劳动力市场对人工智能的敞口:跨国差异和分配影响 CarloPizzinelli,AugustusPanton,MarinaM.Tavares,MauroCazzaniga,LongjiLi WP/23/216 国际货币基金组织的工作文件描述了作者正在进行的研究,并发表以征求意见和鼓励辩论。 IMF工作文件中表达的观点是作者的观点,不一定代表IMF ,其执行局或IMF管理层的观点。 2023 OCT ©2023国际货币基金组织WP/23/216 货币基金组织工作文件 研究部 劳动力市场对人工智能的暴露:跨国差异和分布影响,由CarloPizzinelli,AugustusPanton,MarinaM. Tavares,MauroCazzaniga,LongjiLi编写 授权由FlorenceJaumotte分发 2023年10月 国际货币基金组织的工作文件描述了作者正在进行的研究,并发表以征求意见和鼓励辩论。IMF工作文件中表达的观点是作者的观点,不一定代表IMF,其执行局或IMF管理层的观点。 摘要:本文研究了人工智能(AI)对发达经济体(AEs)和新兴市场(EMs)劳动力市场的影响。我们建议扩展人工智能暴露的标准衡量标准,考虑人工智能作为劳动力的补充或替代的潜力,其中互补性反映了较低的失业风险。我们分析了来自2个AEs(美国和英国)和4个EMs(巴西、哥伦比亚、印度和南非)的工人层面的微观数据,揭示了各国未经调整的人工智能暴露的巨大差异。由于在专业和管理职业中的就业份额较高,AEs面临的风险敞口高于EMs。但是,在考虑潜在的互补性时,各国之间的风险敞口差异更为平淡。在国家内部,AEs和EMs出现了共同的模式。妇女和受过高等教育的工人在高互补性和低互补性方面都面临着更大的人工智能职业暴露。 处于收入分布上尾的工人更有可能从事具有高曝光率但也具有高潜在互补性的职业。 推荐引用:Pizzinelli,C.,A.Panton,M.M.Tavares,M.Cazzaniga,andL.Li,(2023)“LaborMarketExposuretoAI:Cross-countryDifferencesandDistributionalImplication.”IMFWokringPaper23/216 JEL分类编号:J23,O33关键字:人工智能;就业;职业;新兴市场作者的电子邮件地址: *作者要感谢FlorenceJaumotte,GiovanniMelina和EmmaRockall的有益评论。 劳动力市场对人工智能的敞口:跨国差异和分配影响 CarloPizzinelli∗ IMF 奥古斯都·潘顿 IMF 玛丽娜·M·塔瓦雷斯∗ IMF MauroCazzaniga FGV-SP 李隆基 IMF 2023年9月22日 Abstract 本文研究了人工智能(AI)对发达经济体(AEs)和新兴市场(EMs)劳动力市场的影响。我们建议扩展人工智能暴露的标准衡量标准,考虑人工智能作为劳动力的补充或替代的潜力,其中互补性反映了较低的工作转移风险。我们分析了来自2个AEs(美国和英国)和4个EMs(巴西、哥伦比亚、印度和南非)的工人层面的微观数据,揭示了各国未经调整的人工智能暴露的巨大差异 。由于在专业和管理职业中的就业份额较高,AEs面临的风险敞口高于EMs。但是,在考虑潜在的互补性时,各国之间的风险敞口差异更为平淡。在国家内部,AEs和EMs出现了共同的模式。妇女和受过高等教育的工人在高互补性和低互补性方面都面临着更大的人工智能职业暴露。处于收入分布上尾部的工人更有可能从事具有高曝光率但也具有高潜在完成度的职业。 关键字:人工智能,就业,职业,新兴市场果冻代码:J23、J23、O33 ∗通讯作者:CarloPizzinelli和MarinaM.Tavares,国际货币基金组织,70019St.NW,Washington,DC,20431,USA.Email: 1作者要感谢FlorenceJaumotte,GiovanniMelina,AlexanderCopestake和EmmaRockall的有益评论。