{"id":1169,"date":"2025-01-13T15:54:39","date_gmt":"2025-01-13T15:54:39","guid":{"rendered":"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/"},"modified":"2025-01-13T15:54:39","modified_gmt":"2025-01-13T15:54:39","slug":"dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui","status":"publish","type":"post","link":"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/","title":{"rendered":"Dirbtinio intelekto \u012ftaka makroekonominiam produktyvumui"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div>\n<p>Spar\u010diai plintant dirbtiniam intelektui (DI), jo poveikis produktyvumui ir darbo rinkai sulauk\u0117 d\u0117mesio. Buvo atlikta daug tyrim\u0173 apie pramonini\u0173 robot\u0173 poveik\u012f produktyvumui (pvz., Graetz ir Michaels 2018, Kromann ir kt. 2020, Cette ir kt. 2021, Dauth ir kt., 2021), nes yra Tarptautin\u0117 robot\u0173 federacija (IFR). duomenys apie robot\u0173 naudojim\u0105 pagal \u0161alis ir pramon\u0117s \u0161akas. Ta\u010diau kiekybinis dirbtinio intelekto poveikis produktyvumui dar n\u0117ra gerai suprantamas, daugiausia d\u0117l to, kad tr\u016bksta statistini\u0173 duomen\u0173 apie AI naudojim\u0105.<\/p>\n<p>Pastaruoju metu keliuose tyrimuose buvo prane\u0161ta apie atsitiktini\u0173 im\u010di\u0173 eksperiment\u0173, atlikt\u0173 atliekant konkre\u010dias u\u017eduotis, i\u0161vadas, kai dirbtinis intelektas turi didel\u012f teigiam\u0105 poveik\u012f produktyvumui (pvz., Brynjolfsson ir kt., 2023, Kanazawa ir kt., 2022, Noy ir Zhang 2023, Peng ir kt., 2023). \u0160ie tyrimai yra vertingas ind\u0117lis, atskleid\u017eiantis prie\u017eastin\u012f AI poveik\u012f produktyvumui, ta\u010diau i\u0161 \u0161i\u0173 rezultat\u0173 ne\u012fmanoma daryti i\u0161vados apie makroekonomin\u012f poveik\u012f, nes tyrimai apima tik labai siaurai apibr\u0117\u017etas klient\u0173 aptarnavimo, vairavimo taksi, ra\u0161ymo u\u017eduotis ir programin\u0117s \u012frangos programavim\u0105 u\u017eduotis.<\/p>\n<p>Acemoglu (2024) \u012fvertina vidutin\u0117s trukm\u0117s AI poveik\u012f produktyvumui JAV kaip AI paveikt\u0173 u\u017eduo\u010di\u0173 procent\u0105, padaugint\u0105 i\u0161 sutaupyt\u0173 u\u017eduo\u010di\u0173 lygmens s\u0105naud\u0173, remiantis \u0161iais esamais u\u017eduo\u010di\u0173 lygio tyrimais. Remiantis jo tyrimu, dirbtinio intelekto makroekonominis poveikis yra nereik\u0161mingas, bet nedidelis, o suminis viso faktoriaus produktyvumo (TFP) padid\u0117jimas yra ma\u017eesnis nei 0,7%. Ta\u010diau jis pa\u017eym\u0117jo, kad yra did\u017eiulis netikrumas d\u0117l to, kurios u\u017eduotys bus automatizuotos ir kokios bus sutaupytos i\u0161laidos. Visai neseniai Filippucci ir kt. (2024) \u012fvertino bendr\u0105 produktyvumo padid\u0117jim\u0105 d\u0117l AI, darydami prielaid\u0105, kad dirbtinis intelektas sutaupys 30 % s\u0105naud\u0173, ir teigia, kad AI gali prisid\u0117ti prie metinio TFP augimo JAV per ateinant\u012f de\u0161imtmet\u012f 0,25\u20130,6 % punkto.