还有人在争论劳动市场的变化和波动是否与技术进步有关，是否只是因经济政策而出现。这类看法聚焦于现有的法律体系和监管机制对于AI和自动化系统的发展应该担当什么样的角色。例如，罗伯特·戈登(Robert Gordon)认为当前的创新浪潮其实并没有它们表面上看起来那么具有变革性。不少持相反意见的人则称，劳动市场正因为技术变化而发生重要转变。这些人包括约瑟夫·斯蒂格利茨(Joseph Stiglitz)和拉里·米歇尔(Larry Mishel)，他们认为，要保护劳动力，就必须要对AI和自动化系统相关的监管和其它政策变化上保持高度的重视。
奥特尔、多恩等经济学家发现“就业两极分化”现象正变得非常明显，即中等技能岗位在减少，而高等技能和低等技能的岗位则在增加。虽然未来可能会出现新的岗位，但它们往往都收入比较低，不受欢迎。
例如，许多支持AI系统的工作事实上需要由人类去完成，他们需要维护那些基础设施，照顾系统的“健康状况”。这种劳动力往往不大显眼，至少从媒体的报道和人们对AI的印象来看是这样。因此它往往受到低估。这类工作包括负责清洁办公室和维护工作的清洁工，负责维修服务器故障的维修工，以及有位记者所说的“数据卫生工”(能够“清理”数据，为数据分析做好准备)。
AI系统对劳动力的影响相关的问题应当不仅仅包括未来是否会创造出新岗位，还应当包括那些岗位会否是能维持生计的体面工作。
此外，有关AI系统和劳工市场未来的讨论通常都专注于传统上被认为是低收入的工人阶级岗位，如制造业、卡车运输、零售或者服务工作，但研究表明，未来各行各业都将受到影响，其中包括需要专业训练或者高学历的专业工作，如放射学或者法律。关于这一点，未来将需要解决职业责任和义务方面的新问题。
AI将会如何影响主雇关系?
近年来，研究人员开始研究依靠大数据的AI和自动化系统(从Uber到应用于大型零售商的自动化调度软件，再到工作间监视)正在如何改变雇主与雇员之间的关系。
研究发现，虽然这类系统可以用来赋能员工，但该类技术也可能会引发大问题，如剥夺员工权利，加剧就业歧视问题，以及催生不当劳动行为。
例如，AI驱动的劳动力管理和调度系统正越来越多地被用来管理劳动力，助力按需经济的增长和“朝不保夕族”(precariat)的崛起。虽然部分研究人员称恰当的调度能够带来很有价值的弹性，但到目前为止，更多的研究发现受该类系统管制的员工存在情绪紧张和缺乏安全感问题。
由这类系统管理的员工的不利体验包括长期不充分就业，财务状况不稳定，缺少传统全职员工能够获得的福利保障，无力为家庭或者自我照顾(又或者因为忍受不了该类工作往往要求的随时待命性质而寻找别的工作)做规划。此外，受这些问题影响的员工更多是女性和少数族裔。
另外，基于AI系统的新远程管理模式会加大将“系统”所做的严重影响员工的决策归责于雇主的难度。因此，员工更容易受到剥削。
例如，像Uber这样的由大数据和AI驱动的平台会远程控制行驶路线、定价、报酬甚至人际交流方面的标准——这些决定传统上说通常都有人工亲自管理。
除了模糊化特定决策的性质和逻辑之外，这类远程管理通常并不被认为是“雇员管理”。
由于这些新管理模式不大符合现有的监管模式，像Uber这样的公司会将自己标榜为技术公司，而非雇员的管理者。按照这一理念，这类公司将自己视作促进连接的平台，因此不会像传统雇主那样对雇员负责。依照这种模式，雇员最终要承担权益保障(如减轻税项负担、医疗保健和其它的劳工保障)和潜在救济模式的就业带来的风险。
3. 医疗健康
像我们现在所看到的大多数已被应用到医疗健康领域的AI系统，它们几乎都依赖于大型数据库，这些AI系统会通过各种复杂的统计模型和机器学习技术，从其所收集到的海量数据中，自动提炼出各种重要信息。
那些已投入使用的医疗数据信息源(仍处在不断增长当中)——包括电子病历(EHRs)、临床和医保数据库、从各类消费电子产品和App上传来的健康数据——目前已经被大量地应用到AI系统的实践，这些AI系统具有极大的能改善社会医保水平的潜力。