2025年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-.docxVIP

1

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

2

近年来，以大语言模型（LLM）为代表的人工智能（AI）技术快速发展，深刻改变了劳动力市场的任务结构与技能需求，重塑了求职者的教育认知与职业选择。在中国劳动力市场上结构性矛盾日益突出的背景下，AI技术进步能否带来新契机还是挑战？在AI时代，求职者更可能找到与自身能力、教育水平、专业方向更契合的就业岗位，还是更易陷入“错配”的困境？北京大学国家发展研究院与智联招聘联合，基于2021年1月至2025年7月的超过162万条智联招聘平台的“岗位-求职者”匹配数据，撰写《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》，深入探讨AI时代劳动力市场的求职质量变化。

【核心发现】

一、劳动力市场求职错配的变化趋势

l从求职中的教育和专业错配角度来看，中国劳动力市场结构性矛盾近年来存在加剧趋势。

l在较可能达成“雇佣”结果的线上简历投递中，近六成的求职者匹配了低学历要求的岗位，即存在“纵向错配”现象，近45%的大专及以上求职者匹配了专业不对口的岗位，即存在“横向错配”现象。

l错配程度在不同类型求职者中存在差异。纵向错配方面，高中学历和本科及以上学历的求职者，16-24岁青年群体和45岁及以上中老年群体是纵向错配的高发群体；横向错配方面，大专学历求职者，门槛较低的职业、服务导向型行业的错配程度普遍较高。

3

二、AI-LLM技术对劳动力市场求职错配的影响

l在出现ChatGPT为代表的人工智能大语言模型技术冲击后，人工智能大语言模型暴露度高的职业纵向错配发生概率明显缩小，但对横向错配的程度没有明显的改变。

l随着人工智能大语言模型技术的应用，高暴露度的职业通过不断提升的技能复杂度与学历门槛，同时提供更为精准的职业需求信号，这些因素或可解释人工智能大语言模型技术发展对劳动力市场纵向错配比例的减少作用。

4

【报告正文】

一、劳动力市场求职错配的定义与趋势

（一）错配的定义

求职过程中的错配是衡量劳动力市场结构性矛盾的重要指标，用以反映求职者所受教育与工作岗位要求不匹配这一现象，具体可以分为基于学历的“纵向错配”和基于专业的“横向错配”。课题组采用线上招聘求职者投递和用人单位回复的信息，结合国内外前沿方法，对中国劳动力市场上的“纵向错配”与“横向错配”进行测算。此前，为了单独说明求职者投递的行为，我们首先结合线上求职流程从投递行为的角度出发，定义了“向下投递”与“跨专业投递”。

“向下投递”是指求职者学历高于申请岗位学历要求的投递1。课题组将学历划分为五个层级：1级为不限学历或初中及以下；高中、中专、中技为2级；大专为3级；本科为4级；研究生（包含硕士、博士）为5级。根据劳动者所受教育与工作岗位要求学历层级的相对关系判断是否为“向下投递”。

“跨专业投递”是指求职者所学专业与职位所要求专业匹配的投递。其识别依赖于如何构建求职者所学专业与职位所需专业之间的匹配关系，课题组将国际上权威的“CIP-SOC”对照表（即专业-职业的匹配表）进行了适合中国劳动力市场语境的本土化处理，并以此为依据进行专业-职业匹配度的识别。考虑到高中及以下学历的求职者无明确的专业之分，大专及以上的求职者专业性较强，因此在研究“跨专业投递”时将求职者的学历层级限定在大专及以上的求职者。

1投递指申请人在线上招聘平台上向特定岗位提交求职意向所形成的“申请人-岗位”匹配行为，每一对唯一的申请人和岗位匹配构成一次投递。

5

相比投递行为聚焦求职者的行为，劳动力市场的匹配结果则关注供需双方的意向。课题组采用了线上招聘平台对求职者回复的信息，构建反映招聘双方意愿的“正向回复”指标，该指标可在一定程度反映入职匹配的情况。基于此，我们将“纵向错配”定义为有正向回复的“向下投递”，“横向错配”为有正向回复的“跨专业投递”。

（二）对错配时间趋势的判断

图1呈现了投递行为（左图）与求职错配的年度变化趋势（右图）。从线上招聘市场的供给端（投递者）来看，约有40-45%的投递为“向下投递”；有40%大专及以上求职者的投递为“跨专业投递”；“向下投递”和“跨专业投递”在2021年至2025年间没有明显的变化。然而，考虑到需求侧的市场反馈之后，我们发现在这一时间段内两种错配的比例均明显呈上升趋势，“纵向错配”比例从52.0%增长到64.9%，“横向错配”比例从40.7%增长到49.3%。

图1：投递行为和劳动力市场错配时间趋势

数据来源：智联招聘

6

不断增长的纵向错配比例可能说明部分求职者处于“学历过剩”的困境，抑制了其学历优势的充分发挥，加剧了人力资源的浪费，导致该群体求职满意度的降低。不断增长的横向错配