠煒等，2020年）[7][8]，但也有學(xué)者指出中等技能群體可能在智能化條件下產(chǎn)生更大的替代效應(yīng)（Autur，2015年）[9]。另外，員工接受培訓(xùn)也是緩解就業(yè)替代效應(yīng)發(fā)生的重要因素。于企業(yè)層面，企業(yè)對(duì)新技術(shù)的研發(fā)投入會(huì)創(chuàng)造更多的新就業(yè)崗位，因使用新技術(shù)而帶來(lái)的企業(yè)利潤(rùn)水平的提升，也會(huì)促使企業(yè)擴(kuò)大生產(chǎn)規(guī)模從而創(chuàng)造更多就業(yè)機(jī)會(huì)（蔡躍洲等，2019年;王君等，2017年）[4][5]?？傮w來(lái)看，員工層面的影響因素主要起到抑制人工智能造成的就業(yè)替代效應(yīng)的作用，能夠抑制企業(yè)低就業(yè)吸納力的出現(xiàn);企業(yè)層面的影響因素主要起到一個(gè)創(chuàng)造性的作用，從而能夠提升企業(yè)的就業(yè)吸納力。

綜上所述，目前已有的人工智能對(duì)就業(yè)影響的研究主要集中于宏觀角度，缺乏微觀的企業(yè)視角，而企業(yè)作為吸納勞動(dòng)力的重要組織單元，研究智能化條件下如何提高企業(yè)的就業(yè)吸納力對(duì)于保障就業(yè)穩(wěn)定具有重要意義。此外，微觀企業(yè)角度的員工層面與企業(yè)層面的影響因素對(duì)企業(yè)的就業(yè)吸納力均有非常重要的影響，但目前的研究大部分局限于分析每一單一因素的影響，尚未研究多種因素的不同組合會(huì)對(duì)就業(yè)產(chǎn)生的影響。

依賴(lài)組織構(gòu)型理論的基本觀點(diǎn)，作為一個(gè)復(fù)雜的系統(tǒng)，一個(gè)組織某種優(yōu)勢(shì)的形成是由組織內(nèi)部不同因素或條件相互關(guān)聯(lián)、共同作用形成的最終結(jié)果，其代表性觀點(diǎn)因果關(guān)系的非線性及不同構(gòu)型的等效性也體現(xiàn)出這種復(fù)雜性（李超平等，2019年）[10]。該理論認(rèn)為，組織中某種結(jié)果的產(chǎn)生是由各種因素或條件相互匹配、共同作用而形成的路徑所導(dǎo)致的，并且同一種結(jié)果的產(chǎn)生可由不同的因素和路徑形成，但是在某一路徑中表現(xiàn)出因果相關(guān)關(guān)系的變量在另一路徑中可能表現(xiàn)為不相關(guān)或反向相關(guān)（Meyer et al.，1993年）[11]。例如，有些企業(yè)雖然利潤(rùn)增長(zhǎng)能力得到上升，但不一定能夠提高企業(yè)的就業(yè)吸納力，而有些企業(yè)就能夠提高。有鑒于此，在組織構(gòu)型理論的指導(dǎo)下，考慮到影響企業(yè)就業(yè)吸納力的多重并發(fā)因果關(guān)系，全面考慮員工的受教育程度、技能水平、培訓(xùn)以及企業(yè)的利潤(rùn)增長(zhǎng)能力、與人工智能相關(guān)的研發(fā)投入五個(gè)因素之間是如何匹配、協(xié)同影響企業(yè)就業(yè)吸納力，本文采用QCA的研究方法，并構(gòu)建如圖1所示的對(duì)企業(yè)就業(yè)吸納力的影響機(jī)制模型。為更加簡(jiǎn)單直觀，本文將以上五個(gè)因素簡(jiǎn)稱(chēng)為教育程度、技能水平、培訓(xùn)、利潤(rùn)增長(zhǎng)能力以及研發(fā)投入（即與人工智能相關(guān)的研發(fā)投入）。其中，員工層面的影響因素包括教育程度、技能水平、培訓(xùn)，企業(yè)層面的影響因素包括利潤(rùn)增長(zhǎng)能力以及研發(fā)投入。

（一）員工層面

教育程度，具體指企業(yè)員工所擁有的學(xué)歷水平。在受教育程度方面，對(duì)容易受到人工智能替代影響的人群，學(xué)者們進(jìn)行了詳細(xì)分析，盡管很多要素并沒(méi)有清晰的結(jié)論，但受教育程度這方面結(jié)論已經(jīng)非常明顯（段海英等，2018年）[12]，只受過(guò)低等教育的人在人工智能條件下比接受過(guò)高等教育的人更容易被替代（張于喆，2019年）[7]，接受過(guò)高等教育的人可塑性更高、更容易適應(yīng)人工智能帶來(lái)的變化。因?yàn)橥ǔ＝逃潭仍礁?，其接受過(guò)的知識(shí)就越多，擁有的技能水平可能就越高，能夠較快地學(xué)習(xí)和適應(yīng)人工智能所需要的新技術(shù)，能夠減少被淘汰的概率。再者，教育程度較高的人群所從事的職業(yè)相較教育程度較低的人群，需要更高的技能水平與人際交往能力，因此也能夠降低被替代的概率。故教育程度越高，越能抑制替代效應(yīng)的發(fā)生，從而使企業(yè)就業(yè)吸納力保持較好的狀態(tài)。

技能水平，具體指企業(yè)員工所擁有的職稱(chēng)或技能級(jí)別。在技能水平方面，有學(xué)者認(rèn)為人工智能等技術(shù)進(jìn)步會(huì)對(duì)低技能人群產(chǎn)生就業(yè)替代效應(yīng)（惠煒等，2020年）[8]，也有學(xué)者認(rèn)為人工智能對(duì)中等技能人群也會(huì)產(chǎn)生較大的替代效應(yīng)，而高技能群體較中低技能群體來(lái)說(shuō)職業(yè)范圍更廣，替代風(fēng)險(xiǎn)較?。ǘ魏Ｓ⒌?，2018年）[12]。但總體來(lái)說(shuō)，技能水平越高，其工作特點(diǎn)越靈活，越不易被替代;技能水平越低，工作內(nèi)容越常規(guī)，越易被替代。相對(duì)中低技能人群來(lái)說(shuō)，高技能人群更能適應(yīng)人工智能所帶來(lái)的變化。因此，擁有較高的技能水平能夠降低被替代的風(fēng)險(xiǎn)，能抑制企業(yè)低就業(yè)吸納力的發(fā)生。

