2024 脱胎换骨 AI 的 起对美国劳力市场的 fapapter distribution 分析报 有效及不公平等情况

生成 AI 的兴起 ： 对美国劳动力市场的暴露、替代和不平等效应进行建模 作者 ： 拉斐尔 · 奥尔, 大卫 · 科普费尔, 约瑟夫 · 韦达 货币和经济部 2024 年 9 月 JEL 分类: E24, E51, G21, G28, J23, J24, M48, O30, O33 关键词: 劳动力市场, 人工智能,就业 ， 不平等 ， 自动化 ， ChatGPT ， GPT ，LLM, 工资, 技术 BIS 工作文件由货币和经济组织成员撰写国际清算银行部 ， 并不时由其他机构经济学家 ， 并由世行出版。这些论文是关于主题的兴趣和技术性。他们表达的观点是他们的观点作者 ， 不一定是国际清算银行的观点。 该出版物可在 BIS 网站(www. bis. org) 上获得。 © 国际清算银行 2024。保留所有权利。未经许可，不得复制或翻译，但可以引用原文并注明来源。 ISSN 1020 - 0959 (打印) ISSN 1682 - 7678(在线) 生成 AI 的兴起 ： 对美国劳动力市场的暴露、替代和不平等效应进行建模∗ 拉斐尔 · 奥尔†大卫 · K · 奥菲尔‡ˇJosef Sv 'eda§ 2024 年 8 月 21 日 Abstract 劳动市场对不断进步的AI能力有多大的暴露程度？这种能力在多大程度上替代了人力劳动，并将如何影响不平等现象？我们通过模拟711种美国职业（根据认知技能的重要性和水平分类）来回答这些问题。我们的模拟基于这样一个观点：AI只能执行其能力范围内的技能，并且涉及计算机交互。在低AI能力下，7%的技能在整个工资等级范围内均等暴露。在中等和高AI能力下，平均而言，分别有17%和36%的技能暴露，最高工资四分位数中甚至高达45%的技能暴露。我们还考察了互补与替代之间的差异，建模了其对辅助职业技能和核心职业技能的影响。例如，具备会计能力的AI可以协助医生处理行政工作，从而为医疗检查腾出时间，但这也可能威胁到会计人员的就业。我们发现，在低AI能力下，所有工人的侧技能都得到了补充，因为侧技能比核心技能简单。然而，随着AI能力的进步，低工资职位的核心技能开始暴露，这可能导致替代和不平等加剧。与人们普遍认为AI的发展可能会损害白领工人这一直觉相反，我们发现白领工人会更安全，因为他们核心技能难以自动化。 JEL 代码: E24, E51, G21, G28, J23, J24, M48, O30, O33 关键词 ： 劳动力市场 ， 人工智能 ， 就业 ， 不平等 ， 自动化 ， ChatGPT ， GPT ， LLM， 工资 ， 技术 1 Introduction 生成型AI的发展将如何补充和替代不同类型的劳动力？近期的突破使生成型AI能够在许多领域模仿人类的认知能力，包括法律、医学或科学等“白领”职业。持续的技术进步及其与日常应用和工作流程的整合引发了紧迫的政策问题。 理解潜在的人工智能演变如何补充或替代人类技能对于塑造促进公平增长和就业稳定性的政策至关重要。现有文献主要关注当前人工智能模型对职业层面的影响。1生产力影响的实验证据 (Noy & Zhang ， 2023 ； Brynjolfssonet al., 2023; Penget al., 2023)，以及在特定的人工智能发展阶段，人工智能技术的互补效应和替代效应的潜在影响（Pizzinelli）。et al.,2023；阿西莫格鲁与雷斯特雷波，2019年，2018年c、a）。除了某些类型的职业自由工作者（参见例如韦布2020年），人工智能能力对劳动力市场更广泛的影响力尚未得到证明。 在本文中，我们采取了前瞻性的方法：我们提出了“假设”的问题，并考察了如果一个具有假设能力水平的AI被暴露时，会产生怎样的影响。2不同职业领域。为了初步揭示未来的影响，我们构建了一个简约的自底向上的定量分析，并特别关注收入分配。 