Dirbtinio intelekto pritaikymo poveikis darbo vietoms: įrodymai iš JAV važiavimo į darbą ir atgal zonų


Dirbtinis intelektas (AI) dažnai vertinamas kaip viena labiausiai transformuojančių ir žalingiausių pastarojo meto technologijų (žr. ankstyvąsias Baldwin 2018 ir Bughin 2017 stulpelius). Dėl mašininio mokymosi metodų tobulinimo ir didėjančio didžiulio skaitmeninių duomenų kiekio prieinamumo, per pastaruosius du dešimtmečius labai išaugo AI programų naudojimas, įskaitant žiniatinklio paieškos variklius, tikslinę reklamą, rekomendacijų sistemas, generatyvius ar kūrybinius įrankius. , ir pokalbių robotai. Neatidėliotinas politikos klausimas – kaip ši pažanga paveiks darbo rinkas ir ypač užimtumą. Viena vertus, išmanieji įrankiai žada sustiprinti žmogaus galimybes ir sukurti naują tam tikrų įgūdžių paklausą (pvz., Brynjolfsson ir kt., 2023, McKinsey Global Institute 2017). Kita vertus, dirbtinis intelektas gali pranokti darbuotojus atliekant sprendimų priėmimo užduotis ir padaryti juos nereikalingais, arba gali paskatinti automatizavimą (Acemoglu 2022, Acemoglu ir Johnson 2023). Taigi, ar AI papildys ar pakeis darbuotojus, yra empirinis klausimas, kuriam vis dar yra mažai sistemingų įrodymų.

Neseniai atliktame darbe (Bonfiglioli ir kt., 2023 m.) tiriame ankstyvojo DI priėmimo etapo poveikį užimtumui, išnaudojant skirtumus JAV važiavimo į darbą ir atgal zonose (CZ) 2000–2020 m. laikotarpiu. Plačią AI apibrėžimą kaip algoritmus, taikomus dideliems duomenims, jo sklaida prasidėjo 2000-ųjų pradžioje ir paspartėjo po 2010 m. Nors mūsų pavyzdys buvo sukurtas anksčiau nei buvo sukurti dideli kalbos modeliai, pvz., ChatGPT, vis dėlto ji apima skaitmeninės ekonomikos augimą ir visos pagrindinės įmonės, užsiimančios didelių duomenų rinkimu, pvz., „Amazon“, „Google“ ir „Facebook“.

AI pritaikymo vertinimas JAV kelionės į darbą ir atgal zonose

Mūsų analizė susiduria su dviem iššūkiais. Pirma, dirbtinio intelekto pritaikymą sunku išmatuoti, nes iki šiol nėra oficialios statistikos. Tačiau dirbtinio intelekto technologijoms naudoti reikalingi darbuotojai, turintys labai specifinių programavimo įgūdžių. Pasitelkę naują O*NET duomenų bazės skyrių – „Karštosios technologijos“ – su dirbtiniu intelektu susijusias profesijas priskiriame prie tų, kurių darbo skelbimams dažniausiai reikalinga programinė įranga, naudojama mašininiam mokymuisi ir duomenų analizei. Mūsų pradinę su AI susijusių profesijų klasifikaciją sudaro 19 pavadinimų, tokių kaip duomenų mokslininkai, kompiuterių programuotojai, programinės įrangos kūrėjai ir interneto dizaineriai. Tada aptinkame AI priėmimas dėl šių su dirbtiniu intelektu susijusių profesijų santykinės svarbos augimo. Antrasis iššūkis nustatant priežastinį poveikį yra tai, kad dirbtinio intelekto pritaikymas gali būti susijęs su kitais sukrėtimais, kurie gali turėti įtakos užimtumui. Norėdami išspręsti šią problemą, naudojame pamainų dalijimosi priemonę, AI ekspozicijakuris sujungia pramonės lygio AI pritaikymą JAV su CZ lygio užimtumo dalimis visose pramonės šakose. Tai leidžia mums identifikuoti CZ, kurios labiau susiduria su dirbtiniu intelektu, kaip tas, kurios specializuojasi pramonės šakose, kuriose su DI susijusių profesijų skaičius visoje šalyje augo sparčiau.