培訓(xùn)，具體指企業(yè)員工是否接受過(guò)與人工智能相關(guān)的企業(yè)培訓(xùn)。在培訓(xùn)方面，多位學(xué)者指出要加強(qiáng)職業(yè)技能的培訓(xùn)，提高勞動(dòng)者在人工智能條件下適應(yīng)新技能、新崗位的能力從而緩解替代效應(yīng)（程承坪等，2108年;王君等，2107年;謝璐等，2019年）[1][3][5]。培訓(xùn)能使不具有人工智能應(yīng)用所需的技能要求的人具備所需的技能，通過(guò)轉(zhuǎn)崗或重新適應(yīng)新崗位的技能要求來(lái)抑制替代效應(yīng)的發(fā)生。因此，企業(yè)是否對(duì)員工進(jìn)行人工智能相關(guān)業(yè)務(wù)的培訓(xùn)對(duì)保持企業(yè)就業(yè)吸納力具有重要作用。

（二）企業(yè)層面

利潤(rùn)增長(zhǎng)能力，具體指企業(yè)采取人工智能技術(shù)后企業(yè)的利潤(rùn)增長(zhǎng)幅度。多位學(xué)者指出，人工智能技術(shù)的應(yīng)用能使得勞動(dòng)生產(chǎn)率與資本生產(chǎn)率提高、產(chǎn)品成本下降、利潤(rùn)上升，企業(yè)利潤(rùn)的增長(zhǎng)會(huì)促使企業(yè)規(guī)模擴(kuò)大，從而增加就業(yè)，產(chǎn)生創(chuàng)造效應(yīng)，提高就業(yè)吸納力（程承坪等，2018年;王君等，2017年;蔡躍洲等，2019年）[1][3][4]。因此，在應(yīng)用人工智能的條件下，利潤(rùn)增長(zhǎng)能力越強(qiáng)，企業(yè)擴(kuò)大生產(chǎn)規(guī)模的可能性就越大，而擴(kuò)大生產(chǎn)規(guī)模必然要增加就業(yè)崗位，因此，較強(qiáng)的利潤(rùn)增長(zhǎng)能力能夠?qū)蜆I(yè)產(chǎn)生創(chuàng)造效應(yīng)，提高企業(yè)的就業(yè)吸納力。

研發(fā)投入，具體指企業(yè)在人工智能技術(shù)相關(guān)的研發(fā)投入程度。新技術(shù)的研發(fā)和應(yīng)用通常伴隨著新崗位、新部門(mén)的出現(xiàn)（程承坪等，2018年;王君等，2017年）[1][3]，企業(yè)對(duì)新技術(shù)的投入力度越大，可能產(chǎn)生的新的就業(yè)人數(shù)就越多（何勤等，2020年）[6]。如對(duì)人工智能的投入，可能會(huì)使研發(fā)部門(mén)人數(shù)增加、可能會(huì)出現(xiàn)與人工智能相關(guān)的特定崗位或特定部門(mén)。故對(duì)人工智能研發(fā)投入力度越大，越有可能產(chǎn)生創(chuàng)造效應(yīng)。

三、研究設(shè)計(jì)

（一）研究方法

本文選用QCA定性比較研究方法中的fsQCA研究教育程度、技能水平、培訓(xùn)、利潤(rùn)增長(zhǎng)能力以及研發(fā)投入五個(gè)前因條件如何組態(tài)匹配來(lái)影響企業(yè)的就業(yè)吸納力。QCA是一種結(jié)合定性與定量研究的新的研究范式，它使小樣本的定性研究與大樣本的定量研究相容（查爾斯 C·拉金，2019年）[13]。它的一個(gè)非常重要的特點(diǎn)就是能夠分析復(fù)雜的因果關(guān)系，它認(rèn)為一個(gè)結(jié)果的出現(xiàn)可能來(lái)自不同的前因條件或前因條件組合，即具備一種非常重要的組態(tài)思維，從整體的角度進(jìn)行思考，與傳統(tǒng)定量研究?jī)H關(guān)注各變量對(duì)結(jié)果的凈效應(yīng)相比具有優(yōu)勢(shì)（張明等，2019年）[14]。并且，它認(rèn)為導(dǎo)致結(jié)果“成功”或結(jié)果“失敗”的原因并不是對(duì)稱(chēng)的，即導(dǎo)致結(jié)果“成功”的前因條件或前因條件組合的存在，并不意味著其缺失一定會(huì)導(dǎo)致結(jié)果的“失敗”，而這種因果的非對(duì)稱(chēng)性也并不能通過(guò)定量分析得到有效的識(shí)別（查爾斯 C·拉金，2019年）[13]。而QCA的具體方法中，fsQCA（模糊集定性比較分析）相較csQCA（清晰集定性比較分析）與mvQCA（多值集定性比較分析），模糊集可以被視為一個(gè)連續(xù)的變量，能夠更好地反應(yīng)定距變量在集合中的隸屬程度（查爾斯 C·拉金，2019年）[13]。綜合以上分析，本文采用模糊集定性比較分析法，具體使用fsQCA3.0軟件進(jìn)行分析。

（二）研究樣本與數(shù)據(jù)來(lái)源

為研究智能化條件下各因素對(duì)企業(yè)就業(yè)吸納力的影響，本文選取北京市100家已經(jīng)開(kāi)始使用人工智能的企業(yè)，通過(guò)調(diào)查問(wèn)卷的形式獲得各企業(yè)2016年至2018年的相關(guān)數(shù)據(jù)。三年的時(shí)間跨度既能防止因時(shí)間范圍繼續(xù)擴(kuò)大而減少案例數(shù)量造成的“有限多樣性”問(wèn)題，又能比較清晰地看出就業(yè)量的變化，并且其中既包含高就業(yè)吸納力的正向案例，又包含低就業(yè)吸納力的負(fù)向案例，確保結(jié)論的全面性。對(duì)問(wèn)卷進(jìn)行檢查，去除數(shù)據(jù)缺失以及數(shù)據(jù)異常的無(wú)效樣本;去除2018年新成立的企業(yè)，因新成立企業(yè)不涉及就業(yè)變化問(wèn)題。最終，為符合研究問(wèn)題及樣本使用條件，經(jīng)篩選后，本文對(duì)北京市47家已使用人工智能的企業(yè)進(jìn)行QCA分析。

（三）變量的測(cè)量

本文所關(guān)注的結(jié)果變量為企業(yè)的就業(yè)吸納力，所關(guān)注的條件變量為員工層面的教育程度、技能水平、培訓(xùn)以及企業(yè)層面的利潤(rùn)增長(zhǎng)能力以及研發(fā)投入。考慮到人工智能對(duì)就業(yè)影響的長(zhǎng)期性以及“有限多樣性”問(wèn)題，各指標(biāo)均采用企業(yè)近三年的數(shù)據(jù)進(jìn)行測(cè)量。各變量的描述與賦值見(jiàn)表1。