我们的分析分两步进行。第一步 ， 我们在 Eloundou 上构建et al.(2023) ； Feltenet al.（2021) ； Gmyreket al.(2023) ； Pizzinelliet al.（ 2023 年) ； Acemoglu(2024 年) ， 并随着 AI 能力的增强对技术的暴露进行建模。3在第二步中，我们通过分析这些发展对核心技能和辅助技能影响的角度，考察它们如何补充或替代人类劳动。 在第一步中，我们argue认为AI短期内的影响仅限于a) 计算机相关的交互以及b) AI可以替代的技能难度。在这一步中，我们仅量化了与计算机交互相关的技能影响。因此，我们没有考虑AI对可能替代体力工作或甚至社交互动的机器人技术的影响。4 我们的首次创新在于利用O*NET数据库中一个使用较少但分类技能难度的部分。直观地说，具有特定能力水平的AI只能执行相应技能水平的任务。随着AI能力的提升，其可执行的任务难度也随之增加。 因此 ， 越来越多的认知技能将暴露于该技术。5 我们将在O*NET数据库分类的711个美国职业中，通过一个量化模拟来探讨AI能力与技能难度之间的关系，这些职业按认知技能的重要性及其所需的计算机交互水平进行分类。模型预测，能够替代简单认知任务（例如货车司机所需的最基本沟通技能）的AI将暴露大约7%的技能。在较低的AI能力水平下，这种影响在整个工资谱系中均匀存在，但原因各不相同。对于低收入工人，大量认知计算机技能被暴露，但计算机交互所占的整体时间比例较低。而对于高收入工人，由于所需技能更高，只有少量的认知计算机技能被暴露，但使用这些技能的时间份额较高。6 随着AI能力的提升，我们观察到职业暴露程度出现了显著差异：在工资分布的上四分位数中，约有45%的职业受到暴露，而最低四分位数的职业暴露比例约为26%。 收入分配将受到什么影响？我们注意到，与文献一致，“暴露”一词具有中性含义，意味着某些技能、任务或工作的部分可以由AI完成。这可能导致替代效应，但也可能通过提高生产效率来互补。7 为了探究这些问题，在文献和模拟研究中的第二次偏离和步骤中，我们考察了人工智能在多大程度上可能补充或替代人类劳动。我们重点关注核心职业技能与辅助（侧翼）职业技能的不同影响，认为无论是在其能力范围内的辅助技能对于该职业来说都是人工智能的补充。例如，如果人工智能能够安排会议、开具账单或进行会计工作，这将使律师、医生或科学家有更多时间专注于核心任务，从而提高生产效率。然而，如果人工智能能够执行职业的核心活动，那么该职业可能会面临风险。 这个练习表明 ， 人工智能最初可能会补充所有职业 ， 因为辅助技能是 5我们不对技术演变的速度做出判断。有人认为人工智能可能会对劳动力市场产生重大影响（如Korinek & Juelfs,2022）。另一些人则认为，未来人工智能的进步可能比预期的要慢得多。例如，Acemoglu（2024）指出，目前的证据主要来自那些易于学习且结果明确的任务（AI可以优化这些任务），而更深层次的生产率影响可能在更微妙的背景下出现得更慢。Perez-Cruz & Shin（2024）认为，当前的语言模型在理解人类互动和高层次信念方面存在局限性。 6对于这些示例，“简单认知任务”对应于O*NET数据库中技能水平为2.0的任务，例如，桩工所需的最低社会感知技能或工业卡车操作员所需的最低沟通技能。“中等认知任务”对应于技能水平为3.0的任务，例如，医疗辅助技术人员的问题解决技能或注册护士的操作监控技能。“高认知任务”对应于技能水平为4.0的任务，例如，精神科医生的说服技能或空中交通管制员的主动倾听技能。Svanberget al.进一步说明，“暴露”并不意味着自动化：他们对执行“最终用途”任务的工人进行调查，以了解 7自动化的需求，并且第二，他们构建了一个模型来估算满足这些需求的成本。专注于视觉自动化的可能性，发现只有23%的“暴露”职业（按Eloundou的定义）具有可自动化的潜力。