\n<\/p>\n<p>Atsi\u017evelgdamas \u012f tai, pateikiu AI naudojimo ap\u017evalg\u0105 ir \u012fvertinu jo poveik\u012f makroekonominiam produktyvumui Japonijoje, naudodamasis pradini\u0173 tyrim\u0173 duomenimis (i\u0161samiau \u017er. Morikawa 2024a, 2024b).<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Turinys;<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#Tyrimo_dizainas\" >Tyrimo dizainas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#AI_poveikis_produktyvumui\" >AI poveikis produktyvumui<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#Galimas_poveikis_ateityje\" >Galimas poveikis ateityje<\/a><ul class='ez-toc-list-level-6' ><li class='ez-toc-heading-level-6'><ul class='ez-toc-list-level-6' ><li class='ez-toc-heading-level-6'><ul class='ez-toc-list-level-6' ><li class='ez-toc-heading-level-6'><ul class='ez-toc-list-level-6' ><li class='ez-toc-heading-level-6'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#Pastabos_juostos_rodo_95_pasikliautinuosius_intervalus_Skaiciai_juostose_yra_priemones_Nauji_AI_vartotojai_yra_tie_kurie_praejusiais_metais_pradejo_naudoti_AI_darbe\" >Pastabos: juostos rodo 95 % pasikliautinuosius intervalus. Skai\u010diai juostose yra priemon\u0117s. Nauji AI vartotojai yra tie, kurie pra\u0117jusiais metais prad\u0117jo naudoti AI darbe.<\/a><\/li><\/ul><\/li><\/ul><\/li><\/ul><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#AI_poveikis_darbo_rinkos_nelygybei\" >AI poveikis darbo rinkos nelygybei<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/naujienosversle.lt\/index.php\/2025\/01\/13\/dirbtinio-intelekto-itaka-makroekonominiam-produktyvumui\/#Nuorodos\" >Nuorodos<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Tyrimo_dizainas\"><\/span>Tyrimo dizainas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>2023 m. rugs\u0117jo m\u0117n. ir 2024 m. spalio m\u0117n. atlikau apklausas, kuriose buvo skirti 20 met\u0173 ir vyresni Japonijos darbuotojai, atrinkti kaip Japonijos darbo j\u0117gos atstovai. 2023 met\u0173 apklausoje dalyvavo 13 150 respondent\u0173. Tolesn\u0117 apklausa 2024 metais buvo i\u0161si\u0173sta tiems, kurie atsak\u0117 \u012f 2023 met\u0173 apklaus\u0105, atsak\u0117 8633. Analiz\u0117je naudojami 8 269 \u0161i\u0173 respondent\u0173 duomenys, ne\u012fskaitant nedirban\u010di\u0173 2024 m. apklausos duomenimis.<\/p>\n<p>Pagrindiniai tyrimo punktai yra (1) AI (\u012fskaitant generatyv\u0173j\u012f DI) naudojimas darbe, (2) u\u017eduo\u010di\u0173, atliekam\u0173 naudojant DI, procentas ir (3) AI naudojimo poveikis darbo efektyvumui. Antrasis ir tre\u010diasis klausimai u\u017eduodami tik tiems, kurie atsak\u0117, kad naudoja dirbtin\u012f intelekt\u0105 darbe. Apklausa taip pat renka informacij\u0105 apie respondent\u0173 lyt\u012f, am\u017ei\u0173, i\u0161silavinim\u0105, pramon\u0117s \u0161ak\u0105, profesij\u0105, u\u017eimtumo tip\u0105, savait\u0117s darbo valandas ir metin\u012f darbo u\u017emokest\u012f.