對(duì)于結(jié)果變量。因智能化下企業(yè)的就業(yè)吸納力與人工智能對(duì)就業(yè)的創(chuàng)造效應(yīng)及替代效應(yīng)的相對(duì)大小密切相關(guān)，創(chuàng)造效應(yīng)越大于替代效應(yīng)，企業(yè)的就業(yè)吸納力就越高，而研究者在分析技術(shù)進(jìn)步對(duì)就業(yè)的影響時(shí)，通常以總就業(yè)量的上升或下降來(lái)判斷創(chuàng)造效應(yīng)和替代效應(yīng)的相對(duì)大?。◤堄趩?，2019年）[7]，且就業(yè)增長(zhǎng)率指標(biāo)能夠很好地體現(xiàn)就業(yè)量的增減情況，故本文采用企業(yè)近三年的就業(yè)年均增長(zhǎng)率來(lái)測(cè)量企業(yè)的就業(yè)吸納力，具體使用年均增長(zhǎng)率計(jì)算公式，即：m=nB/A-1

其中，m為年均增長(zhǎng)率，B為最后一年的值，A為第一年的值，n為增長(zhǎng)的次數(shù)。

對(duì)于條件變量。其一，對(duì)教育程度的測(cè)量，參考已有文獻(xiàn)，接受過(guò)高等教育的勞動(dòng)者更不易被人工智能所替代（張于喆，2019年）[7]，且考慮到北京地處全國(guó)教育高地，因此借鑒學(xué)者葉明確等人（2017年）[15]采用企業(yè)不同學(xué)歷層級(jí)員工人數(shù)/企業(yè)總?cè)藬?shù)來(lái)代表受教育程度的測(cè)量方法，并考慮到時(shí)點(diǎn)數(shù)據(jù)的統(tǒng)計(jì)學(xué)計(jì)算原理，采用首末折半法計(jì)算近三年本科及以上學(xué)歷平均人數(shù)占近三年企業(yè)平均總?cè)藬?shù)的比例對(duì)教育程度進(jìn)行賦值。其二，對(duì)技能水平的測(cè)量，參考已有文獻(xiàn)，高技能群體較中低技能群體來(lái)說(shuō)職業(yè)范圍更廣，替代風(fēng)險(xiǎn)較?。ǘ魏Ｓ⒌龋?018年）[12]，因此借鑒學(xué)者葉明確等人（2017年）[15]采用企業(yè)不同技能層級(jí)員工人數(shù)/企業(yè)總?cè)藬?shù)來(lái)代表技能水平的測(cè)量方法，同樣考慮到時(shí)點(diǎn)數(shù)據(jù)的統(tǒng)計(jì)學(xué)計(jì)算原理，采用首末折半法計(jì)算近三年擁有高技能的企業(yè)平均人數(shù)占近三年所有技能水平平均人數(shù)的比例對(duì)技能水平進(jìn)行賦值。其三，對(duì)培訓(xùn)的測(cè)量，本文將培訓(xùn)視為一個(gè)二分變量，以“是”或“否”進(jìn)行表示。其四，對(duì)利潤(rùn)增長(zhǎng)能力的測(cè)量，借鑒學(xué)者李曉華（2013年）[16]用利潤(rùn)增長(zhǎng)率指標(biāo)來(lái)反映企業(yè)的利潤(rùn)增長(zhǎng)情況的做法，本文采用各企業(yè)近三年利潤(rùn)年均增長(zhǎng)率來(lái)進(jìn)行賦值。其五，對(duì)研發(fā)投入的測(cè)量，參考已有研究，研發(fā)力度的衡量方法主要有兩種：研發(fā)費(fèi)用除以總資產(chǎn);研發(fā)費(fèi)用除以營(yíng)業(yè)收入（曹晶等，2018年）[17]，本文采用第二種方法，即用近三年與人工智能相關(guān)的平均研發(fā)費(fèi)用占近三年企業(yè)平均營(yíng)業(yè)總收入的比例進(jìn)行反映，其中，分子分母分別采用首末折半法進(jìn)行計(jì)算。

（四）變量的校準(zhǔn)

本文所采用的研究方法fsQCA是以集合論為基礎(chǔ)的，如何定義每個(gè)案例在不同集合中的隸屬度，這就需要校準(zhǔn)。本文采用的校準(zhǔn)方法為直接校準(zhǔn)法，根據(jù)已有研究，基于研究者實(shí)質(zhì)和理論知識(shí)的校準(zhǔn)最重要的是要確定完全隸屬（0.95）、交叉點(diǎn)（0.5）以及完全不隸屬（0.05）三個(gè)定性錨點(diǎn)，經(jīng)過(guò)校準(zhǔn)之后的集合隸屬度處于0～1之間（查爾斯 C·拉金，2019年）[13]。本文共選擇五個(gè)條件變量，教育程度、技能水平、培訓(xùn)、利潤(rùn)增長(zhǎng)能力以及研發(fā)投入。其中培訓(xùn)為清晰集，其余為模糊集變量。結(jié)果變量為就業(yè)吸納力，為模糊集變量。參考已有的研究，本文對(duì)模糊集變量校準(zhǔn)的三個(gè)定性錨點(diǎn)的確定，采用上四分位數(shù)、上下四分位數(shù)的均值以及下四分位數(shù)來(lái)確定（Fiss， 2011年;程建青等，2019年）[18][19]。對(duì)清晰集變量，完全隸屬賦值為1，完全不隸屬賦值為0。各條件變量與結(jié)果變量的校準(zhǔn)錨點(diǎn)見(jiàn)表2。

四、實(shí)證分析

（一）必要條件分析

在構(gòu)建真值表進(jìn)行組態(tài)分析之前，通常首先進(jìn)行各因素的必要條件分析。對(duì)必要條件的分析是非常重要的，若必要條件存在于真值表中，則可能會(huì)被簡(jiǎn)約解消除（伯努瓦·里豪克斯等， 2017年）[20]，可能會(huì)錯(cuò)過(guò)導(dǎo)致結(jié)果出現(xiàn)的重要條件。通過(guò)表3對(duì)就業(yè)吸納力的必要性檢驗(yàn)結(jié)果可知，各前因條件對(duì)就業(yè)吸納力必要性檢驗(yàn)的一致性均未超過(guò)臨界值0.9，說(shuō)明各前因條件均不構(gòu)成影響結(jié)果的必要條件。這也意味著高就業(yè)吸納力或低就業(yè)吸納力的發(fā)生具有復(fù)雜的因果關(guān)系，需要考慮多種因素的聯(lián)動(dòng)影響。

（二）組態(tài)分析

本文參考已有研究的建議，將一致性閾值設(shè)為0.8（Fiss，2011年）[18]，案例閾值設(shè)為1，并參考伯努瓦·里豪克斯等（2017年）[20]的建議，從模糊集定性比較分析中得出的復(fù)雜解、簡(jiǎn)約解、中間解三類(lèi)解，選擇中間解對(duì)結(jié)果進(jìn)行分析。本文采用Ragin and Fiss （2008年）[21]對(duì)結(jié)果的呈現(xiàn)方式，用黑色實(shí)心圓表示條件存在，用圓叉表示缺失，空格表示條件的存在與消失對(duì)結(jié)果的影響不大;大圓表示核心條件，小圓表示邊緣條件。表4與表5分別展示了產(chǎn)生高就業(yè)吸納力與產(chǎn)生低就業(yè)吸納力的組態(tài)路徑。

