劳工组织工作文件96 August/2023 ▶生成AI与工作:对工作数量和质量的潜在影响的全球分析 作者/Pawe²Gmyrek,JanineBerg,DavidBescond 版权所有©国际劳工组织2023 这是在知识共享署名4.0国际许可证(https://creativecommons.org/licenses/by/4.0/)下分发的开放访问作品。用户可以根据许可证中的详细说明重用,共享,改编和构建原始作品。必须明确将国际劳工组织视为原始作品的所有者。与用户的工作有关不允许使用国际劳工组织的标志。 归因-必须引用的工作如下:Gmyrek,P.,Berg,J.,Bescond,D.生成AI和乔布斯:对工作数量和质量的潜在影响的全球分析劳工组织工作文件96。日内瓦:国际劳工组织,2023年。 翻译-如果要翻译本作品,则必须添加以下免责声明以及归属:本译文不是由国际劳工组织(ILO)创建的 ,不应被视为国际劳工组织的正式译文。国际劳工组织对本译文的内容或准确性概不负责。 适应-在适应这项工作的情况下,必须添加以下免责声明与属性:这是对国际劳工组织(劳工组织)原创作品的改编。改编中表达的观点和意见的责任完全在于改编的作者或作者,不得到劳工组织的认可。 TheCClicensedoesnotapplytonon-ILOcopyrightmaterialsincludedinthispublication.Ifthematerialisattributedtoathirdparty,theuserofsuchmaterialissolelyresponsibleforclearingtherightswiththerightholder. 根据本许可证产生的任何不能友好解决的争议,应根据联合国国际贸易法委员会(贸易法委员会)的仲裁规则提交仲裁。各方应受到因此做出的任何仲裁裁决的约束作为对此类争端的最终裁决的仲裁。 有关权利和许可的所有查询均应致电瑞士日内瓦1211号劳工组织出版股(权利和许可),或通过电子邮件至rights@ilo.org。 ISBN9789220395356(打印),ISBN9789220395363(WebPDF),ISBN9789220395370(epub),ISBN9789220395387(mobi),ISBN9789220395394(html)。ISSN2708-3438(打印),ISSN2708-3446 (数字)https://doi.org/10.54394 /FHEM8239 劳工组织出版物中采用的符合联合国惯例的名称及其材料的介绍,并不意味着劳工组织对任何国家、地区或领土或其当局的法律地位或对其边界的划界表示任何意见。 签署的文章、研究报告和其他贡献中表达的意见的责任完全在于其作者,出版并不构成劳工组织对其中表达的意见的认可。 提及公司名称、商业产品和流程并不意味着它们的名称-国际劳工组织的认可,以及任何未提及特定公司、商业产品或专业人士的行为-CESS不是不赞成的标志。 有关国际劳工组织出版物和数字产品的信息,请访问:www.ilo.org/pubns ILOWorkingPaperssummarizetheresultsofILOresearchinprogress,andseektostrivediscussionofarangeofissuesrelatedtotheworldofwork.TheILOWorkingPaperarewelcomeandcanbesenttoRESEARCH@ilo.org,berg@ilo.org.g. 授权出版:RichardSamans,研究主任 国际劳工组织的工作文件可在以下网址找到:www.ilo.org/global/publications/working-papers 建议引用: Gmyrek,P.,Berg,J.,Bescond,D.2023。生成人工智能与就业:对潜在影响的全球分析-对工作数量和质量的影响,劳工组织工作文件96(日内瓦,劳工组织)。https://doi.org/10.54394/FHEM8239 Abstract 这项研究对职业和任务的潜在暴露进行了全球分析GenerativeAI,andspeciallytoGenerativePre-trainedTransformers(GPT),andthepossibleimplicationsofsuchexposureforjobquantityandquality.ItusestheGPT-4modeltoestimatetask-levelscoreofpotentialexposureandthenestimatespotentialemploymentegloballevelaswellasbycountryincomegroup.Althoughrepresentedanupper-boundestimation在暴露的情况下,我们发现只有文书工作的广泛职业才高度暴露于科技-Nology,24%的文书工作被认为是高度暴露的,另有58% 中等程度的曝光。对于其他职业群体,高度暴露的任务的最大份额在1%至4%之间波动,中等暴露的任务不超过25%。因此,这项技术最重要的影响可能是增加工作——在一个职业中自动化一些任务,同时为其他职责留出时间——与完全自动化的职业相反。 潜在的就业效应,无论是增加还是自动化,在美国各地差异很大-由于职业结构不同,尝试收入群体。在低收入国家,只有0.4%的总就业可能受到自动化影响,而在高收入国家,这一比例上升到5.5%。这种影响是高度性别化的,女性可能受到自动化影响的比例是两倍以上。更大的影响来自增强-这可能会影响低收入国家10.4%的就业, 高收入国家就业人数的13.4%。但是,这种影响没有考虑到基础设施的限制,这将阻碍在低收入国家使用的可能性并可能增加生产力差距。 