<\/p>\n<p>Remiantis atsakymais \u012f \u0161iuos klausimus, procentas darbuotoj\u0173, kurie naudoja dirbtin\u012f intelekt\u0105 savo darbui (<em>AI_Vartotojas<\/em>), u\u017eduo\u010di\u0173 naudojant AI procentas (<em>AI_Taskshare<\/em>), ir efektyvumo padid\u0117jimas (<em>AI_Efficiency<\/em>) yra lentel\u0117se. DI poveikis darbuotojo lygio produktyvumui (<em>AI_Produktyvumas<\/em>) skai\u010diuojamas dirbtinio intelekto naudotojams kaip <em>AI_Taskshare*AI_Efficiency<\/em>. Pavyzd\u017eiui, jei darbuotojas naudoja dirbtin\u012f intelekt\u0105 30% savo u\u017eduo\u010di\u0173, o AI efektyvumo efektas yra 20%, bendras jo darbo na\u0161umas yra 6% didesnis nei tada, kai jis nenaudojo dirbtinio intelekto. . Nor\u0117dami apskai\u010diuoti AI poveik\u012f makroekonominiam produktyvumui, <em>AI_Produktyvumas<\/em> yra apibendrintas naudojant metin\u012f u\u017edarb\u012f kaip svor\u012f, kuris padalytas i\u0161 bendro metinio u\u017edarbio, \u012fskaitant tuos, kurie nenaudoja dirbtinio intelekto.<\/p>\n<p>Nors \u010dia taikomas metodas yra labai paprastas ir priklauso nuo subjektyvaus darbuotoj\u0173 vertinimo, kai matavimo paklaidos yra nei\u0161vengiamos, \u0161is metodas turi prana\u0161um\u0105, nes i\u0161vengia endogeni\u0161kumo problem\u0173, kylan\u010di\u0173 d\u0117l selektyvaus dirbtinio intelekto naudojimo, nes apklausoje AI vartotoj\u0173 klausiama apie efektyvumo padid\u0117jim\u0105, palyginti su situacija, kai AI nenaudojamas.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"AI_poveikis_produktyvumui\"><\/span>AI poveikis produktyvumui<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Skai\u010dius <em>AI_Vartotojas<\/em> 2024 met\u0173 ruden\u012f buvo 8,3 proc. 2023 m. apklausoje atitinkamas skai\u010dius buvo 5,8 % (5,3 %, kai imt\u012f riboja grup\u0117s respondentai, kurie taip pat atsak\u0117 \u012f 2024 m. apklaus\u0105), o tai rodo, kad dirbtin\u012f intelekt\u0105 naudojan\u010di\u0173 darbuotoj\u0173 skai\u010dius per pastaruosius metus i\u0161augo apie 1,5 karto.\n<\/p>\n<p>Procentas u\u017eduo\u010di\u0173, kuriose naudojamas AI (<em>AI_Taskshare<\/em>) tarp AI_User vidutin\u0117 vert\u0117 yra 15,1%. Kitaip tariant, net kai dirbtinis intelektas naudojamas darbui, u\u017eduo\u010di\u0173, kuriose AI nenaudojama, procentas vidutini\u0161kai yra daugiau nei 80%. Vidutin\u0117 AI naudojimo darbo efektyvumui vert\u0117 (<em>AI_Efficiency<\/em>) yra 25,9 %, o AI_Productivity vidurkis yra 5,6 %, o tai rei\u0161kia, kad bendras darbuotoj\u0173, naudojan\u010di\u0173 dirbtin\u012f intelekt\u0105 savo darbui, produktyvumas yra 5,6 % didesnis nei be AI.<\/p>\n<p>Makroekonominis poveikis produktyvumui, apskai\u010diuotas pagal svor\u012f <em>AI_Produktyvumas <\/em>pagal metin\u012f u\u017edarb\u012f ir vardikliu naudojant vis\u0173 respondent\u0173 bendr\u0105 metin\u012f u\u017edarb\u012f yra +0,58% (\u017er. 1 pav.). Tod\u0117l \u0161iuo metu m\u016bs\u0173 pageidaujamas \u012fvertinimas yra 0,5\u20130,6 % padidinti darbo na\u0161um\u0105 makro lygiu, palyginti su atveju be AI. Poveikis bendrajam faktoriniam produktyvumui (TFP) yra apie 0,3%, jei darbo na\u0161umas perskai\u010diuojamas \u012f TFP, naudojant Acemoglu (2024) naudojam\u0105 darbo dal\u012f (0,535).