缓冲区还是瓶颈？拉丁美洲的生成性人工智能和数字鸿沟的就业风险

10863 缓冲器还是瓶颈？ 就业暴露于生成式人工智能和拉丁美洲的数字鸿沟 Paweł GmyrekHernan Winkler Santiago Garganta 贫困与平等全球实践 2024年7月 一份经验证的可重复性包可供本论文使用，可在http://reproducibility.worldbank.org获取，点击即可直接访问。此处 政策研究工作论文 10863 摘要 实证证据关于生成式人工智能（GenAI）潜在影响的多数研究集中在高收入国家。相比之下，关于这项技术对发展中国家未来经济路径的作用所知甚少。本文通过估计拉丁美洲劳动力市场对GenAI的暴露程度，有助于填补这一空白。它通过利用丰富的一套协调一致的户调和劳动力调查数据，提供了国与国之间以及国内GenAI暴露的详细统计数据。为了考虑发展中国家技术采用速度较慢的问题，它通过使用在工作场所获取数字技术的可能性来调整GenAI暴露的衡量标准。然后，它被用来评估国与国之间以及国内数字鸿沟是否会成为最大化可能通过GenAI工具增强的职业生产力收益的障碍。 研究发现，某些特征与更高的接触度持续相关。具体来说，要求较高教育水平、位于正规部门并由收入较高的人担任的城市工作更有可能与这项技术产生互动。此外，年轻工人面临更大接触度的倾向尤为明显，包括面临工作自动化的风险，尤其是在金融、保险和公共行政领域。在调整了数字技术的接入情况后，研究发现，数字鸿沟是实现区域就业中生成人工智能（GenAI）积极影响的重大障碍。特别是，近一半可能从增强中受益的职位因缺乏使用数字技术而受到阻碍。这种数字鸿沟的负面影响在贫困国家更为明显。 《政策研究工作论文系列》传播正在进行中的研究成果，以鼓励关于发展的观点交流。问题。该系列的目标是迅速发布研究成果，即便这些报告在呈现方面可能并不完美无瑕。论文附带有作者姓名应相应引用。本文所表达的研究发现、解释和结论完全是作者个人的。作者的观点。它们不一定代表国际复兴开发银行/世界银行的看法。其附属机构，或世界银行执行董事或他们所代表的政府的机构。EKP我一个NPG 缓冲器还是瓶颈？拉丁美洲生成式AI对就业的影响及其数字鸿沟数字1 帕维尔·格梅雷克，高级研究员，国际劳工组织；赫尔南·温克勒，高级经济学家，世界银行；蒂亚戈·加尔甘塔，高级研究员，CEDLAS-UNLP圣 © 2024 世界银行和国际劳工组织 《政策研究工作论文系列》传播正在进行中的研究成果，以鼓励关于发展问题的观点交流。本系列的一个目标是发布研究结果。迅速地，即使演示文稿不够完美。论文上附有作者的名字。作者和应相应引用。在文中表述的研究发现、解释和结论应予以引用。本文的观点完全属于作者本人。它们不一定代表编辑或出版机构的观点。国际复兴开发银行/世界银行及其附属机构，或世界银行的执行董事或他们所代表的政府。国际劳工组织（ILO） 1. 简介 公众对生成式人工智能（GenAI）的关注自对话模型如ChatGPT、Bard或Gemini推出以来一直在上升。大型语言模型（LLM）令人印象深刻的能力，以及其他能够从简单的文本提示生成图像甚至视频的基于神经网络的AI系统，为国家政策制定者和国际合作结构提出了许多重要的伦理和安全问题。然而，占据普通公民日常注意力最多的话题是这些快速发展的工具对就业的潜在影响。 在美国（US），超过一半的成年人对日常生活中的AI感到担忧，而不是兴奋，他们提到“失业”是他们最重要的担忧（Faverio和Tyson，2022年；皮尤研究中心，2023年；罗格斯大学，2024年）。在瑞士，一项2023年的针对生成式人工智能（GenAI）的专项调查显示，在1000名已经使用计算机工作的受访者中，几乎一半（43%）担心在未来五年内失去工作，而那些在工作中经常使用GenAI的人（69%）担忧程度更高（Grampp等人，2023年）。