本文为“量化历史研究”第 812 篇推送
（图片来源于网络）
近年来，自动化浪潮席卷全球，各国对自动化的顾虑也急剧上升。萝卜快跑等自动驾驶出行服务平台的出现，也引发人们的热议。
然而，自动化对于劳动力市场的影响，特别是在多大程度上减少了就业，以及波及哪些人群，仍旧是不清晰的。从理论上讲，自动化的负作用可以被生产力增长、新工作的出现等反作用力抵消。因此，劳动力需求是否会从大规模自动化事件中恢复、在哪里恢复、恢复的速度，以及谁会承受其后果，是亟需研究的问题。
James Feigenbaum与Daniel P. Gross两位学者在其最新被《经济学季刊》（QJE）接收的论文中，研究了历史上最大的自动化冲击之一——电话操作自动化的影响。在20世纪20年代，电话接线员是全美各地日常生活的主力军，也是美国妇女最常见的工作之一。然而在1920年至1940年间，为美国一半以上地区提供服务的电话交换机实现了机械化，这逐步在一些城市中取代了大多数本地接线员。受到这种冲击的女性就业比例与目前美国劳动力中担任收银员或客户服务人员的比例相似，而这些工作如今也正日益实现自动化，因此电话接线自动化的冲击可以为现今社会提供宝贵启示。
作者记录了电话操作机械化分别对在职工人和后续世代工人的影响。为此，作者构建了一个衡量当地采用机械呼叫转换的数据集，并将其与美国全部人口的人口普查数据和一个纵向关联的妇女样本相结合。作者发现，在一个城市的电话服务转为机械化操作后，其后一批受雇为电话接线员的16至25岁女性人数减少了50%-80%，且其影响长期持续。这些工作约占这一群体就业人数的2%，而对于20岁以下的女性而言，这一比例甚至更高——考虑到人员流动率，这一冲击可能剥夺了多达10%-15%的入门级工作机会。
而对于当时在职的接线员来讲，机械化对她们的影响在于剥夺了其中很多人的工作和潜在的职业生涯。作者观察到，在机械化实施之后接下来的一个十年中，曾经的接线员们可能会失业，或者从事收入较低的职业。然而，自动化并没有降低其后续年间年轻女性群体的就业率，因为她们在其他行业找到了工作，包括人口统计学标准下和工资水平相似的工作（如打字员和秘书），以及一些工资较低的工作（如餐饮服务人员）。这种就业增长并不能归因于机械转换对生产率的影响（生产率较低）或 q互补性（在公司内部创造实施自动化的必要岗位）。
虽然这一时代的工资数据较为有限，但利用现有数据，作者也没有发现当地劳动力市场在工资大幅降低的情况下重新平衡的证据，因为其他经济部门在对这些类别工人需求增长的同时，也会要求就业率和工资的稳定。因此，当自动化使劳动力解放时，企业会内生地开发新的劳动力用途。作者的证据表明，一些职业被裁的员工转移到了当地经济的新部门，发展成为新的职业。总的来说，作者的研究表明，尽管现有工人可能面临失业，但地方经济可以在中期内适应大规模的自动化冲击。
历史背景及数据
AT&T（美国电话电报公司）是二十世纪大部分时间里美国主要的电话服务提供商，通过其地区子公司提供服务。从1870年代中期AT&T成立到1910年代末，电话都是由接线员手工接通的，到20世纪初，接线员几乎都是年轻的美国白人妇女。到 1920 年，AT&T已成为美国最大的雇主，占美国非农业劳动力的百分之一以上，也是迄今为止最大的女性雇主。
然而，不断增长的网络使人工技术的局限性变得越来越大，人工技术成本的快速增长促使AT&T开始建议其运营公司采用机械交换技术。随着时间的推移，这种技术逐渐在美国电话网络中普及开来。在这种技术下，电话机采用旋转拨号盘，拨号盘的每一次转动都会驱动电话交换台的交换设备，从而使用户可以拨打想要的电话。同时，其效果是几乎消除了在使用机械化拨号的城市中的一整个主要工作类别。
图1 机械拨号随时间的普及程度
本文的实证分析结合了三个数据来源。首先，作者利用AT&T的档案记录和从当地报纸文章中收集的数据，测量了美国大陆拨号服务的切换情况。在样本中的近3000个城市中，有332个城市在1940年之前首次开通了拨号服务，而本文主要关注1920年人口在10万以下的2846个城市（其中261个城市在1940年之前实现了拨号转换），这些城市的用户通常都是一次性转换为拨号用户。
其次，为了研究年轻女性的连续群组，作者将 1910 年至 1940 年个人层面的完整计数人口普查数据汇总到一个城市面板中。通过该面板，作者可以测量每个城市特定年龄和人口群体的就业率，或特定职业-行业单元中的当地人口。
最后，为了研究在职经营者，作者将这些妇女与各次人口普查联系起来。由于传统的人口普查记录链接技术无法长期跟踪年轻女性（由于婚姻导致的姓名变更），作者开发了一种新的、可推广的人口普查链接方法：他们将家谱平台FamilySearch的公共家谱数据与完整的计数人口普查记录相匹配，以跟踪个人的不同时期。与现有方法相比，这种人口普查记录链接方法能产生更广泛、更具代表性的女性链接样本，这也是本文的贡献之一。
实证结果