<\/p>\n<p><strong>1 pav<\/strong> Makroekonominis dirbtinio intelekto poveikis darbo na\u0161umui<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Galimas_poveikis_ateityje\"><\/span>Galimas poveikis ateityje<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Respondent\u0173, atsakiusi\u0173, kad \u201e\u0161iuo metu nenaudoju dirbtinio intelekto darbe, bet manau, kad naudosiu ateityje\u201c, yra apie 28 proc., o tai rodo, kad dirbtinio intelekto naudojimas darbui ir toliau did\u0117s, o makroekonominis poveikis Tik\u0117tina, kad AI ateityje did\u0117s. Darant prielaid\u0105, kad <em>AI_Taskshare <\/em>ir <em>AI_Efficiency <\/em>yra tokie patys kaip ir dabartini\u0173 dirbtinio intelekto naudotoj\u0173, makroekonominis poveikis darbo na\u0161umui b\u016bt\u0173 ma\u017edaug keturis kartus didesnis: ma\u017edaug 2 % didesnis nei be DI. Poveikis bendram darbo veiksni\u0173 produktyvumui, atsi\u017evelgiant \u012f darbo dal\u012f, yra apie 1,1%.\n<\/p>\n<p>Ta\u010diau papildomas produktyvumo padid\u0117jimas gali palaipsniui ma\u017e\u0117ti. Kadangi 2024 m. apklausa atliekama 2023 m. apklausos respondentams, dirbtinio intelekto naudotojus galima suskirstyti \u012f tuos, kurie per pastaruosius metus prad\u0117jo naudoti DI, i\u0161 t\u0173, kurie jau naudojosi DI 2023 m. 2 pav. apibendrintas \u0161i\u0173 dviej\u0173 kategorij\u0173 palyginimas. AI vartotoj\u0173. Abu <em>AI_Taskshare<\/em> ir <em>AI_Efficiency<\/em> yra \u017eymiai ma\u017eesni tiems, kurie naujai prad\u0117jo naudoti AI, nei tiems, kurie nuolat naudojosi DI. D\u0117l to labai skiriasi AI naudojimo poveikis bendram darbo na\u0161umui: priemon\u0117s <em>AI_Produktyvumas<\/em> nuolatini\u0173 dirbtinio intelekto naudotoj\u0173 ir nauj\u0173 AI vartotoj\u0173 yra atitinkamai 7,8% ir 4,4%. \u0160is rezultatas rodo, kad dirbtinio intelekto sklaida prasid\u0117jo nuo darb\u0173, kuriems AI diegimo poveikis yra didelis, ir palaipsniui i\u0161plito \u012f darbus, kuriems jo poveikis yra ma\u017eas. Jei \u0161ios tendencijos t\u0119sis, papildomas DI ind\u0117lis \u012f makroekonomin\u012f produktyvum\u0105 gali palaipsniui ma\u017e\u0117ti, nes did\u0117ja AI vartotoj\u0173 skai\u010dius.<\/p>\n<p><strong>2 pav<\/strong> Nauj\u0173 AI vartotoj\u0173 ir nuolatini\u0173 AI vartotoj\u0173 palyginimas<\/p>\n<h6><span class=\"ez-toc-section\" id=\"Pastabos_juostos_rodo_95_pasikliautinuosius_intervalus_Skaiciai_juostose_yra_priemones_Nauji_AI_vartotojai_yra_tie_kurie_praejusiais_metais_pradejo_naudoti_AI_darbe\"><\/span><em>Pastabos<\/em>: juostos rodo 95 % pasikliautinuosius intervalus. Skai\u010diai juostose yra priemon\u0117s. Nauji AI vartotojai yra tie, kurie pra\u0117jusiais metais prad\u0117jo naudoti AI darbe.