1.高就業(yè)吸納力組態(tài)分析

表4呈現(xiàn)了由中間解獲得的產(chǎn)生高就業(yè)吸納力的五種組態(tài)（縱向看）。可以看出，無(wú)論是各組態(tài)（路徑）的一致性還是解的一致性均高于最低標(biāo)準(zhǔn)0.75，五個(gè)組態(tài)的一致性分別為0.754、0.805、0.889、0.956和1.000，解的一致性為0.865。這說(shuō)明在能夠滿足這五種組態(tài)的所有案例中，絕大部分案例都產(chǎn)生了高就業(yè)吸納力，即證明了這五種組態(tài)為產(chǎn)生高就業(yè)吸納力的充分條件。解的覆蓋度為0.483，說(shuō)明這五種組態(tài)解釋了48.3%的產(chǎn)生高就業(yè)吸納力的原因。

為更好地比較產(chǎn)生高就業(yè)吸納力的路徑，本文將產(chǎn)生高就業(yè)吸納力的組態(tài)歸納為以下三種：

（1）抑制—?jiǎng)?chuàng)造協(xié)同型

抑制—?jiǎng)?chuàng)造協(xié)同型主要包括三條路徑：組態(tài)1、組態(tài)2以及組態(tài)3。組態(tài)1表明在缺乏高技能水平的情況下，無(wú)論是否對(duì)員工進(jìn)行培訓(xùn)，只要員工有較高的教育程度，且企業(yè)的利潤(rùn)增長(zhǎng)能力和對(duì)人工智能相關(guān)的研發(fā)投入都較高，就能產(chǎn)生較高的企業(yè)就業(yè)吸納力。具體而言，要產(chǎn)生較高的企業(yè)就業(yè)吸納力，不僅要通過(guò)采用新技術(shù)提升效率，從而實(shí)現(xiàn)成本降低、利潤(rùn)提高，即企業(yè)能夠利用人工智能技術(shù)帶來(lái)新的利潤(rùn)增長(zhǎng)動(dòng)力，帶動(dòng)生產(chǎn)規(guī)模的增長(zhǎng)，還要持續(xù)不斷地進(jìn)行對(duì)人工智能相關(guān)的研發(fā)投入，以支持企業(yè)的利潤(rùn)增長(zhǎng)和新崗位、新部門(mén)的增加。與此同時(shí)，企業(yè)也必須具有高教育程度的人力資本，也即擁有較多的高端人才以匹配企業(yè)快速的利潤(rùn)增長(zhǎng)和高強(qiáng)度的研發(fā)投入，滿足智能化下企業(yè)對(duì)人力資本的需求。該條路徑能夠解釋10.3%的產(chǎn)生高就業(yè)吸納力的案例，且有6.7%的產(chǎn)生高就業(yè)吸納力的案例僅能被這條路徑所解釋。組態(tài)2表明在缺乏企業(yè)較高的利潤(rùn)增長(zhǎng)能力的條件下，只要員工具有較高的教育程度、技能水平以及相應(yīng)的人工智能相關(guān)業(yè)務(wù)技能的培訓(xùn)，且企業(yè)對(duì)人工智能相關(guān)的研發(fā)投入較高，就能產(chǎn)生較高的企業(yè)就業(yè)吸納力。具體而言，如果企業(yè)不能通過(guò)人工智能技術(shù)帶來(lái)新的利潤(rùn)增長(zhǎng)動(dòng)力，難以帶動(dòng)生產(chǎn)規(guī)模的增長(zhǎng)，在這種情況下，企業(yè)必須克服短視行為，持續(xù)不斷地進(jìn)行與人工智能相關(guān)的研發(fā)投入，一方面支持企業(yè)新崗位、新部門(mén)的增加，另一方面為企業(yè)未來(lái)的利潤(rùn)增長(zhǎng)提供動(dòng)力和支撐。與此同時(shí)，企業(yè)必須具有高教育程度、高技能水平的人力資本以匹配企業(yè)高強(qiáng)度的研發(fā)投入，也必須對(duì)員工進(jìn)行相應(yīng)的人工智能相關(guān)業(yè)務(wù)技能的培訓(xùn)，來(lái)滿足智能化下企業(yè)對(duì)人力的需求。該條路徑能夠解釋13.5%的產(chǎn)生高就業(yè)吸納力的案例，且有11.6%的產(chǎn)生高就業(yè)吸納力的案例僅能被這條路徑所解釋。組態(tài)3表明在缺乏高技能水平、高研發(fā)投入的條件下，無(wú)論員工是否具有較高的教育程度，只要對(duì)員工有相應(yīng)的人工智能相關(guān)業(yè)務(wù)技能的培訓(xùn)，且企業(yè)的利潤(rùn)有較大的增長(zhǎng)，就能產(chǎn)生較高的企業(yè)就業(yè)吸納力。具體來(lái)說(shuō)，若企業(yè)缺乏具有高水平技能的人力資本來(lái)適應(yīng)智能化下企業(yè)對(duì)人力的需求，并且企業(yè)僅想通過(guò)使用已有的人工智能技術(shù)而帶來(lái)新的利潤(rùn)增長(zhǎng)點(diǎn)，并不想投入過(guò)多的資本進(jìn)行與人工智能相關(guān)的研發(fā)。在這種情況下，企業(yè)通過(guò)運(yùn)用人工智能技術(shù)必須能夠?qū)嶋H的獲得較高的利潤(rùn)增長(zhǎng)能力，從而有能力擴(kuò)大生產(chǎn)規(guī)模、增加就業(yè)崗位，同時(shí)，也要對(duì)員工進(jìn)行培訓(xùn)，使其迅速具有人工智能所需的技術(shù)能力或有能力從事新的職位，才能維持企業(yè)較高的就業(yè)吸納力。該條路徑能夠解釋15.9%的產(chǎn)生高就業(yè)吸納力的案例，且有13.8%的案例僅能被這條路徑所解釋。以上三條路徑都既包含了在智能化下對(duì)就業(yè)替代效應(yīng)產(chǎn)生抑制作用的因素，也包含了產(chǎn)生創(chuàng)造效應(yīng)的因素，因此將這兩條路徑命名為抑制—?jiǎng)?chuàng)造協(xié)同型。