2000–2020 m. su dirbtiniu intelektu susijusių profesijų užimtumo dalis JAV išaugo beveik dvigubai – nuo ​​0,14 % iki 0,20 %. Didžioji dalis šio padidėjimo įvyko po 2010 m. DI technologijų sklaida įvairiose pramonės šakose labai skiriasi. DI yra labiausiai paplitęs paslaugų sektoriuje, ypač pažangiose srityse, tokiose kaip informacijos, profesinės, mokslo ir verslo paslaugos. Jis taip pat svarbus kai kurioms komunalinėms paslaugoms, tokioms kaip elektra, ir kai kuriose viešojo sektoriaus srityse, pavyzdžiui, nacionalinio saugumo ir tarptautinių reikalų srityse. Ir atvirkščiai, AI pritaikymas gamyboje vis dar ribotas. Ši savybė išskiria dirbtinio intelekto pritaikymą nuo pramoninių robotų naudojimo, kuris daugiausia koncentruojamas gamybos sektoriuje (Acemoglu ir Restrepo 2020).

1 paveiksle pateikiami spalvų žemėlapiai, rodantys, kaip AI pritaikymas (a skydelis) ir AI ekspozicija (b skydelis) skiriasi JAV CZ, o tamsesnės spalvos rodo didesnį pritaikymo ar poveikio lygį per imties laikotarpį. Neigiamos reikšmės yra labai retos (tik 6 % CZ), o tai reiškia, kad dirbtinio intelekto technologijų diegimas buvo plačiai paplitęs reiškinys JAV per pastaruosius du dešimtmečius. Įdomu tai, kad mūsų AI pritaikymo priemonė (a skydelis) yra labai veiksminga fiksuojant AI sklaidą tiek numatomose vietose, kaip Bostonas, Sietlas ir Silicio slėnis, ir naujuose aukštųjų technologijų centruose, tokiuose kaip Boulder, Bozeman ir Solt Lake. Miestas. Mūsų AI poveikio matas (b skydelis) pašalina AI pritaikymo svyravimus, kuriuos greičiausiai lems tuo metu vykstantys CZ lygio smūgiai, o tai gali suklaidinti įvertinimą.

1 pav AI pritaikymas ir AI poveikis JAV važiavimo į darbą ir atgal zonose

Šaltinis: JAV surašymas ir Amerikos bendruomenės tyrimas.
Pastabos: Viršutiniame žemėlapyje pavaizduota vidutinė AI pritaikymo rodiklio vertė kiekvienoje ČZ 2000–2010 m. ir 2010–2020 m. dešimtmečiais. Apatiniame žemėlapyje pavaizduotos atitinkamos AI ekspozicijos matavimo vertės.

