生成式人工智能与未来工作全球对话：认知与展望

核心观点

• 对生成式人工智能 (GenAI) 的看法： 各地区对 GenAI 的看法存在差异。拉丁美洲担心失业，尤其是数字鸿沟导致；欧洲存在不确定性，但担心大规模自动化；亚洲则更关注再培训和技能发展，强调 AI 素养和批判性思维。
• 未来工作研究方法： 报告探讨了多种理解未来工作的方法，包括预测、探索和规范性方法。欧洲更倾向于使用预测和探索方法，亚洲更关注任务自动化风险评估和逆向规划，拉丁美洲则建议建立公共观测站来监测趋势。
• 就业： GenAI 可能导致某些工作被自动化，但也可能增强人类能力并创造新角色。然而，其影响可能因地区、性别和工作队伍群体而异。各地区都强调了再培训的重要性，但方法有所不同。拉丁美洲强调弥合数字鸿沟，欧洲关注受影响群体的再培训，亚洲则主张为所有公民提供 AI 素养教育。
• 工作质量： GenAI 可以通过自动化繁琐、危险和重复性任务来改善工作条件。然而，它也可能导致工作更加标准化和程序化，从而降低工作质量。欧洲对工作质量方面的担忧尤为突出，特别是社会对话和工作条件。亚洲和拉丁美洲则较少关注工作质量，但提到了零工经济和就业不稳定性等问题。
• 政策应对： 各地区已采取政策措施来应对 GenAI 带来的挑战。亚洲侧重于促进 AI 应用和技能发展，主要依靠软法工具。欧洲强调再培训、防止技术滥用和数据保护，主要依靠硬法工具。拉丁美洲则采取了混合方法，结合了 AI 应用、自我监管和基于风险的监管措施。
• 政策重点： 各地区都认为再培训至关重要，但其他政策重点有所不同。亚洲关注提高非正规工人的 AI 素养，为中小企业提供资金支持，以及通过更清晰的用例进行工作重塑。欧洲呼吁建立强大的社会安全网，保护创意专业人士的知识产权，并加强包容性政策制定。拉丁美洲则强调完善社会保护体系，并通过监管沙盒进行实验。

关键数据和研究结论

• 国际组织的研究表明，GenAI 对就业的影响是复杂的，许多工作面临被增强而非完全自动化的风险。
• GenAI 的影响在不同国家和地区以及不同性别和工作队伍群体之间存在显著差异。
• 各地区都认识到再培训的重要性，但方法和重点有所不同。
• 欧洲对工作质量方面的担忧尤为突出，特别是社会对话和工作条件。
• 各地区都采取了政策措施来应对 GenAI 带来的挑战，但方法有所不同。
• 各地区都认为需要采取积极和有针对性的政策应对措施，以确保 GenAI 的益处得到公平分享，并有效缓解其风险。