（2）人力資本推力抑制型

人力資本推力抑制型即組態(tài)4。組態(tài)4表明在缺乏對(duì)員工的培訓(xùn)、企業(yè)較高的利潤(rùn)增長(zhǎng)能力以及較高的對(duì)人工智能相關(guān)的研發(fā)投入時(shí)，無(wú)論員工是否有較高的技能水平，只要員工具有較高的教育程度，就能產(chǎn)生較高的企業(yè)就業(yè)吸納力。具體來(lái)說(shuō)，在少數(shù)情況下，盡管企業(yè)缺乏抑制就業(yè)替代效應(yīng)以及產(chǎn)生就業(yè)創(chuàng)造效應(yīng)的大部分因素，但通過(guò)企業(yè)較高教育程度的人力資本積累來(lái)滿足智能化下企業(yè)人力資本的需求，從而抑制就業(yè)替代效應(yīng)也能夠維持企業(yè)較高的就業(yè)吸納力?？赡艿脑蛟谟?，大部分具有較高教育程度的員工所從事的工作要比具有較低教育程度的員工所從事的工作創(chuàng)造性及靈活性更強(qiáng)，更不易被人工智能所替代，且具有較高教育程度的員工可塑性更高，接收新知識(shí)以及新技能的能力也更高，能更快適應(yīng)新環(huán)境、新崗位，其在工作中所積累的經(jīng)驗(yàn)知識(shí)與新知識(shí)、新技能的融合能夠?yàn)槠髽I(yè)創(chuàng)造更大的價(jià)值，更好滿足智能化下企業(yè)人力資本的需求。故在缺乏其他因素時(shí)，企業(yè)員工層面整體較高的教育程度也能有力支撐企業(yè)較高的就業(yè)吸納力。該條路徑能夠解釋9.6%的產(chǎn)生高就業(yè)吸納力的案例，且有7.9%的案例僅能被這條路徑所解釋。因?yàn)榇寺窂侥軌驅(qū)蜆I(yè)替代效應(yīng)產(chǎn)生抑制作用的員工層面較高的教育程度是產(chǎn)生高就業(yè)吸納力的主要原因，故將此路徑命名為人力資本推力抑制型。

（3）組織環(huán)境拉力創(chuàng)造型

組織環(huán)境拉力創(chuàng)造型即組態(tài)5。組態(tài)5表明在員工缺乏較高的教育程度，企業(yè)對(duì)員工缺乏相應(yīng)的技能培訓(xùn)以及企業(yè)的利潤(rùn)增長(zhǎng)水平較低的條件下，無(wú)論員工是否有較高的技能水平，只要企業(yè)對(duì)人工智能相關(guān)業(yè)務(wù)的研發(fā)投入較高，即研發(fā)投入較高，就能產(chǎn)生較高的企業(yè)就業(yè)吸納力。具體來(lái)說(shuō)，在少數(shù)情況下，盡管企業(yè)缺乏抑制就業(yè)替代效應(yīng)以及產(chǎn)生就業(yè)創(chuàng)造效應(yīng)的大部分因素，但通過(guò)企業(yè)不斷地對(duì)人工智能相關(guān)業(yè)務(wù)進(jìn)行研發(fā)投入，以此來(lái)催生與人工智能相關(guān)的新崗位或新部門(mén)，從而產(chǎn)生大量的人力資本需求，也能夠維持企業(yè)較高的就業(yè)吸納力。其內(nèi)在原因在于，人工智能新技術(shù)在企業(yè)內(nèi)部的采用會(huì)使得企業(yè)原有的崗位或部門(mén)不能有效應(yīng)對(duì)新技術(shù)進(jìn)步為企業(yè)帶來(lái)的變化，需要通過(guò)新崗位或新部門(mén)的設(shè)置來(lái)支撐人工智能新技術(shù)在企業(yè)內(nèi)部的研發(fā)、推廣和應(yīng)用，以有效發(fā)揮人工智能在企業(yè)內(nèi)部的應(yīng)用效能，從而產(chǎn)生大量的人力資本需求。另外，對(duì)人工智能相關(guān)業(yè)務(wù)的研發(fā)投入能有效促進(jìn)產(chǎn)品創(chuàng)新，有效增加社會(huì)需求，進(jìn)而促進(jìn)企業(yè)擴(kuò)大投資，從而產(chǎn)生更多的就業(yè)崗位。故而企業(yè)組織層面較高的研發(fā)投入能有效彌補(bǔ)其他因素的缺失，有力支撐企業(yè)較高的就業(yè)吸納力。該條路徑能夠解釋5.4%的產(chǎn)生高就業(yè)吸納力的案例，且有4.2%的案例僅能被這條路徑所解釋。因?yàn)榇寺窂侥軌驅(qū)蜆I(yè)產(chǎn)生創(chuàng)造效應(yīng)的企業(yè)組織層面較高的研發(fā)投入為產(chǎn)生高就業(yè)吸納力的主要原因，故將此路徑命名為組織環(huán)境拉力創(chuàng)造型。

從以上產(chǎn)生高就業(yè)吸納力的三種類(lèi)型的組態(tài)可看出，抑制—?jiǎng)?chuàng)造協(xié)同型的覆蓋度遠(yuǎn)超過(guò)人力資本推力抑制型或組織環(huán)境拉力創(chuàng)造型，這表明大多數(shù)具有高就業(yè)吸納力的企業(yè)都具有此類(lèi)型的組態(tài)，即抑制—?jiǎng)?chuàng)造協(xié)同型組態(tài)是產(chǎn)生高就業(yè)吸納力的主要原因，更有可能通過(guò)這種方式提高企業(yè)的就業(yè)吸納力。人力資本推力抑制型或組織環(huán)境拉力創(chuàng)造型組態(tài)雖然也能產(chǎn)生較高的就業(yè)吸納力，但比例較少。因此，在考慮提高企業(yè)的就業(yè)吸納力時(shí)，應(yīng)考慮從抑制替代效應(yīng)和產(chǎn)生創(chuàng)造效應(yīng)的兩個(gè)方面的因素入手。

同時(shí)，通過(guò)對(duì)比組態(tài)1與組態(tài)3，可以發(fā)現(xiàn)較高的教育程度、研發(fā)投入與對(duì)員工進(jìn)行培訓(xùn)，對(duì)產(chǎn)生高就業(yè)吸納力有明顯的替代作用。即在企業(yè)具有較高的利潤(rùn)增長(zhǎng)能力但員工缺乏較高的技能水平的條件下，企業(yè)同時(shí)滿足較高的教育程度與較高的研發(fā)投入兩個(gè)條件或只滿足對(duì)員工進(jìn)行培訓(xùn)一個(gè)條件就可引發(fā)高就業(yè)吸納力的發(fā)生。

2.低就業(yè)吸納力組態(tài)分析

為了更好地探尋如何提高企業(yè)的就業(yè)吸納力，本文對(duì)產(chǎn)生低就業(yè)吸納力的組態(tài)進(jìn)行分析。表5呈現(xiàn)了由中間解獲得的產(chǎn)生低就業(yè)吸納力的五種組態(tài)（縱向看）?？梢钥闯?，各組態(tài)的一致性結(jié)果與解的一致性結(jié)果均高于最低標(biāo)準(zhǔn)0.75，表明在能夠滿足這五種組態(tài)的所有案例中，絕大部分案例都產(chǎn)生了低就業(yè)吸納力，即證明這五種組態(tài)為產(chǎn)生低就業(yè)吸納力的充分條件。解的覆蓋度為0.551，表明這五種組態(tài)解釋了55.1%的產(chǎn)生低就業(yè)吸納力的原因。具體如表5所示：