免责声明:本 研究中表达的观点是 作者,不应归因于国际货币基金组织、其执行局或其管理层。 1Introduction 人工智能(AI)的快速发展引发了关于其对劳动力市场影响的大量讨论。1通过自动化任务,个性化体验和提高质量控制,AI可以大大提高各个部门的生产力,为工作场所带来前所未有的革命。尽管前景光明,但人工智能的快速发展,加上持续的研发,围绕其社会经济影响造成了巨大的不确定性(Lae和Sait-Marti,2021;Agrawal等人。,2018)。经济学家基本上同意,从长远来看,人工智能可以增加社会财富,但人们仍然担心它可能会扰乱许多行业的就业。 在这个快速发展的景观中,三个重要的不确定性领域脱颖而出。首先,目前尚不清楚人工智能技术如何在特定任务和职业中替代或补充人类劳动,最终导致就业市场上的“赢家和输家”(Ator,2022)。其次,人们有兴趣了解各国对人工智能的暴露程度如何变化,特别是发达经济体(AEs)和新兴市场(EMs)之间是否存在系统性差异。第三,在国家内部,人工智能的风险和收益可能因人口群体和技能水平而异,这使得经济差异的影响难以预测。 在本文中,我们对这些问题提供了初步的见解。首先,我们建议对AI职业暴露 (AIOE)的标准衡量标准进行调整,以捕捉AI在每种职业中补充或替代劳动力的潜力 。其次,我们将原始度量和互补性调整后的度量应用于来自六个国家的劳动力微观数据 ,尤其着重于新兴市场。我们的分析揭示了各国在人工智能暴露方面的差异,将那些有更大潜力从互补性中受益的人和那些面临更大替代风险的人区分开来。最后,在每个国家/地区内,我们研究了不同人口群体,技能水平和收入分配之间的暴露程度如何变化 。 最近的研究集中在各种职业中对人工智能的“暴露”。拟议的暴露定义考虑了人工智能应用程序如何与人类重叠 1IthasbeenarguedthatAIfulfillsthedefinitionofaGeneral-PurposeTechnology(GPT)andthereforeholdsthe potentialtospurasustainedwaveofeconomicgrowthandinnovation.Lipseyetal.(2005)defineaGPTasatechnologythat (i)isw 互补创新。GPT的例子是蒸汽机,电力和互联网。学者们普遍认为,人工智能作为一套技术,是一种GPT(Agrawal等人,2018年),其潜在的一些子领域,如生成人工智能和机器学习,单独满足定义(Goldfarb等人,2023年)。 执行给定职业所需的能力(如Felte等人的AIOE指数。,2021年,2023年)或可以显着加快每个工作中任务的执行速度(Elodo等人。2023年;布里格斯和科德纳尼,2023年) 。如此定义,这个概念故意仍然不知道人工智能在关键任务中替代或补充人类劳动的潜力,并可能完全取代职业。鉴于未来创新及其在特定生产过程中的应用存在很大的不确定性,精确的预测是具有挑战性的,需要重大的警告。然而,对于学者和政策制定者来说,重要的是要考虑人工智能与每种职业互动的后果。例如,从事更容易被人工智能替代的职业的工人将更有可能经历不利的收入冲击,而从事补充职业的工人可能会获得更高的劳动报酬。这样的做法将允许进行知情的讨论,讨论人工智能如何可能对某些工人造成更大的不利劳动力市场结果风险,并为其他人带来更大的机会,从而对其整个经济范围的影响产生总体影响。 因此,本文通过扩展Felte等人广泛使用的AI职业暴露(AIOE)措施,为有关AI如何影响劳动力市场的辩论做出了贡献。(2021)考虑潜在的互补性。为此,我们首先基于这些作者使用的相同数据源,即职业信息网络(O*NET)存储库,在职业层面构建AI互补性潜力指数。