程实：AI时代下的“投资于人”引发市场关注_2

进入2026年，AI技术的突破性进展正在重新定义人力资本投资的内涵。AI对工作流的影响已从工具层面的辅助进入系统层面的重构阶段。低阶重复性任务被快速压缩，而高阶能力溢价上升，人机协同能力成为新的基础能力。在此背景下，“十五五”规划建议将“投资于人”置于更加突出的位置，这一安排有望成为支撑潜在增长持续稳定的重要变量。

AI技术对工作流的影响已从工具级辅助进入系统级重构阶段。《2026AgenticCodingTrendsReport》（《2026年自动化编码趋势报告》）指出，软件开发的核心活动正从写代码转向编排代理系统，也就是说工程师的价值越来越体现在架构设计、任务分解与系统监督上，具体实现则由AI承担。报告显示，工程师在约60%的工作中使用AI，但能够完全委托的任务仅占0~20%。这表明AI的扩散本质上是协作式的，而非完全自动化的。AI承担的是执行，人类负责判断、监督与战略分解。由此，技能需求并非整体下降，而是出现结构性裂变。

首先，低阶、可验证、重复性的任务被快速压缩。信息整理、基础编码、测试生成等环节已可由代理系统自动完成，相关技能的边际价值显著下降。其次，高阶能力溢价上升。复杂系统架构设计、跨域问题识别、战略判断与风险评估等能力在AI环境下更难替代，其相对收益与市场需求反而提高。再次，人机协同能力成为新的基础能力。有效设定任务、拆解问题、校验输出与动态调整代理系统，成为决定生产率差异的关键。

在AI工作流普及的情境下，单位劳动有效供给的内涵正在发生变化。一是从知识存量转向学习与迁移能力。当AI可以即时检索、生成与整合信息，劳动者的价值更多体现为快速学习、跨域整合与提出关键问题的能力，而非既有知识存量本身。二是从专业深度转向跨域结构能力。AI在单一领域优化方面表现突出，但跨领域问题识别、类比推理与复杂系统权衡仍高度依赖人类判断。三是从执行效率转向判断质量。当执行层被压缩，人类价值更多集中在目标设定、方案选择与风险控制。因此，过去以学历层级、专业匹配与工作年限为核心的评价体系，难以刻画AI时代真实生产能力。学习速度、迁移能力、人机协同效率与组织吸收能力，正在成为更具解释力的变量。

从“资本-劳动”组合结构看，AI扩散并未削弱人力资本的重要性，反而提高了技术资本的人力依赖度。AI系统的有效运行依赖于任务分解能力、多代理协调能力与人类监督体系的设计。这意味着，AI相关资本投入的回报，取决于是否具备足够的人才密度与组织吸收能力。