組態(tài)1表明，即使員工有較高的技能水平，無(wú)論是否對(duì)員工進(jìn)行培訓(xùn)，企業(yè)是否有較高的利潤(rùn)增長(zhǎng)能力，但若同時(shí)缺乏員工層面較高的教育程度以及企業(yè)層面較高的研發(fā)投入，就會(huì)導(dǎo)致企業(yè)低就業(yè)吸納力的發(fā)生。該條路徑能夠解釋29.8%的產(chǎn)生低就業(yè)吸納力的案例，且有12.1%的案例僅能被這條路徑所解釋。組態(tài)2表明，即使員工有較高的教育程度且企業(yè)的研發(fā)投入較高，但若同時(shí)缺乏較高的員工技能水平、對(duì)員工的培訓(xùn)以及企業(yè)較高的利潤(rùn)增長(zhǎng)能力，就會(huì)導(dǎo)致企業(yè)低就業(yè)吸納力的發(fā)生。該條路徑能夠解釋5.8%的產(chǎn)生低就業(yè)吸納力的案例，且有4.8%的案例僅能被這條路徑所解釋。組態(tài)3表明，即使員工有較高的技能水平，無(wú)論員工是否有較高的教育程度、是否對(duì)員工進(jìn)行培訓(xùn)，若同時(shí)缺乏較高的利潤(rùn)增長(zhǎng)能力以及較高的研發(fā)投入，即會(huì)導(dǎo)致企業(yè)低就業(yè)吸納力的發(fā)生。該條路徑能夠解釋23.8%的產(chǎn)生低就業(yè)吸納力的案例，且有5.9%的案例僅能被這條路徑所解釋。組態(tài)4表明，即使企業(yè)有較高的利潤(rùn)增長(zhǎng)能力，無(wú)論較高的研發(fā)投入是否存在，若同時(shí)缺乏較高的員工教育程度、技能水平以及對(duì)員工進(jìn)行培訓(xùn)，就會(huì)導(dǎo)致低就業(yè)吸納力的發(fā)生。該條路徑能夠解釋10.7%的產(chǎn)生低就業(yè)吸納力的案例，且有6.8%的案例僅能被這條路徑所解釋。組態(tài)5表明，即使企業(yè)有較高的利潤(rùn)增長(zhǎng)能力，無(wú)論員工是否有較高的教育程度，若同時(shí)缺乏較高的研發(fā)投入、較高的員工技能水平以及對(duì)員工的培訓(xùn)，就會(huì)導(dǎo)致低就業(yè)吸納力的發(fā)生。該條路徑能夠解釋8.2%的產(chǎn)生低就業(yè)吸納力的案例，且有3.8%的案例僅能被這條路徑所解釋。

通過(guò)比較以上五個(gè)組態(tài)可發(fā)現(xiàn)，相較其他組態(tài)，組態(tài)1與組態(tài)3的覆蓋度遠(yuǎn)大于其他組態(tài)，且比較組態(tài)1與組態(tài)3可發(fā)現(xiàn)，兩個(gè)組態(tài)的共同點(diǎn)為具有員工層面的高技能水平但缺乏對(duì)就業(yè)產(chǎn)生創(chuàng)造效應(yīng)的因素，這說(shuō)明僅有高技能水平而缺乏能夠?qū)蜆I(yè)產(chǎn)生創(chuàng)造效應(yīng)的因素，是造成低就業(yè)吸納力的重要原因。同時(shí)，通過(guò)比較組態(tài)4與組態(tài)5，可發(fā)現(xiàn)低教育程度與低研發(fā)投入兩者之間在解釋低就業(yè)吸納力時(shí)存在替代作用，即當(dāng)存在較高的利潤(rùn)增長(zhǎng)能力，但缺乏員工高技能水平和對(duì)員工的培訓(xùn)的條件下，只要缺乏較高的員工教育程度，或缺乏較高的企業(yè)研發(fā)投入，就會(huì)導(dǎo)致低就業(yè)吸納力的發(fā)生。

通過(guò)比較產(chǎn)生高就業(yè)吸納力的五個(gè)組態(tài)以及產(chǎn)生低就業(yè)吸納力的五個(gè)組態(tài)，可以發(fā)現(xiàn)，影響企業(yè)就業(yè)吸納力的原因并不是對(duì)稱(chēng)的，即使高就業(yè)吸納力產(chǎn)生的組態(tài)的對(duì)立面并不一定會(huì)產(chǎn)生低就業(yè)吸納力。同時(shí)，某個(gè)因素的存在或缺失對(duì)就業(yè)吸納力的影響可能也是不對(duì)稱(chēng)的，它可能與一些條件的匹配會(huì)產(chǎn)生高就業(yè)吸納力，與另一些條件的匹配則會(huì)產(chǎn)生低就業(yè)吸納力，這也充分證明了其因果復(fù)雜性。例如，將產(chǎn)生高就業(yè)吸納力的組態(tài)5與產(chǎn)生低就業(yè)吸納力的組態(tài)2進(jìn)行比較，在產(chǎn)生高就業(yè)吸納力的組態(tài)5中，僅有邊緣條件較高的研發(fā)投入存在，就能產(chǎn)生高就業(yè)吸納力;反之，在產(chǎn)生低就業(yè)吸納力的組態(tài)2中，雖然同時(shí)存在核心條件較高的研發(fā)投入以及較高的教育程度，仍然產(chǎn)生了低就業(yè)吸納力。進(jìn)一步分析可發(fā)現(xiàn)，兩個(gè)組態(tài)較大的不同點(diǎn)在于，在產(chǎn)生低就業(yè)吸納力的組態(tài)2中，核心條件較高的技能水平缺失，而在產(chǎn)生高就業(yè)吸納力的組態(tài)5中，較高的技能水平的存在與否不重要，說(shuō)明員工層面較高的技能水平對(duì)高就業(yè)吸納力的產(chǎn)生作用較小，但其缺失對(duì)低就業(yè)吸納力的產(chǎn)生作用較大，是較為關(guān)鍵的因素，這也進(jìn)一步可以說(shuō)明企業(yè)就業(yè)吸納力的因果復(fù)雜性。