Neigiamas dirbtinio intelekto įtaka užimtumui

2 paveiksle pateikiamas grafinis mūsų empirinės strategijos ir pagrindinių rezultatų vaizdas. Taškai kiekvienoje iš keturių sklaidos diagramų rodo kiekvieno CZ ir dešimtmečio (2000–2010 ir 2010–2020) stebėjimus, o raudona linija yra tiesinės regresijos linija. Skydelyje a (OLS) dokumentuojama neigiama koreliacija tarp dirbtinio intelekto pritaikymo ir dešimtmetį vykstančio užimtumo ir gyventojų skaičiaus pokyčio Čekijos lygiu. Skydelis b (pirmasis etapas) patvirtina, kad AI poveikis yra stiprus AI pritaikymo prognozuotojas, taigi ir galinga šių technologijų diegimo priemonė. C skydelis (sumažinta forma) rodo, kad AI poveikis stipriai neigiamai koreliuoja su užimtumo augimu. Galiausiai, skydelyje d (2SLS) brėžiamas ryšys tarp AI priėmimo, kaip prognozuojama pagal AI poveikį, ir dešimtmečio užimtumo lygio pokyčio, pabrėžiant stiprų neigiamą (priežastinį) AI priėmimo poveikį užimtumo augimui. Apskritai šios diagramos rodo, kad CZ, kurios specializuojasi sektoriuose, kuriuose išgyvena su AI susijusio užimtumo bumą, buvo didesnis dirbtinio intelekto pritaikymo lygis, o tai savo ruožtu sąlygojo santykinį užimtumo sulėtėjimą. Kiekybiniu požiūriu mūsų vertinimai rodo, kad jei Čekijoje, kurios vidutinis AI pritaikymas imties laikotarpiu, hipotetiškai nebūtų buvęs pritaikytas, jos užimtumo lygis būtų išaugęs 0,6 procentinio punkto daugiau.

2 pav AI pritaikymas, DI poveikis ir užimtumas JAV važiavimo į darbą ir atgal zonose

Pastabos: Įvertinimo imtį sudaro 722 CZ, stebėtos per du dešimtmečius, 2000–2010 ir 2010–2020 m. Kiekviename sklype stebėjimas yra CZ x dešimtmečio pora. Numatytasis AI pritaikymas yra pritaikyta AI pritaikymo mato vertė iš pirmosios pakopos regresijos diagramoje b).

Šie rezultatai yra patikimi, norint suvaldyti keletą papildomų darbo rinkos sukrėtimų, tokių kaip importo konkurencija iš Kinijos (Autor ir kt., 2013), pramoninių robotų pritaikymas (Acemoglu ir Restrepo, 2020) ir padidėjęs IRT naudojimas. Jie taip pat galioja naudojant alternatyvius su DI susijusių profesijų apibrėžimus ir įvairiais būdais kontroliuojant nuokrypius.

3 paveiksle parodyta, kaip AI pritaikymo ir užimtumo augimo ryšys skiriasi priklausomai nuo specifikacijų. Paveiksle pateikiami trys pagrindiniai rezultatai. Pirma, dirbtinio intelekto pritaikymo poveikis yra daug stipresnis, kai dirbtinio intelekto pritaikymas atliekamas naudojant DI poveikį (2SLS palyginti su OLS specifikacija), o tai rodo, kad klaidinantys veiksniai dažniausiai slepia neigiamą AI poveikį užimtumui. Antra, dirbtinio intelekto poveikį lemia pritaikymas paslaugų sektoriuje, kur šių technologijų diegimas yra labiau paplitęs. Trečia, dirbtinio intelekto pritaikymas labiausiai neigiamai veikia darbuotojus, neturinčius aukštojo mokslo laipsnio. Ir atvirkščiai, dirbtinio intelekto pritaikymas turi naudos tik tiems darbuotojams, kurie dirba profesijose, kurioms reikalingas STEM laipsnis, ir tiems, kurie patenka į 10 % didžiausių pajamų paskirstymo.

3 pav Heterogeniškumas

Pastabos: paveiksle pateikiami apskaičiuoti koeficientai ir 90 % pasikliautinieji intervalai, taikomi AI pritaikymo matavimui pagal skirtingas specifikacijas. Įvertinimo imtį sudaro 722 CZ, stebėtos per du dešimtmečius, 2000–2010 ir 2010–2020 m.