Westressthattheprimaryvalueofthisanalysisisnotthepreciseestimates,butrathertheinsightsthattheoveralldistributionofsuchscoresprovidesaboutthenatureofpossiblechanges.Suchinsightscanencouragedgovernmentsandsocialpartpartstoproactivedes 方式。此外,对工作质量的可能影响可能比定量影响更大,无论是关于由于技术而创造的新工作,还是当技术整合时对工作强度和自主性的潜在影响-ed到工作场所。出于这个原因,我们还强调了社会对话和回归的必要性- 支持高质量就业。 关于作者 Pawe²Gmyrek是国际劳工组织研究部的高级研究员。JanineBerg是国际劳工组织研究部的高级经济学家。DavidBescond是国际劳工组织统计局的数据科学家。 目录 Abstract 01 关于作者 01 首字母缩略词 05 ▶ Introduction 07 ▶ 1 方法和数据 10 1.1.ISCO关于职业和任务的数据 11 1.2.提示设计和顺序 12 ▶ 2 预测、稳健性检验和分析边界的评估 17 ▶ 3 Results 20 3.1.自动化与增强:跨任务和职业的分数分布 24 ▶ 4 暴露职业占就业比例:全球和基于收入的估计 30 4.1.AugmentationvsAutomation:ILO微观数据 30 4.2.增强与自动化:全球估计 32 4.3.大未知 36 ▶ 5 管理过渡:解决自动化、扩大和日益扩大的数字鸿沟的政策 38 5.1减轻自动化的负面影响 38 5.2确保工作质量增强 39 5.3解决数字鸿沟 40 ▶ Conclusion 43 附录1.缺少ISCO-084位数数据的国家:估算程序 45 参考文献 47 GPT的确认和使用 51 数字列表 图1.基于ISCO和GPT任务的按职业划分的平均自动化分数21 图2.按职业类别划分的中等和高GPT暴露任务(ISCO1位数)24 图3.ISCO4d的任务级分数的箱形图,按ISCO1d分组25 图4.职业水平的增强与自动化潜力27 图5.具有高自动化潜力的职业28 图6.具有高增强潜力的职业29 图7a.自动化与增强潜力:总就业份额,微观数据 59个国家30 Figure7b.Automationvs.augmentationpotential:Sharesoftotalemploymentineachsex (劳工组织微观数据)31 图8.基于ISCO-08中数字水平的国家覆盖率(ILO数据)33 图9a。全球估计:具有增强和自动化潜力的工作岗位 总就业34 Figure9b.Automationvsenumentationpotential:sharesoftotalemploymentforeachsex (全局估计)35 图10.按ISCO4位数和收入组划分的具有高自动化潜力的职业36 图11a.“大未知”:增强和自动化潜力之间的职业37 图11b.“大未知”:按收入组划分的总就业份额(全球估计)37 图11.未使用互联网的人口份额41 图12.经典增长路径:收入与职业多元化42 表列表 表1.ISCO-08研究中使用的职业和任务结构11 Table2.SampleoftasksanddefinitionsfromISCOandpredictedbyGPT-414 表3.任务级得分样本(高收入国家背景)15 表4.a分数一致性测试(100个任务级预测)17 表4.b具有高自动化潜力的任务聚集到主题中22 团体* 表5.基于任务级分数的职业分组26 表6.按ISCO-08级别划分的微观数据覆盖范围:国家数量32 首字母缩略词 3G第三代(指新一代移动电信标准) AdaOpenAI用于生成嵌入的语言模型 AGI人工通用智能 AI人工智能 ANN人工神经网络 API应用程序编程接口 ATM机自动柜员机 CPU中央处理单元 DL深度学习 DOLE劳动和就业部 ESCO欧洲技能,能力,资格和职业 GPTs创成式预培训变压器 GPT-4生成式预培训变压器4 GPU图形处理单元 HIC高收入国家 ICT信息和通信技术 ILO国际劳工组织 ISCO国际标准职业分类 ISCO-082008年国际标准职业分类 K-均值K-Means聚类算法 LFS劳动力调查 LIC低收入国家 LLM大型语言模型 LMIC中低收入国家 ML机器学习 NLP自然语言处理 OECD经济合作与发展组织 O*NET职业信息网络 OpenAI开放人工智能(组织名称) Python高级编程语言 RL强化学习 SD标准偏差 中小企业中小企业 UMIC中高收入国家 US美国 USDUnitedStatesDollar UMIC中高收入国家 US美国 ▶Introduction 技术进步的每一波新浪潮都加剧了关于自动化和就业的辩论。当前关于人工智能(AI)和就业的辩论让人回想起 1900年代初-移动的装配线,甚至是20世纪50年代和60年代的装配线,这是在介绍之后- 早期大型计算机的引入。尽管人们对技术通过标准化和控制工作流程可以带来的疏远表示赞赏,但在大多数情况下,辩论集中在两种相反的观点上:乐观主义者将新技术视为将工人从最艰巨的任务中解脱出来的手段,而悲观主义者则发出警报关于就业迫在眉睫的威胁和大规模失业的风险。 然而,在关于技术和工人的辩论中已经改变的是工人的类型。虽然1900年代早期,中期甚至后期的技术进步主要集中在体力劳动者上,但自2010年代以来的技术发展,特别是机器学习(ML)的快速发展,已经集中在计算机执行非路线的能力上。tine,认知任务,并因此可能影响白领或知识型员工。 此外,这些技术进步发生在许多强大的背景下- 与基于位置的工厂级应用程