这表明，在2022年底公共可访问聊天机器人出现之前，由经合组织（OECD）收集的关于AI的更加积极的评估迅速发生变化（Lane等人，2023年；经合组织，2023年）。2 不出所料，由于通用人工智能与劳动市场的互动可能导致的潜在变革，也引起了学者们越来越多的关注。主要的研究问题集中在就业、新兴职业、生产力和工作质量的影响上。3最近一份来自国际货币基金组织（IMF）的论文对该文献进行了全面概述，同时突出了超出高收入国家（HICs）的研究稀缺性（Comunale and Manera, 2024）。 弥合这一研究差距，我们的研究为拉丁美洲和加勒比海地区（LAC）的劳动力市场GenAI的潜在影响提供了新的证据。在借鉴Gmyrek、Berg和Bescόnd（2023）——以下简称GBB——的研究方法的基础上，我们利用世界银行（WB）和国际劳工组织（ILO）为LAC提供的协调一致的住户和劳动力调查数据，提供了关于不同国家和国内AI暴露水平的新证据。通过利用这两个机构数据集的比较优势，我们制定了一个全面的区域概述，并附有按国家计算的潜在职业暴露估计，进一步按详细的人口和劳动力市场特征进行细分。 这项研究的一个重要贡献是首次尝试将工作对GenAI（通用人工智能）的暴露度措施适应于发展中国家环境，在这些国家中，即使是那些本应从GenAI中受益的职业的工人，也可能因数字基础设施条件差而无法从中获益。我们通过估计计算机的... 在工作场所使用ISCO两位数职业分类、基于PIAAC数据的工人和国家级特征，并将这些特征随后归入SEDLAC数据库中包含的国家级调查的个人观察中。然后，我们使用这一衡量标准来在预期将从GenAI使用中受益的工人中创建两个类别：那些能够访问数字技术的工人，以及那些不能的工人。后者的规模是那些即使他们的工作理论上可以从转型中受益，但仍然无法享受GenAI生产力益处的工人数量的指标。我们还讨论了最有可能受到这些基础设施限制负面影响的群体的详细人口统计特征。 我们的研究发现，在拉美及加勒比地区，30%至40%的就业岗位以某种方式与生成式人工智能（GenAI）相关。这种关联性与国家的经济状况有关，表明收入水平是GenAI对劳动力市场影响的强烈关联因素。这一总的暴露程度包括三个类别：面临自动化、增强以及“未知领域”。后者包括那些职业，其——根据技术的进步和相邻技术应用（如基于LLM的代理）的使用情况——可能在自动化或增强之间更加接近。 某些特征与更高整体GenAI曝光度持续相关。具体而言，要求高等教育、位于正规部门以及由具有较高相对收入的个人持有的基于城市的职位更有可能与这项技术发生互动。受自动化影响的就业岗位占比相对较小但并非微不足道，大约占就业总量的2至5%。年轻和女性工人通常面临更大的自动化暴露风险，特别是在金融、保险和公共管理领域。同时，所有LAC国家中，能够从GenAI生产性变革中获益的岗位比例持续高于面临自动化风险的岗位比例，占各国就业总量的8至12%。在教育、卫生和个人服务领域的岗位尤为如此。此外，面向客户服务的部门（零售、贸易、酒店、餐馆等）面临着较高的“未知因素”曝光风险。在我们的估算中，这一类别涵盖了最大的（14-21%）就业岗位份额，显示出虽然职业暴露的概念更容易建立，但对于今日大量劳动市场的岗位可能会如何演变，具体的效应预测要困难得多。 最后，我们发现，获取数字技术是工人利用GenAI潜在利益程度的关键决定因素。近一半可能从增强中受益的职位受到数字不足的阻碍，这将阻止他们实现这种潜力。具体来说，6.24%的女性工作和6.22%的男性工作受到影响，这些差距正是原因。类似的限制也适用于“未知领域”的工作：尽管其中一些可能通过提高GenAI与人类工人在这些职业中的互补性来实现转向增强，但数字差距将阻止这些职位中的大量工作进入这种情景。 该研究其余部分的结构如下：第2节提供了拉丁美洲及加勒比地区(LAC)的一般概述，并详细阐述了对GenAI相互作用的理论影响预期。 