原创 郭瑞东 集智俱乐部

导语

在现代职场中，我们经常遇到一些看似无关却又彼此呼应的现象：同样是专业技能，为什么编程与电器维修会带来如此不同的收入？为什么相似起点的职业人，有的能不断晋升，有的却始终徘徊不前？在AI浪潮下，哪些技能最具韧性？不同性别、不同种族间为什么存在结构性的收入差距？在这些问题背后，是否存在某种统一的解释框架？

近期发表在《自然·人类行为》杂志上的一项开创性研究，为这些问题提供了系统性答案。研究团队分析了2007至2020年间的7000万份职业轨迹数据，发现了一个此前被忽视的关键现象：职场技能并非随机分布，而是遵循着特定的嵌套结构（Nested Structure）——它决定了谁能在职场中占据高地，谁又可能被时代甩在身后。

关键词：嵌套结构，劳动力市场

郭瑞东｜作者

张江｜审校

论文题目：Skill dependencies uncover nested human capital

论文地址：https://www.nature.com/articles/s41562-024-02093-2

嵌套结构：起源于生态学的概念

嵌套结构（Nested Structure）是生态学家在研究物种互动网络时发现的一种特殊模式。生态学家观察到，在一个花园中，有些昆虫只为特定的植物传粉，而另一些昆虫则为多种植物传粉。举个例子，如图2所示，蝴蝶A只为玫瑰花传粉，蜜蜂B为玫瑰花、向日葵和郁金香传粉，小蜂C为玫瑰花、向日葵、郁金香和菊花传粉，小蜂C包括了蜜蜂B的传粉对象，蜜蜂B包括了蝴蝶A的传粉对象。这种物种间的互动模式，就称为嵌套结构：专一性物种（如蝴蝶A）的互动对象包含在通用性物种（如小峰C）的互动对象中。

图2 植物-传粉者互动网络示意图

图3展示了网络中不同的结构类型，非嵌套结构和嵌套结构。在图的下半部分，我们看到的是一种“嵌套结构”。刚刚提到的植物-传粉者互动网络就是一个例子，右侧的矩阵清晰地表现了这种层层包含、逐步扩展的关系。相比之下，图的上半部分展示的是“非嵌套结构”。在这种情况下，不同的传粉者各自访问特定的植物，彼此之间的重叠很少，网络结构较为分散。对应的右侧矩阵也显示出没有明显的规律性和包含关系。通过这样的对比，我们可以直观地理解生态网络中不同结构的特点，以及它们对生态系统稳定性和多样性的潜在影响。

图3 二分网络中非嵌套（上）和嵌套（下）结构示例图

如果一个生态系统具有嵌套结构，会提升系统的稳定性，保证群落在受到严重外界冲击时，仍能够保持相对稳定的物种多样性。经济学、城市科学等领域的研究中，也借鉴了生态学中的嵌套结构概念，依据产业-技术网络、技能-职业网络、城市-产业网络等来研究系统的结构和功能关系。

劳动力市场中的嵌套结构

在劳动力市场中，技能-职业构成了一个互动网络。这篇研究收集了O*NET（提供美国经济中1000多职业的描述和技能要求）、OEWS（提供各职业在国家/地区层面的工资和就业数据）以及简历数据（提供从2007年至2020年2000万份匿名简历，包含7000万条职业轨迹），绘制了技能-职业矩阵，如图4所示。直观来看，技能职业网络具有嵌套结构，但并非像图3中下半部分所示的理想的完全嵌套结构。

图4 技能-职业矩阵

技能发展的方向性

在分析技能-职业矩阵之前，先来探讨一个在研究中重要但常被忽视的点：技能发展的方向性，也就是依赖关系。正是这种依赖关系，随着经济的复杂性和专业化的增长，这个矩阵的结构变得越来越嵌套。

