2026-08-29 每周好文：技术更强，人为什么没有少工作

为什么选它

最近一周的微信转发反复谈到‘社会阶段’：灵活就业究竟是福利还是趋势，一人公司是否会取代传统组织，AI 会不会让年轻人跨过积累过程，以及个人能否靠改变行为改变命运。这些讨论共享一个容易被忽略的前提：生产力提高、技术升级以后，人应该自然从劳动中解放出来。

Amory Gethin 与 Emmanuel Saez 的研究值得读，正因为它没有先接受这个前提。他们把 160 个国家的劳动力调查拼成可比较的微观数据库，横截面覆盖全球 97% 的人口，并为 86 个国家构造了跨越 20 年以上的时间序列。结果不是‘先进国家一定工作更少’，而是一个更难受也更有解释力的判断：壮年人的总市场劳动时间长期相当稳定，发展主要改变了劳动由谁承担，以及制度允许哪些人退出劳动市场。

这与‘分析社会阶段’真正有价值的部分相接：不能只给时代贴一个版本标签，还要找到版本如何落到学校、养老金、正式劳动合同、加班规则和家庭分工这些可观察的制度上。

原文核心论证

研究首先统一口径。作者统计所有计入 GDP 的工作，包括工资就业、自雇和生产商品的无酬农业劳动，但不把做饭、清洁、照顾儿童和老人等家庭服务计入主数据库。最新可得年份的横截面中，全球 15 岁以上人口有 59.3% 在就业；就业者平均每周工作 41.5 小时，摊到所有成年人是 24.5 小时。男性贡献 65% 的市场劳动时间，女性贡献 35%，差异主要来自就业率，而不只是已就业者每周工时。

把年龄拆开后，‘发展让人少工作’只在两端明显成立。15 至 19 岁年轻人的劳动时间随发展下降，主要因为更多人进入学校；60 岁以上人口的劳动时间下降，主要因为养老金让退出劳动市场成为可能。收入水平本身不是完整解释，教育和退休制度才是直接承载变化的机制。

20 至 59 岁的壮年人则呈现另一幅图景。无论横向比较不同发展水平的国家，还是查看多国几十年的时间序列，壮年人的人均市场劳动时间都相当稳定。美国壮年人口平均每周约 30 小时的市场劳动，从 1900 年到今天几乎没有变化；其他地区的长期序列也出现相似稳定性。技术进步没有把这部分劳动总量机械地压下去。

稳定的总量下面发生了巨大的性别重组。发展过程中，壮年男性已就业者的每周工时下降，而女性进入劳动力市场的比例上升，两股力量在许多国家几乎正好抵消。男性的变化主要发生在‘每个就业者工作多久’，女性的变化主要发生在‘是否进入市场工作’。所以总工时看似不变，承担劳动的人已经变了。

主数据库不含家务劳动，这会不会让性别重组成为统计幻觉？作者用 84 个国家的时间使用调查补做检验：随着发展，女性家庭劳动下降、男性家庭劳动上升，方向恰好与市场劳动相反；把家庭生产纳入后，男女各自的总劳动时间仍然随发展大体稳定。更准确的说法不是女性凭空多工作了，而是市场与家庭内部的劳动都在重新分配。

论文最后讨论税收、福利和劳动规制。跨国数据里，劳动税率较高的国家工时较短，但加入社会支出后，这个关系明显减弱；再加入正式部门覆盖与工时规制构成的指标后，税率与工时的相关性接近于零。作者据此认为，高税本身不是充分解释，它往往与社会福利、最长工时、加班、休假等制度共同出现。制度把生产力转化成什么样的生活，而不是生产力自动替人做出选择。

值得质疑之处

第一，研究最强的是描述和比较，不是把因果链完全钉死。教育、养老金、社会支出、劳动规制、正式就业和文化规范一起变化，跨国回归很难证明其中任何一个单独造成了工时变化。论文使用的‘有效规制指数’本身也是作者承认的噪声较大的代理变量。看到加入规制后税率系数消失，只能说明‘高税导致少工作’这条简单叙事站不稳，不能直接推出某项规制一定会让工时下降多少。