Mūsų rezultatai taip pat rodo, kad neigiamas dirbtinio intelekto pritaikymo poveikis neapsiriboja paslaugų sektoriumi, bet taip pat apima užimtumą gamyboje, kur šių technologijų naudojimas vis dar yra ribotas. Konkrečiai kalbant, gamybos sektorius sudaro beveik 45 % bendro dirbtinio intelekto poveikio užimtumui, o paslaugų sektoriuje – 60 %. Siekiant išsiaiškinti mechanizmą, kuriuo grindžiamas šis išsiliejimas, 4 paveiksle pateikiamas apskaičiuotas dirbtinio intelekto pritaikymo poveikis užimtumui įvairiose gamybos pramonės šakose. Paveikslėlyje parodyta, kad ypač stipriai nukenčia darbuotojai tose pramonės šakose, kurioms būdingas didelis automatizavimo intensyvumas, pavyzdžiui, transporto įranga ir medienos gaminiai. Tai rodo, kad dirbtinio intelekto pritaikymas paslaugose iš tikrųjų gali būti naudojamas automatizuojant darbo vietas gamyboje.

4 pav AI pritaikymas ir įdarbinimas atskirose gamybos pramonės šakose

Pastabos: Įvertinimo imtį sudaro 722 CZ, stebėtos per du dešimtmečius, 2000–2010 ir 2010–2020 m.

Išvados

Naujausi patobulinimai AI srityje sukėlė daug ažiotažų apie darbo ateitį. Nors niekas negali numatyti tikslios krypties, kuria pasisuks naujos inovacijos ir pritaikymai, manome, kad svarbu pradėti nuo supratimo, kokių pasekmių šios technologijos jau turėjo. Mūsų rezultatai rodo, kad dirbtinio intelekto pritaikymas neigiamai veikia daugumos darbuotojų ir sektorių užimtumą. Nors reikia daugiau mikrolygio įrodymų, kad būtų galima tiksliai nustatyti mechanizmą, per kurį atsiskleidžia šis neigiamas poveikis, mūsų įrodymai vis dėlto atitinka požiūrį, kad dirbtinis intelektas prisideda prie darbo vietų automatizavimo ir didėjančios nelygybės.

Nuorodos

Acemoglu, D (2022), „AI žala“, J Bullock ir kt. (red.), Oksfordo AI valdymo vadovasOksfordo akademikas.

Acemoglu, D ir S Johnson (2023), Galia ir pažanga: mūsų tūkstantmetė kova dėl technologijų ir klestėjimoJohn Murray Press.

Acemoglu, D ir P Restrepo (2020). „Robotai ir darbai: įrodymai iš JAV darbo rinkų“, Politinės ekonomijos žurnalas 128(6): 2188-2244.

Autorius, D, D Dorn ir G Hanson (2013), „Kinijos sindromas: vietinės darbo rinkos poveikis importo konkurencijai Jungtinėse Valstijose“, Amerikos ekonomikos apžvalga 103(6): 2121-2168.

Baldwin, R (2018), „Dirbtinis intelektas tarptautiniams ekonomistams (tarptautinio ekonomisto): 1 dalis iš 5“, VoxEU.org, gruodžio 7 d.

Bonfiglioli, A, R Crinò, G Gancia ir I Papadakis (2023), “Dirbtinis intelektas ir darbai: įrodymai iš JAV važiavimo į darbą ir atgal zonų“, CEPR diskusijų dokumentas 18495.

Brynjolfsson, E, D Li ir L Raymond (2023), „Generative AI at Work“, NBER darbo dokumentas 31161.

Bughin, J (2017), „Naujas dirbtinio intelekto pavasaris: kelios ankstyvosios ekonomikos“, VoxEU.org, rugpjūčio 21 d.

McKinsey Global Institute (2017), „Dirbtinis intelektas: kita skaitmeninė siena? Diskusijų referatas.



Source link

Back To Top

Draugai: - Marketingo paslaugos - Teisinės konsultacijos - Skaidrių skenavimas - Fotofilmų kūrimas - Karščiausios naujienos - Ultragarsinis tyrimas - Saulius Narbutas - Įvaizdžio kūrimas - Veidoskaita - Nuotekų valymo įrenginiai -  Padelio treniruotės - Pranešimai spaudai -