在人工智能、数字经济与产业数字化快速发展的背景下,一个常见判断是:理工科专业的重要性将持续上升,计算机、人工智能、电子信息、自动化等领域的人才需求也会不断扩大。从现实来看,这一判断确实有其基础,技术进步离不开算法、算力、数据与工程体系的支撑,理工科能力仍然是推动产业升级的重要力量。但如果据此认为社会科学的重要性会随之下降,则可能忽略了智能经济运行方式正在发生的更深层变化。技术进步本身并不会单独构成经济变革,它往往嵌入在经济结构、产业组织、企业运行以及社会治理体系之中,并由此引发一系列结构性调整。从这个意义上说,智能经济并不是单纯的技术扩展过程,同时涉及组织、制度与行为层面的调整。技术可以回答“能不能实现”的问题,但无法单独解释“为什么这样做”“由谁来组织”“利益如何分配”以及“风险如何治理”等问题。越是技术能力提升,围绕技术运行的组织方式、制度安排与社会协调问题就越突出,这些恰恰属于社会科学所关注的核心领域。一、技术越先进,问题越不技术化人工智能与数字技术正在深刻改变生产方式与就业结构。世界经济论坛《未来就业报告2025》指出,到2030年,全球现有22%的岗位将受到结构性调整影响,同时将新增大量新岗位,并伴随岗位替代。这一变化表明,技术影响的并不是单一岗位,而是整个劳动结构的重组。但这种变化无法仅从技术角度解释。例如,新岗位如何产生、旧岗位如何转型、劳动者如何再适应、企业如何调整组织结构,这些问题都涉及资源配置、组织行为与制度安排等多个层面。经济学、管理学、社会学以及公共政策等学科在其中分别承担不同解释功能。也正因为如此,智能经济的关键不只是技术扩散,而是技术进入社会运行体系之后所引发的结构调整。理解这种调整过程,比单纯理解技术本身更为重要。二、数字化转型的关键往往不是技术,而是组织从企业实践来看,数字化转型的困难通常不在技术获取层面,而在组织适配层面。很多企业已经具备信息系统与数据基础,但在实际运行中,数据并未真正流动,系统也未形成有效协同。麦肯锡相关研究显示,虽然大多数企业已经在不同业务环节使用人工智能技术,但真正实现规模化应用并释放系统性价值的仍然有限。这一差异并不主要源于技术水平,而更多取决于企业是否具备清晰的战略目标、合理的数据治理机制以及相匹配的组织结构与管理方式。因此,数字化转型并不是简单的技术部署过程,而是涉及战略、流程、组织与人才体系的综合调整。如果缺乏组织能力的支撑,即使技术先进,也难以转化为实际生产力。三、AI不会自动带来效率,它取决于制度设计智能经济在提高效率的同时,也会带来新的风险和矛盾。OECD《就业展望2023》指出,若考虑包括AI在内的各类自动化技术,OECD国家约27%的岗位处于高自动化风险职业中。同时,OECD也强调,AI在工作场景中可能带来工作满意度、健康和工资方面的积极影响,但也存在隐私、工作强度、偏见等风险。这就提醒我们:技术进步本身并不自动带来公平、效率和幸福。它可能提高生产率,也可能扩大差距;可能释放人的创造力,也可能加剧焦虑;可能改善服务,也可能制造新的不透明和不信任。例如,算法可以提高资源匹配效率,但也可能带来算法歧视;平台可以降低交易成本,但也可能形成新的垄断力量;数据可以提升公共服务精准度,但也可能带来隐私泄露和权利边界不清;人工智能可以辅助决策,但也可能造成责任主体模糊。这些问题无法仅靠技术自身解决。它们需要经济学研究效率与公平的平衡,需要法学明确权利与责任边界,需要公共管理提升数字治理能力,也需要社会学理解技术变化对个体、群体和社会关系的影响。智能经济越深入,规则建设和治理能力就越重要。四、社会科学是技术价值转化的重要路径从更长周期来看,技术的价值不仅在于其自身能力,更在于其如何被制度化、组织化并嵌入现实运行体系。社会科学的作用,也正是在这一过程中逐渐显现。未来社会科学的作用,不只是解释技术带来的变化,更要参与技术价值的转化和社会规则的建构。经济学要研究数据要素如何定价、平台经济如何监管、AI如何影响生产率和收入分配。管理学要研究企业如何进行数字化转型、如何建设数据驱动组织、如何处理人机协同。法学要研究数据权属、隐私保护、算法责任。社会学要研究技术如何影响职业认同、社会流动和群体关系。公共管理要研究数字政府、智慧城市和公共服务创新。换句话说,社会科学不是被技术替代的对象,而是让技术走向现实、走向产业、走向社会的桥梁。这也意味着,未来真正有竞争力的人才,不会只是单一技术型人才,也不会只是传统社科型人才,而是能够跨越技术、产业、组织和治理边界的复合型人才。懂技术的人,如果理解经济、管理和社会运行逻辑,就能更好地推动技术落地;懂社会科学的人,如果掌握数据思维、数字工具和技术基本逻辑,也将在产业转型、企业管理和公共治理中拥有更大的发展空间。五、结语智能经济时代,理工科的重要性毋庸置疑。但越是进入智能经济深水区,我们越会发现,真正决定技术能否产生价值的,不只是模型参数、芯片性能和算法效率,而是组织能不能变、制度能不能跟上、社会能不能承受、价值能不能共享。因此,未来不是“理工科赢、社会科学输”,而是技术科学与社会科学深度融合。技术提供可能性,社会科学决定这种可能性如何变成可持续的发展能力。智能经济不是社会科学退场的时代,而是社会科学作用更加凸显的时代。(作者:许贵阳 河南财经政法大学数字经济与企业数字化研究中心主任)参考资料[1] World Economic Forum. The Future of Jobs Report 2025. Geneva: WEF, 2025.[2] McKinsey & Company. The State of AI in 2025. McKinsey Global Institute, 2025.[3] OECD. OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market. Paris: OECD Publishing, 2023.[4] National Institute of Standards and Technology (NIST). AI Risk Management Framework (AI RMF 1.0). 2023.
基本文件流程错误SQL调试
请求信息 : 2026-06-29 16:47:04 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/815064.html