<span class=\"ez-toc-section-end\"><\/span><\/h6>\n<h2><span class=\"ez-toc-section\" id=\"AI_poveikis_darbo_rinkos_nelygybei\"><\/span>AI poveikis darbo rinkos nelygybei<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Skai\u010diavimo rezultatai, suskirstyti pagal i\u0161silavinim\u0105 ir metin\u012f u\u017edarb\u012f, pateikti 1 lentel\u0117je. Auk\u0161t\u0105 i\u0161silavinim\u0105 turintys ir auk\u0161t\u0105 atlyginim\u0105 gaunantys darbuotojai da\u017eniausiai naudoja dirbtin\u012f intelekt\u0105 darbe. Kita vertus, skirtumai tarp <em>AI_Taskshare<\/em> ir <em>AI_Efficiency<\/em> Darbuotojo savyb\u0117s yra ribotos. Kitaip tariant, nors ma\u017eiau i\u0161silavin\u0119 ir \u017eem\u0105 darbo u\u017emokest\u012f gaunantys darbuotojai \u017eymiai re\u010diau naudoja dirbtin\u012f intelekt\u0105 savo darbe, produktyvumo poveikis n\u0117ra labai skirtingas (arba \u0161iek tiek didesnis), kai jie naudoja dirbtin\u012f intelekt\u0105 darbui.<\/p>\n<p>Anks\u010diau parodytame 1 paveiksle taip pat parodytas poveikis na\u0161umui visuminiu lygmeniu pagal darbuotoj\u0173 i\u0161silavinimo ir metinio darbo u\u017emokes\u010dio kategorijas. Poveikis produktyvumui yra didesnis auk\u0161to i\u0161silavinimo ir didel\u012f atlyginim\u0105 gaunan\u010di\u0173 darbuotoj\u0173 kategorijoms, daugiausia d\u0117l didesnio dirbtinio intelekto pritaikymo lygio (didel\u0117 mar\u017ea). Min\u0117ti naujausi konkre\u010di\u0173 u\u017eduo\u010di\u0173 tyrimai parod\u0117, kad dirbtinio intelekto poveikis produktyvumui yra didesnis santykinai ma\u017eiau kvalifikuotiems darbuotojams, atliekantiems t\u0105 pa\u010di\u0105 u\u017eduot\u012f. Ta\u010diau mano tyrimo i\u0161vados rodo, kad AI sklaida gali padidinti bendr\u0105 darbo rinkos nelygyb\u0119, bent jau artimiausioje ateityje.<\/p>\n<p><strong>1 lentel\u0117<\/strong> AI naudojimas ir jo poveikis \u0161vietimui ir metin\u0117ms pajamoms<\/p>\n<p><em>Autoriaus pastaba: Pagrindinis tyrimas, kuriuo grind\u017eiama \u0161i skiltis (Morikawa 2024b), pirm\u0105 kart\u0105 pasirod\u0117 Japonijos ekonomikos, prekybos ir pramon\u0117s tyrim\u0173 instituto (RIETI) diskusij\u0173 dokumente.<\/em><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Nuorodos\"><\/span>Nuorodos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Acemoglu, D (2024), \u201ePaprasta AI makroekonomika\u201c, NBER darbo dokumentas 32487.<\/p>\n<p>Albanesi, S, AD da Silva, JF Jimeno, A Lamo ir A Wabitsch (2023), \u201eDirbtinis intelektas ir darbai: \u012frodymai i\u0161 Europos\u201c, VoxEU.org, liepos 29 d.<\/p>\n<p>Brynjolfsson, E, D Li ir LR Raymond (2023), \u201eGeneratyvus dirbtinis intelektas darbe\u201c, NBER darbo dokumentas 31161.<\/p>\n<p>Cette, G, A Devillard ir V Spiezia (2021), \u201eRobot\u0173 ind\u0117lis \u012f produktyvumo augim\u0105 30 EBPO \u0161ali\u0173 1975\u20132019 m.\u201c, <em>Ekonomikos lai\u0161kai<\/em> 200: 109762.<\/p>\n<p>Dauth, W, S Findeisen, J Suedekum ir N Woessner (2021), \u201eDarbo rink\u0173 pritaikymas robotams\u201c, <em>Europos ekonomin\u0117s asociacijos \u017eurnalas<\/em> 19(6): 3104\u20133153.<\/p>\n<p>Filippucci, F, P Gal ir M Schief (2024), \u201eStebuklas arba mitas: dirbtinio intelekto makroekonominio produktyvumo padid\u0117jimo vertinimas\u201c, VoxEU.org, gruod\u017eio 8 d.