et al.(2023) ； Felten et al.(2021) couldtoday be automated economically. We note that our measure of exposure is more nuanced than the one in Eloundouet al.(2023) ； Feltenet al.（2021年）我们限制影响的技能范围仅涉及计算机交互，并不仅考虑一项技能是否原则上可以自动化，还 考虑AI的能力水平是否足以实现这种自动化。 一般而言，侧技能比核心技能更容易受到AI的影响。例如，仅能执行简单认知任务的AI对核心技能的暴露几乎可以忽略不计，而平均而言，它会暴露大约12%的侧技能。然而，对于中等水平的AI能力，工资分布各层之间存在差异，低工资工人的核心认知技能大约与他们的侧技能一样容易受到AI的影响。相比之下，工资分布的上四分位数仍然对核心技能几乎没有暴露（5%），而侧技能则显著暴露（27%）。 如果AI能力较强，约25%的最低工资分布四分位数的边沿技能和核心技能会受到影响。相比之下，最高收入分布四分位数的边沿技能中有62%受到影响，而核心技能中仅有20%受到影响。 总体而言，我们对侧技能和核心技能影响的建模因此逆转了这样一个观点，即生成式AI可能在劳动力市场中减少不平等（Noy & Zhang, 2023；Brynjolfsson）。et al.尽管这项技术正更加密集地暴露白-collar工作岗位，这一影响主要集中在他们职业的辅助技能上，而核心技能尚未受到威胁。8相比之下，一个能力较强的AI还将暴露低收入工人核心技能的重要性，从而威胁到替代效应并加剧不平等。 本文结构如下：我们在第2节中将我们的方法与现有文献相关联。接下来，第3节介绍方法论，描述了不断改进的人工智能对职业的进化影响，并作为依赖于人工智能能力的AI暴露度。随后，我们根据核心技能和辅助技能对AI暴露度进行划分（第4节），这些技能随后用于识别个体职业的互补效应和替代效应。第5节呈现额外的稳健性分析，而第6节进行总结。 2 文献综述 历史上，技术进步一直伴随着对它们对劳动力市场影响的乐观与担忧（Bessen, 2016）。人工智能和机器学习等技术的出现进一步加剧了这些辩论，研究人员致力于理解这些新技术如何重塑劳动力市场，以及其影响是否与过去的自动化或计算机化技术变革有所不同（Autor, 2015）。 Several recent studies have直接addressed the potential of the latest advancements in AI tosignificantly impact the current structure of the labour market. Brynjolfsson等人的研究直接探讨了最新人工智能技术的进步对当前劳动市场结构可能产生的重大影响。et al.(2018) 认为美国的大多数职业至少包含一些适合机器学习应用的任务，而Eloundouet al.(2023) 建议，80% 的劳动力可能受到生成预测变换器（GPTs）的影响。尽管这些估计令人震惊，Arntzetal.（2016）认为，在考虑职业内的细微技能时，工作受到自动化的影响其实更加脆弱的说法是较低的。尽管如此，最新大语言模型（LLMs）的普及似乎不容忽视；Eloundouet al.(2023) 进一步发现 19% 的美国工人在 美国可能会看到至少一半的技能受到影响 ， 而 Hatziuset al.(2023) 发现美国 25% 的当前工作技能是可自动化的。 当前的AI能力在某些情况下未能达到深刻推理的能力（Perez-Cruz & Shin, 2024）。然而，一个重要的问题是如何（解决这一差距）。AI 能力的未来演变可以提高劳动生产率或挤占工作岗位。最近对最新一代AI进行的实验表明，在特定职业中它可 以产生积极影响，同