在许多职业中，一个人必须先学习基本技能，然后才能深入他们的职业。计算机程序员需要扎实的基础数学；护士必须获得临床经验和专业培训才能成为执业护士；谈判者的说服能力取决于扎实的口头表达和积极倾听的技巧。利用简历数据，通过比较技能A相对技能B、技能B相对技能A的条件概率，来获得依赖关系，例如在具有数学技能的人群中发现会编程的人概率是3/7，而在会编程的人中发现具有数学技能的人概率是3/4，所以推断出一个依赖关系：数学→ 编程。

研究中，基于上述条件概率，将职场中用到的技能分为了三种：

通用技能：31种，包括英语、口头表达、批判性思维、写作等。大多数职业需要高度熟练地掌握这些技能，如图5c所示；

中级技能：43种，包括数学、谈判、法律、市场营销等。大多数职业都需要，但不要求有很高的熟练度，如图5b所示；

高级技能：46种，包括编程、物理、化学、动态适应性等。大多数职业几乎不需要或者根本不需要熟练掌握这些技能，只有少数职业需要高级水平，如图5a所示。

图5 三层技能水平与分布特点

然后我们可以根据这三种技能分类，挖掘出依赖关系，从图6中可以直观看出：一个技能连出去的线越多，它越通用。反之，一个技能一个技能被连上的线越多，则说明其越依赖其他通用技能，比如编程技能需要计算机使用、数学、系统分析等技能。这也意味着高级技能往往有一个技能搭建过程。

图6 技能依赖关系的可视化

从技能的嵌套度评估职业发展

现在了解了技能的三种分类之后，我们该如何通过技能的嵌套度来判断职业的发展潜力呢？从技能通用性来看，技能的嵌套度越高，技能的通用性越强，两者有明显的正相关关系，如图7a所示；从替代风险来看，具有嵌套结构的高级技能更难被以AI为代表的自动化技术所取代，例如编程、艺术等，而计算机使用、判断与决策的技能被替代风险相对更大，这也为预测一个技能的未来需求提供了依据，如图7b所示；从工资溢价来看，具有嵌套结构的技能溢价更好，这可能是因为这些技能需要更长的教育时间培养，或者因为它们更难以被替代，如图7c和7d所示。

图7 技能的嵌套程度与通用性，自动化取代风险及对工资的贡献

正如捕食者依赖猎物，猎物又依赖植被，而植被又需要微生物和真菌分解岩石形成的土壤，技能发展也如发生在生态系统中那样分层展开。这意味着个体在职业生涯初期需要先掌握通用技能，然后逐步获取中级技能，最后在特定领域发展出高级技能。这意味着在大学阶段及职场新手期，不必过度追求当前最流行的技术，而是要将精力投入通用技能的提升上。当前对通用技能所带来的优势，存在低估。

从技能的嵌套度看

职业生涯、种族和性别间的差异

30岁后，为什么有人会在职场一飞冲天，有人停滞不前？这背后和个人技能有什么关联？图8a指出，通用技能在职业生涯的不同阶段，先降后升，30岁时最低，之后逐渐升高。图8b-c对比了在职业生涯的不同阶段对嵌套技能和非嵌套技能的不同要求，对于非嵌套技能，在职业生涯的各个阶段对技能的要求水平几乎没有变化，而对于嵌套技能，随着成为职场资深玩家，对技能的水平要求持续上升。30岁前没爬上“技能金字塔”，掌握足够通用且嵌套程度高的技能那些的人，会被甩下车，或只能从事非嵌套的，没有工资溢价的职位。

图8 职业生涯不同阶段对通用、嵌套、非嵌套技能的要求水平

图8对比了美国不同种族的求职者中技能的通用性，嵌套程度，教育水平以及工资上的差异，通过比较不同种族/民族和性别群体的技能、教育和工资差异，揭示了嵌套结构在解释社会不平等、技能陷阱和长期工资惩罚方面的重要作用；