本报告第三部分讨论了用于分析所采用的数据和方法，第四部分详细阐述了我们的发现，最后讨论部分在第5部分呈现。 2. 拉丁美洲地区以及生成式人工智能（GenAI）的理论影响 拉丁美洲和加勒比海地区（LAC）的定义在不同的机构中可能有不同的范围。在我们的研究中，我们采用了一种启发式方法，即在WB、ILO和任何其他相关来源的数据库中，包括我们能够找到足够高质量数据的最大数量的国家。最终样本包括22个国家，如图1所示，这些国家根据2022年WB使用的基于收入分组，以及总人口数量进行排列。该地区非常异质，从加勒比海中非常小的岛屿，居民人数不到五十万，到人口众多的国家如巴西和墨西哥。相应地，该地区从高收入国家如乌拉圭和巴拿马，到低收入国家如尼加拉瓜和洪都拉斯。 虽然大量文献分析了技术变革对拉美和加勒比地区（LAC）劳动力市场结果的影响（例如，参见Dutz等人，2018年），但预计生成式人工智能（GenAI）的出现可能不同于之前的科技突破。Autor（2024）声称，新技术对劳动力的变革性影响是通过重塑人类专业知识来实现的，他以两个例子来阐述这一假设：18世纪和19世纪大众生产的采用，以及自20世纪60年代以来数字技术的采用。大众生产的出现将工匠的复杂工作转变为由生产工人执行的自我包含且简单的任务，使用新机器，并由教育水平更高的人监督。对这种“大众专业知识”的需求增加伴随着越来越多的高中毕业生，导致新的中产阶级兴起。后来， 数字技术允许通过将常规任务编码为确定性规则来执行它们。非常规任务不能通过这项技术来替代，因为它们不是通过学习规则获得的，而是通过实践学习。因此，数字技术通过使专业人士能够更有效地获取和处理信息，从而有更多时间解释和应用这些信息，催生了一种新的专业知识形式。这项技术所取代的常规工作往往位于收入分配的中间，而通过数字化得到补充的非常规工作往往处于顶端，导致劳动力市场两极分化。相比之下，人工智能可以执行通常需要隐性知识的不常规任务。例如，它可以允许非精英工作者（如护士）参与复杂的决策，并且可以自动化一些由高技能工作者（如医生、软件工程师和律师）执行的任务。然而，如以下所述，对就业的最终影响将取决于其他因素。例如，通用人工智能对就业的直接自动化影响可能被对生产力的积极影响所抵消，这将加强劳动力需求。 尽管拉美地区没有关于职业暴露于人工智能的先前细粒度评估，但在更广泛的研究中已有与其他地区的比较。例如，GBB（2023）将拉美地区定位在潜在自动化暴露的区域排名中间，总就业中有2.5%属于这一类别（图2）。在增强潜力方面，同一研究将拉美地区排名倒数第三（就业的12.8%）。类似地，尽管世界经济论坛（WEF）的2023年全球研究没有提供具体的区域排名，但它预测拉美地区的5年结构性劳动力流动率为22%，略低于全球平均水平（23%）。换句话说，拉美地区可以描述为具有低于最工业化国家但高于低收入地区的平均人工智能暴露水平的经济体，使其成为一个相关的中间基准。 从理论上讲，人工智能的兴起及其对劳动生产率的潜在积极影响可能为发展中国家提供了重大机遇。一些最近的私营部门研究表明，广泛采用人工智能的总体影响可能导致高收入国家（HICs）每年生产力增长增加0.1到1.5个百分点，对于新兴市场（EM）的估计数字略低。 （高盛，2023；麦肯锡，2023）。这样的预测对于长期以来与其他地区相比存在持续生产力差距的拉美地区特别有吸引力。尽管亚洲和欧洲的发展中国家设法在1990年至2019年期间缩小了与美国的生产力差距，但在同一时期，拉美地区的情况却相反（国际货币基金组织，2022）。最近的趋势也引发了担忧，因为尽管存在一些国家差异（Erumban等人，2024），但在过去10年的全球生产力放缓开始以来，拉美地区的整体生产力增长几乎为零（Dieppe，2021）。与其他地区相比，创新和技术采用方面的障碍是限制拉美地区生产力增长的特别显著因素。 人工智能能否帮助打破这一生产力僵局？近期的一些实证研究集中于人工智能在特定职业环境中的应用，表明其对生产力