第9周行业和学术资讯推送
本周行业资讯
《国家数据局｜〈数字中国发展报告（2025年）〉正式发布》： https://mp.weixin.qq.com/s/l2gE5XS8kw1il24DHfjQCA
《螺旋实验室｜大厂商战，开始给员工砌墙了》： https://mp.weixin.qq.com/s/JrLjCjbDPV8QZrjPsW5PrA
《凤凰网｜监控、计时器、举报文化，一个低薪打工人的9年》： https://mp.weixin.qq.com/s/SRlbHmB6SxLiVnsrkLMifQ
《南方人物周刊｜一个大厂的边缘人写了一本被裁员指南》： https://mp.weixin.qq.com/s/wubkwSBc8PKMW9OBOSVyVA
《张江研究院｜人工智能对劳动力市场影响仍不及1910年代、1940-1950年代》： https://mp.weixin.qq.com/s/w2lGmKUAAY1gb6FETsju-Q
特别推荐
- 《商业访谈录｜对罗福莉3.5小时访谈：AI范式已然巨变》： https://www.xiaoyuzhoufm.com/episode/69eae15a1e94ae692107cc50
本周学术资讯
Jowsey, T., Braun, V., Clarke, V., Lupton, D., & Fine, M. (2025). We reject the use of generative artificial intelligence for reflexive qualitative research. Qualitative Inquiry. https://doi.org/10.1177/10778004251401851
导读生成式AI真的能替代人类做反思性质性研究吗？这篇论文围绕反思性主题分析、现象学、民族志和话语分析等“大Q质性研究”展开论证。研究认为，反思性质性研究的核心不是把文本分类或提炼主题，而是由有位置、有经验、有伦理责任的人类研究者，在反复阅读、解释和自我反思中进行意义建构。生成式AI虽然可以产出看似像主题分析的文字，但它并不理解语言、社会关系和被研究者经验的意义，因此不能真正完成反思性分析，甚至可能复制主流话语、压低边缘声音。
Friebel, G., Huang, Y., Li, J., Shukla, S., & Zhang, A. (2026). Pyramids, diamonds, and oscillations: AI and the structure of internal labor markets [Working paper]. SSRN. https://ssrn.com/abstract=6570519
导读AI会让企业组织从传统金字塔变成中间鼓起的钻石形吗？这篇论文建立了一个动态内部劳动力市场模型，把企业分为首席执行官、初级员工和高级员工，并让初级员工在工作中学习、未来有机会晋升为高级员工，从而分析AI冲击如何改变企业的人才结构。研究发现，如果AI主要提高员工生产率，无论提高的是高级员工还是初级员工的产出效率，企业长期的层级结构并不会根本改变，金字塔仍然是金字塔。但在短期内，企业会因为现有高级员工存量足够而冻结或减少初级招聘，使组织暂时看起来更像钻石。真正会永久改变组织结构的是“学习冲击”：如果AI让初级员工更快成长为高级员工，企业长期就不需要那么大的初级员工池，底部岗位会收缩，组织可能稳定转向钻石形。
Kecht, V., Lizzeri, A., & Saidi, F. (2026). Aging at the very top (NBER Working Paper No. 35089). National Bureau of Economic Research. https://doi.org/10.3386/w35089
导读为什么今天的企业越来越倾向于任命年龄更大的CEO？这篇论文利用 BoardEx、LinkedIn 和 Revelio Labs 等职业履历数据，追踪美国和欧洲企业CEO的任命年龄、职业路径、外部经验、内部经验和跨行业流动，识别企业对通才型人力资本需求的上升。研究发现，美国CEO不仅在任年龄变高，被任命时的年龄也明显上升，而这一趋势主要不是因为任期变长、人口老龄化或教育年限增加，而是因为候选人在成为CEO之前经历了更长、更复杂、更多元的外部职业路径。论文进一步发现，当企业所处行业更不确定、业务和地域结构更复杂时，企业更重视具有跨企业、跨岗位、跨行业经验的通才型管理者。如果本地更容易获得战略咨询资源，企业对年长CEO的依赖会有所下降，因为咨询经验可以部分替代漫长职业路径所积累的通才能力。
Sarkar, S. K. (2026). AI agents and higher-order work [Working paper]. SSRN. https://doi.org/10.2139/ssrn.5713646
导读当AI从“辅助写代码”变成可以被委派任务的代理时，知识工作会发生什么变化？这篇论文使用 Cursor 编程平台上的专业用户数据，分析AI Agent发布前后的工具使用、消息意图、代码接受率和企业代码合并情况，并估计其对软件产出的影响。研究发现，AI Agent正在把软件工作从手动实施转向监督和委派。用户不只是让工具补全几行代码，而是向Agent交代任务、要求解释上下文、制定计划，再检查和接受生成结果。Agent尤其适合产出更容易验证的工作，因此设计师、产品经理和咨询类企业中的使用更积极。它也更有利于经验丰富的员工，因为资深员工更懂业务背景，更会把任务说清楚，也更善于通过计划来对齐代理输出。
Xu, J., Li, G., & Jiang, J. Y. (2025). AI self-preferencing in algorithmic hiring: Empirical evidence and insights [Working paper]. SSRN. https://doi.org/10.2139/ssrn.5417394
导读如果求职者和招聘方都使用LLM，算法招聘会不会偏爱“自己写出来的简历”？这篇论文使用真实人类简历数据构造大规模简历对应实验，保留候选人的教育、经历和技能信息不变，只让不同大语言模型改写简历摘要，再让这些模型作为评估者来挑选简历。研究发现，多数主流LLM在筛选简历时会系统性偏爱自己生成的版本，而不是人类写的版本或其他模型生成的版本。即使控制摘要清晰度、流畅性、连贯性和整体质量后，这种偏好仍然存在。论文进一步模拟真实招聘流程，发现如果求职者使用的模型恰好与招聘方评估模型相同，他们即便资历相同，也更容易进入候选名单。尤其在销售、会计和金融等商业岗位中，这种优势更明显。