技能间的差异，在种族和性别间同样存在。在通用技能、嵌套技能、非嵌套技能、教育水平、工资水平5个方面进行对比，在图9a-e中，分别比较了种族间（亚裔、黑人、西班牙裔/拉丁裔和白人）的差异，黑人和西班牙裔/拉丁裔明显更落后。图9f-j中，分别比较了在种族内男女性别的差异，明显女性的技能优势常常弱于男性。说明技能的嵌套度在解释社会不平等、技能陷阱和长期工资惩罚方面有重要作用。

图9 不同嵌套度的技能、教育水平、工资水平在不同种族和性别间的差异

技能的嵌套结构不断增强

现代经济在不断发展，职业、技能都在变化之中。图10展示了2005年和2019年技能结构的演变，通用技能比高级技能变化更多，技能的嵌套结构更明显，非嵌套技能逐步消失。这表明工作两极分化可能会加剧，因为更长、更深入和更复杂的先决条件（技能培训）可能会阻碍新来者进入高薪岗位。那些无法获得通用技能教育的人在进入高薪职业道路方面面临障碍。技能越专业化和嵌套化，整个劳动力市场的不平等和差异就越多，这意味着可能需要政策干预，以避免就业市场不平等和两极分化加剧。

图10 不同年份（2005vs2019）间不同嵌套度技能的演变

研究技能-职业嵌套结构带来的启发

传统的劳动力市场研究多以岗位、工资或种族为分类标准，较少关注求职者的技能。事实上，技能间彼此关联，现代经济对专业化技能的需求不断增长，高收入技能往往需要一系列先决条件。职场的嵌套结构影响着个人发展和社会分层，早期技能选择决定了后续机会，近些年来更深的嵌套结构对个人职业道路施加了更大的限制，放大了差距，并具有宏观经济影响，影响了整个系统的韧性和稳定性，使得系统的稳定运行依赖于越来越少的一部分人。

对个人而言，研究建议应重视基础技能（如沟通、逻辑、数学），为后续获取高嵌套度技能打好基础。急于追逐热门技能或忽视基础教育，可能会限制职业发展。快速再培训和大学取消基础课程可能带来意想不到的负面后果。

此外，AI的发展可能让新人难以通过实践掌握基础技能，也可能压缩高嵌套技能的学习路径。这既是机遇，也是挑战：如果我们把这些基本技能外包出去，我们会不会变得无法学习更高级的技能？

不过，由于该研究是基于美国2007-2020年求职者的简历，来衡量技能的通用程度和嵌套结构，而美国21世纪的经济多为服务业主导，制造业占比低于中国且呈现下降趋势。该研究中得出的结论，是否是针对服务业而不适用于制造业占主导的中国职场？中西方的文化差异，例如风险偏好上的不同，会不会影响技能的嵌套结构和工资溢价？这些问题，都需要进一步的研究来给予解答。

本文为科普中国·星空计划扶持作品

作者：郭瑞东

审核：张江 北京师范大学系统科学学院教授

出品：中国科协科普部

监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司

「AI时代的学习：共探学习的复杂性」主题读书会

在技术浪潮的冲击下，智能时代对人才培养的需求正发生根本性转变——学习已不再局限于简单的知识传递与记忆，当机器能够替代程式化技能，人类的创造力、批判性思维与跨界协作能力将成为核心竞争力；当知识更新周期以月甚至天为单位迭代，教育的使命不再是填鸭式灌输，而是培养终身学习者的自适应能力。

在此背景下，集智俱乐部联合江南大学教授王志军，北京师范大学教授崔光佐，翼鸥教育创始人宋军波，TalkingBrain 联合创始人林思恩，清华大学讲师方可，北京师范大学博士后郭玉娟，共同发起。希望通过汇聚教育学、系统科学、脑科学、计算机科学、社会学等多领域交叉视角，突破单一学科的局限，对人类社会未来学习发展形成更加全面深入的认识。

原标题：《AI来袭，专业怎么选？一项超大规模职业轨迹研究给你答案》

阅读原文