具体来说,我们利用O*NET的两个领域:工作环境和职业的“工作区”。前者捕获了“影响工作性质的物理和社会因素”,因此可以提供信息,说明在没有人类监督的情况下将职业的关键活动分配给AI的可能性,即替代劳动。例如,在错误会带来严重后果的情况下,社会可能不太可能完全委托给人工智能,比如驾驶飞机或诊断疾病。同时,工作区反映了从事职业所需的教育和培训量。更长时间的培训可能需要更大的能力,将操作人工智能所需的知识整合到一个职业的技能集中,转化为使用该技术支持人类任务的更大潜力。 利用这一指数,我们构建了一个互补性调整的人工智能职业暴露(C-AIOE)指标 ,其中职业的暴露通过其互补性潜力得到缓解。在这种替代措施中,较高的暴露值更紧密地对应于更大的替代风险,因此AI会对劳动力市场产生不利影响。我们发现,一些高技能的职业群体,如专业人士和管理人员,也具有最高的互补性潜力,因此具有较低的C-AIOE值。同时,文书支持职业也高度暴露。 但平均互补性较低,因此在C-AIOE指标中得分最高。 第二个问题涉及各国在人工智能暴露方面的差异程度,以及在每个国家内,暴露在劳动力中的分布方式是否出现了类似的模式。到目前为止,对风险敞口的大多数分析都集中在发达经济体(AEs)上,对新兴市场(EMs)的讨论有限。后一组国家涵盖了各种各样的经济现实,其特点是在职业和工人人口统计方面有不同的劳动力市场构成。因此,劳动力市场对新兴市场人工智能的敞口及其与AEs的差异值得更深入的讨论。 因此,本文的第二个贡献是使用来自六个经济体的工人级微观数据对AI暴露进行详细的跨国分析:两个发达经济体(英国和美国)和四个新兴市场(巴西,哥伦比亚,印度,南非)。我们将最近的劳动力调查的微观数据与AIOE和C-AIOE措施相结合,在非常精细的职业层面(超过400个ISCO-08代码),以描绘各国和每个国家内部的AI暴露情况。微观数据的使用还可以根据人口群体和收入分布,更深入地分析各个国家劳动力市场的异质性,揭示AEs和EMs暴露模式的异同。 主要发现可以总结如下。基准AIOE的跨国差异很大,新兴市场的暴露水平通常低于AEs。这种变化主要取决于不同的就业构成,其中AEs的特征是较大比例的高技能职业,例如专业人员和管理人员。与先前研究的结果一致,这些职业由于其高度集中的基于认知的任务而最容易受到AI的影响(Felte等人。,2021,2023;Briggs和Kodai,2023;Elodo等人。,2023)。然而,由于这些高技能职业也显示出更高的人工智能互补性潜力,一旦考虑到互补性,这些在潜在破坏性暴露方面的跨国差异就会显著减少。然而,即使在C-AIOE措施下,AE仍然暴露更多。与此同时,像印度这样在农业就业中占有很大份额的新兴市场在这两种措施下的暴露程度仍然相对较低,因为该行业的职业对人工智能的基线暴露程度非常低。总体而言,研究结果表明,人工智能对就业市场的影响可能更加“两极分化”,因为他们的就业结构使他们能够更好地从增长机会中受益,但也使他们更容易受到可能的工作流离失所的影响。 我们的分析揭示了在EMs和AEs中,在性别、教育和年龄等人口变量中,调整后和未调整后的人工智能暴露的国内差异。这些模式在各国之间表现出明显的相似之处 。在我们的样本中,几乎所有国家的女性都比男性更容易接触人工智能,这主要是由于她们在中等技能服务和零售职业中的就业占主导地位,这些职业比体力劳动角色的暴露程度相对更高。唯一的例外是印度,由于妇女在农业中的大量就业,她们的风险敞口低于男性。就受教育程度而言,在AEs和EMs中,至少具有大学学位的工人比具有较低学历的工人更容易受到影响。然而,前者也有更大的潜力从人工智能中受益,因为他们专注于专业和人工工作。在年龄方面没有出现共同的结果,这很可能是由于与受教育程度和女性劳动力参与方面的特定国家长期趋势的复杂相互作用。 关于收益分布的风险敞口,出现了一