三位专家表示，自动化和数字化日益要求工人具备特定任务所需的专业知识。
技术进步也正导致工资不平等加剧，因为专业化工作的工资溢价不断上升。
自动化未必只是替代工人，也可能增强某些工作对特定工人的需求。
工资不平等与财富不平等一样都在加剧。人们普遍认为，这一加剧部分归因于技术进步。然而，现代技术应用影响不平等的确切机制仍有争议。Katz和Murphy（1982）提出了一种广为流传的观点：通过向教育赋予较大的溢价，“技能偏向型技术变革”（SBTC）经由纵向技能积累推高了工资不平等。不过，此前几轮技术改进并未产生同样的效果，这促使研究人员探究最近几轮技术变革有何独特之处。最新研究表明，溢价与其说与技能本身相关，不如说与各职业的任务内容相关。某些任务，特别是非常规任务，需求旺盛并获得额外溢价，这一观点被称为“常规任务偏向型技术变革”。技能偏向型技术变革意味着新技术与高技能工人相互补充，而“常规偏向型技术变革”（RBTC）则意味着新技术减少了对传统常规任务工人的需求，同时为新的复杂任务创造了额外需求。
我们将这些观点further推进一步，认为自动化和数字化等现代技术日益需要具备自动化系统专业知识（涉及特定算法、软件和机器）的人类操作员。由此带来的专业知识需求增长，促成了一种工人专业化形式，其重要性日益超越任务的高技能含量或其常规强度所需的程度。这一观点意味着，工资差异不仅源于纵向专业化（总体上知识水平更高），也源于横向专业化（专门针对任务的知识，无论该任务是常规还是复杂的）。其潜在机制依赖于工人与企业/任务之间正向匹配性的概念：当采用该技术的企业雇用精通该技术的工人时，匹配剩余最高。若如此，专业工人的工资因租金分享原理而上涨，工资离散度也随之扩大（另见Benzell和Yifan Ye 2021，了解自动化对工资不平等的影响）。
为检验这一论点，我们利用了意大利产业关系体系中全部合同的一套高质量保密行政数据集。相较于工人和企业调查，此类数据的特殊意义在于，它记录了全部工人合同中的实际工资。为衡量技术应用情况，我们使用了国际机器人联合会（IFR）的数据，并构建了一个份额偏移工具变量，该变量根据各部门就业份额，将IFR机器人存量在增加值上的部门变化分配至本地经济体。
基本假设是，自动化提高了匹配性，进而提高了专业化程度，并借此提高了专业工人的工资溢价和工资离散度。我们通过设计两阶段计量经济策略来检验这一假设。第一阶段衡量工资在多大程度上取决于匹配性，采用并改进了近期的计量经济方法（具体为Bonhomme等人2019年的有限混合方法），旨在精确识别工资并将其分解为工人成分、企业成分，以及由另外两个成分交互作用构成的第三项，后者用于捕捉两者之间的互补性。
识别依赖于更换雇主的工人：正是同一工人跨企业流动，使研究人员得以识别企业溢价。换言之，只要企业通过至少一名流动工人“相互关联”，就可以根据其工资溢价对其进行排序。流动工人的比例往往过小，难以进行恰当的识别。有限混合方法通过预分组程序克服了这一障碍，即将相似企业归入同一组，工人在各组之间流动。在我们计量经济策略的第二阶段，我们使用工具变量方法，研究机器人应用对工人与企业之间估计互补性（“分选”）的影响。
在描述我们的研究发现时，有必要从一些事实出发，这些事实来自对企业间与企业内离散度进行的简单统计工资方差分解，我们在计量分析之前即进行了这一分解。该分解（见图1）表明，企业间成分占主导地位，这似乎暗示工资离散主要由企业特征差异所解释。然而，上文所述有限混合方法的方差分析呈现出不同的图景（见图2）：企业估计特征的差异对工资离散的解释力大大减弱，工人估计贡献占主导地位，而企业与工人特征之间互补性的贡献与企业特征的贡献同样重要。
图1 企业内与企业间工资方差分解
图2 工资方差分解：有限混合模型
在计量方法的第二阶段，我们将估计的互补性与机器人应用指标相联系，发现后者对前者存在显著且稳健的正向因果关系，该结论在一系列稳健性检验中均成立：自动化提高了工人与企业的分选程度，而分选程度的提高又推动了工资离散度的扩大（另见Steibale等人2020年关于机器人对分布顶端企业作用的研究）。我们还通过构建工人隔离指数进一步佐证了结果，该指数衡量相似工人在相似职业中的集中程度，并发现隔离程度同样受到自动化的正向影响。
我们表明，相关证据可以用一类模型加以解释，该类模型具有双边异质性、在职搜寻、租金分享和员工挖角等特征，其中工人会持续寻找与自身互补性强于现任雇主的企业。在此框架下，自动化的影响可以理解为：强化了工人专业技能与企业特定任务之间的互补性，并不成比例地提高了具有更佳特征工人的内生搜寻强度（这类工人最有可能从更匹配的雇主处获益）。更强的互补性以及优质工人更高的搜寻强度，扩大了工资离散度，且如数据所示，企业间与企业内离散度均发挥了重要作用。
总之，我们的研究表明，自动化和数字化未必只是以资本替代工人，还可能增强工人任务之间的互补性，从而加剧工资分布在企业间的离散程度。该机制所带来的福利后果及增长前景仍是一个悬而未决的问题。
参考文献
Bonhomme, S, T Lamadon和E Manresa（2019），“A distributional framework for matched employer employee data”，Econometrica 87(3)：699-739。
Benzell, S和V Yifan Ye（2021），“Simulating the future of global automation, its consequences, and evaluating policy options”，VoxEU.org，10月12日。
Cahuc, P, F Postel‐Vinay和J M Robin（2006），“Wage bargaining with on‐the‐job search: Theory and evidence”，Econometrica 74(2)：323-364。
Cortes, G M, A Lerche, U Schonberg和J Tschopp（2021），“Technological change, firm heterogeneity and wage inequality”，mimeo。
Faia, E, G Ottaviano和S Spinella（2022），“Robot Adoption, Worker-Firm Sorting and Wage Inequality: Evidence from Administrative Panel Data”，CEPR讨论论文第17451号。
Katz, L F和K M Murphy（1992），"Changes in relative wages, 1963–1987: supply and demand factors"，The Quarterly Journal of Economics 107(1)：35-78。
Song, J, D J Price, F Guvenen, N Bloom和T von Wachter（2019），"Firming up inequality”， The Quarterly Journal of Economics 134(1)：1-50。
Steibale, J, J Südekum和N Woessner（2020），“Robots and the Rise of European superstar manufacturers”，VoxEU.org，7月30日。
