当机械臂完成毫秒级焊接、智能排程系统指挥千辆港口物流车、大模型自动生成代码，劳动世界正在经历一场比蒸汽机、流水线更为深刻的整体转型。

今年4月25日，习近平总书记在主持二十届中共中央政治局第二十次集体学习时强调：“以人工智能引领科研范式变革，加速各领域科技创新突破。”近年来，在移动互联网、大数据、超级计算等新理论新技术的驱动下，人工智能加速发展，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。国务院《关于深入实施“人工智能＋”行动的意见》提出“创造更加智能的工作方式”，其本质并非简单的技术升级，而是对传统科层制劳动组织和团体型劳动协作的系统迭代。人工智能如同“认知伙伴”，嵌入决策、执行、反馈全流程。它把原本由单位制组织承担的信息收集、方案生成、质量检验、风险预判等功能内化为劳动者个体工作界面的一部分，“人机协同”使劳动行为具备脱离组织协作独立发展的可能。这一变化反映出劳动形态在智能时代的变革，改变的不仅是工具，更是劳动能力的构成方式以及获得赋能的技术路径，由此可以展开一种全新的制度想象--以“人工智能＋劳动行为”为基础，重构劳动权益清单与保障机制。

解构传统：人工智能改造传统劳动能力

工业时代劳动制度的核心是“用人单位-劳动者”捆绑关系。劳动者进入工厂等科层制组织，以岗位为锚点，以班组为纽带，以科层为通道，获取完成岗位分工所需的资源与团队。人工智能正在逐步解构这个前提。

大模型把全球知识打包成一个智能知识库，智能代理（AI助手）则在授权范围内自主决策，使个人无需“依赖单位”即可获得海量知识、实时反馈与多线程协同等诸多能力。这种劳动能力外部化将传统认知的“人与人”转向“人与智能模型”，劳动行为衔接的节点由“岗位”转向“任务”，使得人力价值由“职业技能”转向“认知单元”。在这一趋势下，工业时代“用人单位作为组织对劳动者的赋能”被部分替代为“人工智能作为技术对劳动行为的赋能”，人机协同的新型劳动形态由此显现雏形。

这一创新转型之所以能够发生，核心在于劳动能力的拆解，即通过人机协同将一项完整的工作任务分解为感知、认知、决策、执行、反馈等多个环节的劳动行为，综合评估人工智能与劳动者在每一环节的各自优势与协同关系。

以精密轴承加工为例，过去磨削生产线需要六名工人，以团队的形式完成抬料、装夹、盯砂轮、测圆度和记录的全流程。如今在人工智能视觉与力控系统上，机械臂自动抓取毛坯并装夹到位，高速工业相机在磨削过程中实时捕捉圆度误差，算法即时调整砂轮进给量与冷却液流量，完成后由激光测头二次确认，整条线只剩一名巡检工程师。

在人机协同中，劳动者与大模型之间逐渐形成了基于提示词的“新劳动语言”，劳动者与智能代理之间也在通过智能协作管家书写“新劳动契约”。在这一新型劳动场景下，提示越精准，模型越接近人类意图；智能协作管家越开放，代理越能在授权范围内自主迭代，最终形成“人类设定目标-人工智能生成方案-人类校正方向-人工智能执行-人类反馈及再设定”的循环闭环。这一循环的时间单位从工业时代的“班次”压缩到“分秒”，空间单位从“车间”压缩到“个人终端”，劳动单位也就从“身份”压缩至“行为”。

可见，在人工智能语境下理解人机协同，完全不同于工业时代的流水线以及生产自动化，其根本差异在于人工智能对劳动能力的系统化改造。第一，知识半径的动态扩张。工业时代的知识半径由教育年限与岗位培训决定，一旦定型便相对稳定；人工智能时代的知识半径随推理逻辑、语料数据等实时扩展，劳动者在任务进行中即可调用全球相关的论文、专利与案例，知识利用效率大幅度提升。第二，决策时延的数量级压缩。工业时代的决策链条被科层制拉长，信息上传、审批、下达往往需要小时乃至数天；人工智能时代的决策可在毫秒级完成，劳动者与智能模型共同对实时条件变化做出反应，科层制的中层管理“信息中枢”功能被显著削弱。第三，劳动创造性的重新分配。工业时代创造性集中于研发、设计等少数岗位，生产线上的工人因熟练度的要求而不断重复；人工智能接管重复性劳动后，劳动者被推向更具创造性的“二次决策”，即基于人工智能建议的判断、取舍、价值权衡，使得创造力不再是少数人的专利，而可以成为多数劳动者的自觉。