五、結(jié)論與啟示

（一）研究結(jié)論

本研究基于北京市47家企業(yè)2016—2018年的調(diào)研數(shù)據(jù)，從微觀企業(yè)視角，運(yùn)用組態(tài)思維及fsQCA方法，整合企業(yè)與員工兩個(gè)層面5個(gè)條件因素，探討了影響企業(yè)智能化條件下的就業(yè)吸納力差異的多重并發(fā)及因果復(fù)雜機(jī)制，得出以下結(jié)論：第一，就業(yè)吸納力具有多重并發(fā)因果關(guān)系，且其影響因素具有不對(duì)稱(chēng)性。即企業(yè)智能化條件下的就業(yè)吸納力的高低可通過(guò)由不同因素組成的多條路徑產(chǎn)生，且導(dǎo)致高就業(yè)吸納力產(chǎn)生的因素的存在并不意味著其缺失就會(huì)導(dǎo)致低就業(yè)吸納力。第二，企業(yè)智能化條件下高就業(yè)吸納力可通過(guò)抑制—?jiǎng)?chuàng)造協(xié)同型、人力資本推力抑制型、組織環(huán)境拉力創(chuàng)造型三種類(lèi)型的組態(tài)產(chǎn)生。具體來(lái)說(shuō)，以高教育程度、高利潤(rùn)增長(zhǎng)能力、高研發(fā)投入為構(gòu)成，以高教育程度、高技能水平、高研發(fā)投入和對(duì)員工培訓(xùn)為構(gòu)成，以及以高利潤(rùn)增長(zhǎng)能力和對(duì)員工進(jìn)行培訓(xùn)為構(gòu)成的抑制—?jiǎng)?chuàng)造協(xié)同型組態(tài)，與以教育程度為主導(dǎo)的人力資本推力抑制型或以研發(fā)投入為主導(dǎo)的組織環(huán)境拉力創(chuàng)造型的單一型組態(tài)是產(chǎn)生高就業(yè)吸納力的重要路徑。第三，抑制—?jiǎng)?chuàng)造協(xié)同型組態(tài)是產(chǎn)生高就業(yè)吸納力的主要原因，相較人力資本推力抑制型與組織環(huán)境拉力創(chuàng)造型更有可能有效提升企業(yè)就業(yè)吸納力。第四，與目前對(duì)人工智能“技能偏向性”的直覺(jué)相反，高技能水平對(duì)產(chǎn)生高就業(yè)吸納力的作用較小，但其缺失對(duì)低就業(yè)吸納力的影響較大。具體來(lái)說(shuō)，產(chǎn)生高就業(yè)吸納力結(jié)果的所有組態(tài)中，高技能水平要么缺失，要么其存在和缺失并不重要，其中僅有一條路徑需要高技能水平的存在，且為邊緣條件;而在產(chǎn)生低就業(yè)吸納力結(jié)果的五種組態(tài)中，有三條路徑均有高技能水平的缺失，故高技能水平對(duì)高就業(yè)吸納力結(jié)果的產(chǎn)生作用并不明顯，但其缺失可能為智能化下導(dǎo)致企業(yè)低就業(yè)吸納力產(chǎn)生的重要條件。第五，低就業(yè)吸納力的驅(qū)動(dòng)路徑分為五條，且在一定條件下低教育程度與低研發(fā)投入存在替代作用。其中，僅有員工高技能水平而同時(shí)缺乏能夠?qū)蜆I(yè)產(chǎn)生創(chuàng)造效應(yīng)的因素的組態(tài)，是產(chǎn)生低就業(yè)吸納力的重要原因。

（二）實(shí)踐啟示

企業(yè)作為吸納勞動(dòng)力的重要組織單元，從企業(yè)的角度研究智能化條件下如何提高企業(yè)的就業(yè)吸納力對(duì)于保障就業(yè)穩(wěn)定具有重要意義。本文的研究結(jié)論對(duì)提高整體企業(yè)就業(yè)吸納力從而保障就業(yè)穩(wěn)定具有如下實(shí)踐啟示：

首先，鼓勵(lì)創(chuàng)造、抑制替代，“兩架馬車(chē)”并駕齊驅(qū)?；诒疚难芯堪l(fā)現(xiàn)的五種產(chǎn)生高就業(yè)吸納力的組態(tài)，抑制—?jiǎng)?chuàng)造協(xié)同型的組態(tài)對(duì)產(chǎn)生企業(yè)智能化下的高就業(yè)吸納力尤為重要，因此在應(yīng)對(duì)人工智能對(duì)就業(yè)造成的影響、保持企業(yè)的高就業(yè)吸納力時(shí)，應(yīng)注意將員工層面能夠?qū)θ斯ぶ悄軐?duì)就業(yè)的替代效應(yīng)產(chǎn)生抑制作用的因素與企業(yè)整體層面能夠?qū)θ斯ぶ悄軐?duì)就業(yè)的創(chuàng)造效應(yīng)產(chǎn)生激發(fā)作用的因素結(jié)合起來(lái)，使其共同發(fā)揮作用。另外，在3種抑制—?jiǎng)?chuàng)造協(xié)同型的組態(tài)中，其中組態(tài)1與組態(tài)3兩種抑制—?jiǎng)?chuàng)造協(xié)同型的組態(tài)，較高的利潤(rùn)增長(zhǎng)能力是不可或缺的因素，這揭示出企業(yè)高就業(yè)吸納力產(chǎn)生的關(guān)鍵點(diǎn)為企業(yè)在采用新技術(shù)后是否能獲得較高的利潤(rùn)增長(zhǎng)，企業(yè)只有自身得到較好的發(fā)展，才有余力吸納更多勞動(dòng)力。因此，無(wú)論企業(yè)還是政府，都應(yīng)充分意識(shí)到促進(jìn)企業(yè)發(fā)展在提高企業(yè)就業(yè)吸納力中的重要性，采取相應(yīng)的措施。

其次，警惕過(guò)度關(guān)注高技能水平人力資本積累，忽視企業(yè)利潤(rùn)增長(zhǎng)和研發(fā)投入。在以往研究中，大部分學(xué)者均認(rèn)為人工智能更傾向于“技術(shù)偏好型”，更加強(qiáng)調(diào)人工智能對(duì)高技能人才的需求，積累更多高技能水平人力資本。但從就業(yè)優(yōu)先、維持企業(yè)高就業(yè)吸納力的角度來(lái)看，智能化條件下員工高技能水平的缺失雖然對(duì)低就業(yè)吸納力的影響較大，是導(dǎo)致企業(yè)低就業(yè)吸納力產(chǎn)生的重要條件，但是，其存在對(duì)企業(yè)高就業(yè)吸納力的產(chǎn)生作用較小。從產(chǎn)生低就業(yè)吸納力的重要路徑組態(tài)1與組態(tài)3可以發(fā)現(xiàn)，僅有較高技能水平的人力資本，缺乏能夠?qū)蜆I(yè)產(chǎn)生創(chuàng)造效應(yīng)的高利潤(rùn)增長(zhǎng)能力、高研發(fā)投入并不能使企業(yè)產(chǎn)生較高的就業(yè)吸納力，因此，在智能化下不能過(guò)度關(guān)注對(duì)高技能水平人力資本的積累，而忽略企業(yè)的利潤(rùn)增長(zhǎng)和研發(fā)投入，這可能是大部分企業(yè)產(chǎn)生低就業(yè)吸納力的原因，需要引起重視。另外，進(jìn)一步比較產(chǎn)生低就業(yè)吸納力的重要路徑組態(tài)1與組態(tài)3也可以發(fā)現(xiàn)，企業(yè)較高的與人工智能相關(guān)的研發(fā)投入的缺失是兩條路徑的共同點(diǎn)，這從側(cè)面反映出許多企業(yè)管理層存在短視行為。Stein（1988年）[22]指出管理層短視即管理者為最大化短期財(cái)務(wù)績(jī)效或股價(jià)來(lái)犧牲企業(yè)長(zhǎng)遠(yuǎn)利益的行為。由于與人工智能相關(guān)的研發(fā)投入不能在短期內(nèi)使企業(yè)迅速收回回報(bào)，管理者為了滿足自身的當(dāng)前利益（如報(bào)酬、聲譽(yù)等），不愿意在與人工智能相關(guān)的研發(fā)方面投入過(guò)高。綜上，企業(yè)應(yīng)順應(yīng)時(shí)代要求，在積累高技能水平人力資本的同時(shí)，注意技能與技術(shù)的適配性，通過(guò)培訓(xùn)、引進(jìn)與人工智能相關(guān)業(yè)務(wù)的專(zhuān)業(yè)人才，提高運(yùn)用新技術(shù)的能力。同時(shí)，克服管理層的短視行為，加大研發(fā)投入力度，促進(jìn)科技成果轉(zhuǎn)化，將企業(yè)做大做強(qiáng)，肩負(fù)企業(yè)的社會(huì)責(zé)任吸納更多就業(yè)。

