人工智能与中国农业部门城市就业：跨技能层次的就业创造条件分析

这篇研究通过2010-2019年中国31个省份的面板数据，创新性分析了人工智能（AI）对中国农业部门城市就业的双重影响，提出敏感性系数（sensitivity coefficient b）作为AI从替代就业转向创造就业的关键阈值。研究发现：AI资本每增加1%，低、中、高技能劳动力就业分别减少0.205%、0.147%和0.809%，但研究生学历的高技能劳动力就业反而增长0.138%。机制检验表明，AI通过降低敏感性系数（中介效应占比42.91%）促进高技能就业，建议通过渐进式AI部署和针对性再培训平衡不同技能群体的就业影响。

　　

Highlight

理论框架

本研究假设人工智能（AI）对中国农业部门就业同时存在替代效应和创造效应：替代效应主要作用于中低技能劳动力，而创造效应需满足严格阈值条件（敏感性系数b趋近于零时）才会在高技能群体中显现。

技能分层结果

表2第(1)列显示，AI资本每增加1%，农业劳动力就业整体下降0.177%（p<0.01），其中低、中、高技能群体分别减少0.205%、0.147%和0.809%。但细分教育水平后发现，研究生学历的高技能劳动力就业逆势增长0.138%，印证了"创造效应"的存在。

机制检验结果

表8揭示AI通过显著降低敏感性系数b（每1%机器人资本投入减少17.52个单位，p<0.01）间接促进高技能就业，中介效应占比达42.91%。这一发现为AI就业效应的非线性特征提供了实证支持。

结论与启示

中国农业领域AI的就业创造效应需满足两大条件：(1) 劳动力技能结构升级至研究生水平；(2) 敏感性系数b突破临界阈值。建议采用渐进式AI推广策略，并配套专项技能再培训计划以缓解中低技能群体的就业冲击。