重构逻辑：新型劳动行为推动制度演变

劳动能力塑造劳动行为，而劳动行为又进一步推动制度的演变。

工业时代的组织逻辑是“把人固定在岗位上”，以岗位责任制为藩篱，以出勤、考核、晋升为管理路径。人工智能时代的分工逻辑是“任务与人机组合的匹配”，以任务为边界，以接口协议、数据权限、模型性能为保障。传统科层中“信息向上集中、决策向下传达”的金字塔被“数据向下沉淀、智能向上汇聚”的扁平网络取代。劳动者不再是隶属某一部门和岗位的固定身份，而可以在任务市场、模型市场、数据市场之间自由实施不同类型的劳动行为，这意味着这一刻他可能在撰写大模型提示语言，下一刻在做数据标注，再下一刻在审查AI的伦理问题。劳动场景也由办公场所变为API网关，劳动者的“身份”由职位头衔变为系统权限和密钥。

这种去中心化的趋势并不意味着团队消失，而是团队被重构为“智能化联结”的多个人机协同--为了完成一个复杂任务，开发者、设计师、人工智能代理等角色在云端迅速集结，任务完成后即刻解散。

国外也高度关注人工智能推动下的劳动形态变革，并表现出以维护传统就业模式为优先的倾向。欧盟2024年生效的《人工智能法》（AIAct）将“高风险人工智能系统”纳入劳动法视野，要求企业在部署人工智能前完成“就业影响评估”，并与工会就岗位转换、再培训、收益分配达成可量化的路线图。美国德克萨斯州在今年7月出台的《负责任人工智能治理法》（TRAIGA）》规定，部署人工智能前做就业影响评估，列明岗位增减、技能需求变化及再培训方案；用高风险系统须定期复审并公开报告，确保替代决策透明，赋予员工申诉与人工复核权。

这些立法共同指向“人工智能对就业的冲击评估及其风险控制”这一核心命题，将其纳入“雇主责任”，实现与“智能红利”捆绑。在参考欧美经验的同时，我国应进一步探索人机协同的新型劳动法律制度，契合新质生产力发展的客观规律。

制度创新：构建人工智能“行为权利清单”

人机协同技术的普及，让劳动者可以借助人工智能，随时随地为不同的雇主完成工作，传统以固定劳动关系为轴心的法律框架便显得“力不从心”，存在监管和保护上的空白。

新的制度设计需要回答：在“人工智能＋劳动行为”的语境下，如何为流动的、多节点的、人机交互的劳动行为配置权利、义务与保障？

解决之道在于制度逻辑的转变。制度逻辑应当超越以劳动合同作为职业劳动的基本载体，而是把每一次具体任务作为基本单元，具体来说就是以“任务-行为-结果”为最小登记单元。劳动者每完成一次与人工智能协同的任务，其行为数据、模型调用记录、结果贡献度即被加密上链，形成可追溯的“劳动行为凭证”。该凭证即是后续权益计算、技能认证、风险分担的原始依据。整个劳动法律制度应围绕“行为权利清单”建立可追踪、可验证、可救济的规则体系，基于“最低保障＋动态加成”的思路构建，将休息权、最低报酬、职业安全、算法透明、数据收益等设为不可让渡的“核心权利”，同时依据任务风险等级、人工智能自治程度、数据贡献度等变量，创设由收益分成、技能积分等构成的“浮动权利包”。

同时，人工智能工具的提供方应当搭建一个“权利沙盒”，向劳动者明示权利配置、风险系数及申诉通道。由此，权利清单随任务流动而自动适配。劳动者无论身处何地、与何种人工智能协同，都能获得与贡献相匹配、与风险相对称的即时保障。

综上，人工智能并不是简单地取代人类劳动，而是把劳动者从工业化以来的“团体-科层”结构中解放，直面智能辅助与任务网络，实现劳动能力的全面跃升。与此同时，人工智能也把风险和伦理把控推到个体面前。新型劳动法律制度回应这一现实，应当从“保护工作岗位”转向“保护劳动行为”，以每一次具体的人机协同行为为基点，构建可流动、可积累、可救济的权益清单。当每一次人机协同都被系统性地记录、评估与保障，技术进步才能真正兑现劳动者的尊严与繁荣。

作者：王天玉，中国社会科学院法学研究所研究员、社会法室副主任。

来源：《中国劳动保障报》2025年9月6日。