为了评估自动化对在职员工的影响，作者将 1920 年和 1930 年的女性样本与下个十年的人口普查联系起来，并将接线员与极其相似的职业妇女进行比较，同时也比较了自动化和未实现自动化的城市。
作者发现，相对于同一城市的非接线员妇女和未自动化城市的电话接线员，自动化城市的接线员在十年后从事接线员工作的可能性要低得多。一些人在电话行业找到了其他工作，而另一些人（尤其是年龄较大的工人）则离开了劳动力大军，那些留下来的人更有可能从事收入较低的职业。由于许多妇女随着年龄的增长而退出了劳动力队伍，因此自动化影响的幅度可能有被缓和，但由于电话接线员是妇女为数不多的有可能成为职业人士的机会之一，对于那些选择保留这些工作的妇女来说，失去这些工作的代价是昂贵的。
为了估算对后代年轻女性的影响，作者采用了事件研究（event study）的设计，比较了城市首次切换到拨号之前和之后的劳动力群体的结果。作者发现，在自动化之前的几十年里，有无自动化切换的城市在就业率、结婚率、生育率和入学率的变化趋势相似。然而，如图2所示，电话操作自动化导致在未来组群中从事接线员工作的年轻白人美国女性人数大幅、迅速且永久性地下降。然而，这并没有降低就业率：电话接线员需求受到的负面冲击被其他职业的增长所抵消，尤其是秘书工作和餐饮服务工作，它们吸收了原本可能成为电话接线员的年轻职业女性。
图2 拨号切换对从事电话行业美国白人女性劳动者数量的影响
最后，作者研究了电话自动化为何没有降低后代年轻女性进入劳动力市场的就业率。可能的解释有：(i) 这些替代职业或年轻女性的整体工资是否下降，劳动力市场是否在较低的工资水平上重新平衡；或 (ii) 在这些替代职业中，美国出生年轻的白人女性是否取代了其他群体。
然后，作者考虑了可能恢复劳动力需求的机制，包括：(iii) 拨号转换是否直接增加了互补职业或行业的劳动力需求；(iv) 拨号电话的成本或效率是否提高了生产率，进而提高了劳动力需求；(v) 同时发生的技术变化是否可能推动了结构变化；(vi) 是否出现了利用这些新富裕人口的内生需求。
作者通过工资和就业数据得出的证据最符合最后一点。除了与其他机制不一致的证据外，作者还发现，秘书就业的大部分增长都发生在以前没有雇用过这类工人的行业，这可以被解释为新工作出现的证据。为了进一步加强这一解释，作者发现，在制造业密集型城市或因大萧条而导致总需求疲软的城市中，总体环境不利于年轻女性恢复需求增长，转移效应似乎应占主导地位。
延伸与结论
作者认为，电话操作在许多方面都是研究自动化对于劳动力市场影响的一个合适环境。主要原因是：首先，作为一种规模大、地域分散且入门级的工作，电话操作自动化可能会对在职工人和未来的一批人产生总体影响。另外，电话操作是一个定义明确、测量精确的职业，其自动化是离散且可以精确测量的。与将自动化作为工业机器人的采用或资本投资的一般类别来衡量的研究不同，机械电话交换的特殊性使我们能够分离出采用了什么技术、取代了哪些工作以及牵涉到哪些工人。简而言之，我们可以将该技术与它所执行的具体任务，以及原本执行该任务的工人联系起来。
即便如此，与软件、机器人或人工智能（AI）等被认为具有高度自动化潜力的现代技术相比，电话自动化直接影响的总体就业比例相对较小。然而，与这些技术相比，电话呼叫转移有三个重要的不同点。首先，机器人、软件和人工智能是技术的大类，对不同工种有不同的影响，而且这些技术究竟是代表自动化还是代表增加资本的技术进步，研究往往并不明确，而机械呼叫转移则是明确的、具体的劳动力替代。其次，作者认为这些技术在今天很少有具体的实例会影响到像电话接线员这样庞大的人群。第三，与今天可能面临自动化风险的大多数职业相比，本地接线员被淘汰得更为突然。
在这种情况下，虽然机械化取代人力的可能性本来就很大，但当地经济似乎还是在相对较短的时间内进行了调整。这一研究为我们理解当下正在发生的自动化对就业的影响带来了重要启发。
文献来源: Feigenbaum, James, and Daniel P. Gross. "Answering the Call of Automation: How the Labor Market Adjusted to Mechanizing Telephone Operation." The Quarterly Journal of Economics (2024): qjae005.
原文链接：请点击左下方【阅读原文】
“量化历史研究”公众号由陈志武（香港大学郑裕彤基金讲席教授、原耶鲁大学教授）及其团队——林展（中国人民大学）、熊金武（中国政法大学）、何石军（武汉大学）、蒋勤（上海交通大学）、彭雪梅（中山大学）等人负责。向学界和业界朋友，定期推送量化历史研究经典、前沿文献。同时作为“量化历史讲习班”信息交流平台。喜欢我们的朋友请搜寻公众号：QuantitativeHistory，或扫描下面二维码关注。
我们也诚邀八方学人发送电邮建言献策。邮箱: lianghualishi@163.com。
轮值主编：林 展 责任编辑：彭雪梅
点击“阅读原文”查看英文原文