<\/p>\n<p>Graetzas, G ir G Michaelsas (2018), \u201eRobotai darbe\u201c,<em> Ekonomikos ap\u017evalga ir<\/em> <em>Statistika<\/em> 100 (5): 753\u2013768.<\/p>\n<p>Hui, X, O Reshef ir L Zhou (2023), \u201eDirbtinis intelektas ir jo trumpalaikis poveikis u\u017eimtumui\u201c, VoxEU.org, gruod\u017eio 1 d.<\/p>\n<p>Kanazawa, K, D Kawaguchi, H Shigeoka ir Y Watanabe (2022), \u201eAI, \u012fg\u016bd\u017eiai ir produktyvumas: taksi vairuotoj\u0173 atvejis\u201c, NBER darbo dokumentas 30612.<\/p>\n<p>Kromann, L, N Malchow-M\u00f8ller, JR Skaksen ir A S\u00f8rensen (2020), \u201eAutomatizavimas ir produktyvumas: \u012fvairi\u0173 \u0161ali\u0173, \u012fvairi\u0173 pramon\u0117s \u0161ak\u0173 palyginimas\u201c, <em>Pramon\u0117s ir \u012fmoni\u0173 poky\u010diai <\/em>29(2): 265\u2013287.<\/p>\n<p>Morikawa, M (2024a), \u201eDirbtinio intelekto ir produktyvumo naudojimas: \u012fmoni\u0173 ir darbuotoj\u0173 apklaus\u0173 \u012frodymai\u201c, RIETI diskusij\u0173 dokumentas, 24-E-074.<\/p>\n<p>Morikawa, M (2024b), \u201eMakroekonominis dirbtinio intelekto poveikis produktyvumui: apklausos \u012fvertinimas\u201c, RIETI diskusij\u0173 dokumentas, 24-E-084.<\/p>\n<p>Noy, S ir W Zhang (2023), \u201eEksperimentiniai \u012frodymai apie generatyvaus dirbtinio intelekto produktyvum\u0105\u201c, <em>Mokslas<\/em> 381: 187\u2013192.<\/p>\n<p>Peng, S, E Kalliamvakou, P Cihon ir M Demirer (2023), \u201eAI poveikis k\u016br\u0117j\u0173 produktyvumui: \u201eGitHub Copilot\u201c \u012frodymai\u201c, arXiv.2302.06590.<\/p>\n<\/p><\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/cepr.org\/voxeu\/columns\/impact-artificial-intelligence-macroeconomic-productivity\">Source link <\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Spar\u010diai plintant dirbtiniam intelektui (DI), jo poveikis produktyvumui ir darbo rinkai sulauk\u0117 d\u0117mesio. Buvo atlikta daug tyrim\u0173 apie pramonini\u0173 robot\u0173 poveik\u012f produktyvumui (pvz., Graetz ir Michaels 2018, Kromann ir kt. 2020, Cette ir kt. 2021, Dauth ir kt., 2021), nes yra Tarptautin\u0117 robot\u0173 federacija (IFR). duomenys apie robot\u0173 naudojim\u0105 pagal \u0161alis ir pramon\u0117s \u0161akas. Ta\u010diau&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[5],"tags":[550,551,265,2570,2571],"class_list":["post-1169","post","type-post","status-publish","format-standard","hentry","category-pasaulio-ekonomikos-naujienos","tag-dirbtinio","tag-intelekto","tag-itaka","tag-makroekonominiam","tag-produktyvumui"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/posts\/1169","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/comments?post=1169"}],"version-history":[{"count":0,"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/posts\/1169\/revisions"}],"wp:attachment":[{"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/media?parent=1169"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/categories?post=1169"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/naujienosversle.lt\/index.php\/wp-json\/wp\/v2\/tags?post=1169"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}