最后，正確認(rèn)識(shí)企業(yè)吸納就業(yè)的復(fù)雜性。企業(yè)組織作為一個(gè)復(fù)雜的系統(tǒng)，其在智能化條件下高就業(yè)吸納力結(jié)果的形成是由多種因素或條件匹配共同發(fā)揮作用而產(chǎn)生的，不同的因素或條件形成不同的路徑，且企業(yè)高就業(yè)吸納力的發(fā)生具有非對(duì)稱(chēng)性，因此，不應(yīng)通過(guò)經(jīng)驗(yàn)總結(jié)低企業(yè)就業(yè)吸納力的原因推論高企業(yè)就業(yè)吸納力如何產(chǎn)生，應(yīng)把握好不同層次前因條件之間的動(dòng)態(tài)匹配關(guān)系以及核心條件的作用，根據(jù)企業(yè)自身的實(shí)際條件和所處環(huán)境來(lái)選擇適合自己的提高企業(yè)就業(yè)吸納力的路徑。同時(shí)，根據(jù)本文的研究結(jié)論，在選擇提高企業(yè)就業(yè)吸納力的路徑時(shí)，應(yīng)注意聯(lián)動(dòng)匹配智能化條件下企業(yè)組織層面激發(fā)就業(yè)創(chuàng)造效應(yīng)的因素以及企業(yè)員工層面抑制就業(yè)替代效應(yīng)的因素，使其在更大程度上提高企業(yè)就業(yè)吸納力。

[參考文獻(xiàn)]

[1]?程承坪、彭歡：《人工智能影響就業(yè)的機(jī)理及中國(guó)對(duì)策》，《中國(guó)軟科學(xué)》2018年第10期。

[2]?呂榮杰、郝力曉：《人工智能等技術(shù)對(duì)勞動(dòng)力市場(chǎng)的影響效應(yīng)研究》，《工業(yè)技術(shù)經(jīng)濟(jì)》2018年第12期。

[3]?謝璐、韓文龍、陳翥：《人工智能對(duì)就業(yè)的多重效應(yīng)及影響》，《當(dāng)代經(jīng)濟(jì)研究》2019年第9期。

[4]?蔡躍洲、陳楠：《新技術(shù)革命下人工智能與高質(zhì)量增長(zhǎng)、高質(zhì)量就業(yè)》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2019年第5期。

[5]?王君、張于喆、張義博等：《人工智能等新技術(shù)進(jìn)步影響就業(yè)的機(jī)理與對(duì)策》，《宏觀經(jīng)濟(jì)研究》2017年第10期。

[6]?何勤、邱玥：《人工智能的就業(yè)效應(yīng)研究：錦上添花抑或是釜底抽薪？》，《北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》2020年第2期。

[7]?張于喆：《人工智能、機(jī)器人的就業(yè)效應(yīng)及對(duì)策建議》，《科學(xué)管理研究》2019年第1期。

[8]?惠煒、姜偉：《人工智能、勞動(dòng)力就業(yè)與收入分配：回顧與展望》，《北京工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2020年第5期。

[9]?AutorDH：“Why are there still so many jobs？ The history and future of workplace automation”，Journal of Economic Perspectives， 2015.

[10]?李超平、徐世勇：《管理與組織研究常用的60個(gè)理論》，北京大學(xué)出版社2019版。

[11]?MeyerA，Tsui A S，& Hinings C R：“Configurational approaches to organizational analysis”，Academy of Management Journal，1993.

[12]?段海英、郭元元：《人工智能的就業(yè)效應(yīng)述評(píng)》，《經(jīng)濟(jì)體制改革》2018年第3期。

[13]?[美]查爾斯 C.拉金：《重新設(shè)計(jì)社會(huì)科學(xué)研究》，杜運(yùn)周等譯，機(jī)械工業(yè)出版社2019年版。

[14]?張明、杜運(yùn)周：《組織與管理研究中QCA方法的應(yīng)用：定位、策略和方向》，《管理學(xué)報(bào)》2019年第9期。

[15]?葉明確、楊亞娟：《人力資本與中國(guó)高新技術(shù)企業(yè)的創(chuàng)新績(jī)效——基于上海高新技術(shù)企業(yè)問(wèn)卷調(diào)查的實(shí)證分析》，《科技與經(jīng)濟(jì)》2017年第5期。

[16]?李曉華：《中國(guó)制造業(yè)的“成本上漲與利潤(rùn)增長(zhǎng)并存”之謎》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2013年第12期。

[17]?曹晶、楊百寅、王東等：《企業(yè)高管教育程度對(duì)其研發(fā)投入的影響——高管權(quán)力分布和企業(yè)所有制性質(zhì)的調(diào)節(jié)作用》，《技術(shù)經(jīng)濟(jì)》2018年第5期。

[18]?Fiss P C：“Building better causal theories： A fuzzy set approach to typologies in organization research”，Academy ofManagement Journal，2011.

[19]?程建青、羅瑾璉、杜運(yùn)周等：《制度環(huán)境與心理認(rèn)知何時(shí)激活創(chuàng)業(yè)？ ——一個(gè)基于QCA方法的研究》，《科學(xué)學(xué)與科學(xué)技術(shù)管理》2019年第2期。

[20]?[比利時(shí)]伯努瓦·里豪克斯、[美]查爾斯 C.拉金：《QCA設(shè)計(jì)原理與應(yīng)用：超越定性與定量研究的新方法》，杜運(yùn)周，李永發(fā)等譯，機(jī)械工業(yè)出版社2017版。

[21]?RaginC C，and P C Fiss：Net Effects Analysis versus Configurational Analysis：An Empirical Demonstration，in Re-desining Social Inquiry：Fuzzy Set and Beyond，edited by C. C. Ragin，University of Chicago Press，2008，pp.190-212.

[22]?Stein，J.C.“Takeover Threats and Managerial Myopia”，Journal of Political Economy，1988.