观 点

大模型技术发展背景下，劳动者职业道德需在坚守诚信、责任、敬业等传统价值的同时，适应技术伦理要求，培养协作共融理念，树立终身学习观念，并通过加强教育、完善规范、强化监督激励等机制实现守正与创新的融合。

当下，大模型技术凭借其强大的语言生成与数据分析能力，推动人工智能的快速发展和广泛应用，同时重塑劳动力市场的运行逻辑。在此背景下，劳动者职业道德的实践场域从传统人际互动扩展至人机协同，其内涵需在守正与创新间实现融合。

劳动者职业道德的守正

在大模型技术快速发展的背景下，劳动者职业道德的核心仍然在于坚守诚信、责任与敬业。在新的技术环境下，其内涵不断演进。

第一，坚守诚信原则。诚信作为职业道德的基石，在大模型技术发展背景下表现为对数据真实性与技术透明性的严格恪守。以金融领域为例，银行信贷员若通过篡改客户负面信息操纵大模型风险评估，可能导致系统性金融风险。此类行为不仅违背职业伦理，更可能引发社会信任危机。因此，劳动者需确保数据的真实性，并通过技术文档公开、算法可解释性设计等方式增强模型透明度。

第二，恪守责任意识。大模型技术的应用需以社会责任为边界。例如，医疗AI开发者须确保诊断模型的训练数据覆盖多元群体，避免因样本偏差导致的误诊风险。责任意识的深化要求劳动者不仅关注技术效能，更需评估其社会后果，践行“预防性伦理”原则。

第三，秉持敬业精神。敬业精神是职业道德的重要体现，面对大模型技术的快速迭代，敬业精神体现为劳动者对知识更新的主动性。例如，数据标注员需掌握“半监督学习”等新兴标注技术以提升效率。研究表明，职业能力的动态适配可显著降低技术失业风险，同时推动组织创新能力的提升。

劳动者职业道德的创新

随着大模型技术发展，劳动者职业道德的创新需从多方面着力，主动适应技术变革，树立与时代相适应的职业道德。

其一，适应技术伦理要求。大模型技术发展带来了新的技术伦理问题，劳动者需要在职业道德中融入对技术伦理的考量。例如，在人工智能伦理中，存在算法偏见问题。劳动者在使用大模型时，要意识到模型可能存在的歧视性倾向。如招聘系统中的大模型可能因数据偏差而对某些群体产生不公平的筛选结果。劳动者应积极寻求解决方案，如优化数据集、调整算法参数等，以减少算法偏见。同时，劳动者要遵循数据隐私保护原则，在使用大模型处理个人数据时，严格遵守相关法律法规，确保数据主体的隐私不受侵犯。这种对技术伦理的适应，是数字时代职业道德创新的重要方向。

其二，培养协作与共融理念。大模型技术发展背景下，工作模式更加倾向于跨领域协作，劳动者需要培养协作与共融的职业道德理念。以智能交通系统为例，计算机科学家、交通工程师与政策制定者的协同创新可有效解决复杂场景下的伦理冲突。此类协作需打破壁垒，建立基于信任的知识共享机制，并通过敏捷开发模式加速技术落地。

其三，树立终身学习观念。技术变革要求劳动者构建“T型能力结构”——垂直领域的专业深度与横向技术的适应广度。劳动者要主动适应技术变革，不断更新知识体系。例如，对于传统制造业工人来说，随着工业互联网和大模型技术在生产中的应用，他们需要学习新的操作技能和数据分析能力。企业和社会也应提供相应的培训资源和支持，鼓励劳动者参加在线课程、技术研讨等活动。终身学习观念能够使劳动者在大模型技术发展背景下保持职业竞争力，同时也为社会培养出更多适应新技术发展的高素质人才。

守正与创新的融合进路

在大模型技术发展的背景下，为实现劳动者职业道德的守正与创新，需从机制创新着手，寻找全新的融合之路。

首先，加强职业道德教育。要通过多种途径加强劳动者职业道德教育。企业可以开展内部培训课程，将传统的诚信、责任、敬业等职业道德内容与新的技术伦理、协作理念等相结合。构建“理论—案例—实践”三位一体的教育模式：在高校课程中增设AI伦理模块；企业内训需结合行业场景设计沉浸式案例；社会层面可通过数字平台普及技术伦理知识，形成全民学习生态。

其次，完善职业规范体系。行业协会和政府部门应制定适应大模型技术发展的职业道德准则。例如，在人工智能行业，可以制定专门的算法伦理规范，明确劳动者在算法开发和应用中的行为边界。同时，职业规范体系要具有一定的灵活性，能够根据技术发展及时调整和更新。

另外，强化监督与激励机制。监督与激励机制是保障职业道德守正与创新的重要手段。企业可以通过建立内部监督机制，如设立职业道德监督委员会，对使用大模型的行为进行监督。对于违反职业道德的行为，要给予相应的惩罚。同时，要建立激励机制，对那些在职业道德方面表现突出的劳动者进行表彰和奖励。例如，对于在数据隐私保护方面做出突出贡献的员工，给予适当的奖励。社会层面也可以通过行业评选、媒体宣传等方式，对具有良好职业道德的劳动者进行表彰，营造良好的职业环境。

（作者单位：岭南师范学院）