第二，统一 160 国调查不可避免地牺牲细节。不同国家存在实际工时与通常工时、全部工作与主要工作、每周与更长回忆期、本人回答与代理回答的差异。作者做了季节性、回忆期和多份工作等稳健性检查，整体结论没有明显改变，但单个国家的精确排名不应被过度解读。中国的主数据还是按过去一年回忆工时，虽然与两套按周询问的调查得到的每周 30 至 31 小时相近，测量方式仍不完全同质。

第三，‘工作’按国民账户边界定义，会漏掉大量不计入 GDP 的照护与家务。84 国时间使用调查支持总劳动时间稳定的结论，却不能提供与主数据库同等的 160 国覆盖和历史深度。若关心的是疲惫、自由时间或家庭压力，而不是市场生产，24.5 小时这个全球均值会严重低估真实负担。

第四，全球平均会遮住分布。壮年总工时稳定，不代表同一批人一直有稳定工作，也不代表工作质量、收入、控制权和安全感稳定。平台劳动、多人兼职、失业与超时工作的两极化，都可能在相同均值下并存。论文回答了‘总量有没有自动下降’，没有回答‘每个人是否过得更好’。

结合近期关注的启发

这篇研究给‘社会阶段’补上了一个必要的刹车：阶段变化不是自然法则，更不是看到 AI 更强就能顺推‘企业消失、人人自雇、工时下降’。生产力只是增加可选空间，最终结果要经过合同、教育、福利、组织权力和家庭分工。没有这些传导机制，所谓下一阶段很可能只是把相同劳动量换一种承担方式。

对个人而言，它也修正了‘改变命运只需改变行为’的过度个人化版本。行为当然重要，但一个人能否退出低价值劳动、延长学习期、承担创业风险或照顾家人，受到养老金、医疗、家庭责任和劳动合同的真实约束。把所有结果都解释成意志力，会漏掉制度成本；把所有结果都解释成时代大势，又会抹掉个人选择。更实用的做法是把两层分开：哪些是自己能改变的工作组合与能力积累，哪些必须靠现金缓冲、保险、合同和家庭协商才能改变。

‘一人公司’也不等于一个人真的少工作。AI 可以替代若干任务，却可能把获客、交付、售后、合规和风险都压回同一个人。评估这种模式时，不能只看员工数或工具速度，至少要同时记录每周总工时、不可中断责任、收入波动、返工和人工救火。若产出增加但时间没有下降，只是劳动边界被重新打包，而不是获得了自由。

研究对未来判断还有一个很朴素的约束：不要把技术能力直接写成社会结果。‘AI 能做什么’与‘人最终工作多久’之间，隔着组织怎样分配收益、劳动者能否拒绝额外任务、公共制度是否提供退出选项。判断版本变化时，应当追踪这些中间变量，而不是只看模型能力曲线。

适合怎么读

先读作者在 IMF《Finance & Development》上的四页概览，抓住三层拆分：所有成年人还是就业者，壮年还是青年与老年，总量还是性别分工。不要先记国家排名。

随后打开完整论文，重点看数据库口径、图 8 的样本扩展、性别重组和第 6 节税收与规制回归。读每个结论时都问一句：这是横截面相关、时间序列事实，还是因果识别？尤其不要把‘加入规制后税率相关性消失’改写成确定的政策效果。

最后把它用在自己的工作记录上：连续四周记下市场工作、无酬家务、学习和人工救火的实际小时数，再看 AI 工具带来的究竟是总时间减少、产出增加，还是任务从团队转移到了自己。宏观研究最好的用途，不是替个人下结论，而是教人选择不容易自欺的指标。

作者概览： Gethin 与 Saez：How Much Does the World Work?

完整论文与可复现数据入口： Gethin 与 Saez：Global Working Hours