2025-01-02-BIS-2024生成式AI的崛起对美国劳动力市场的影响分析报告渗透度替代效应及对不平等状况_40页_4mb

报告摘要

总结：生成式AI对美国劳动力市场的影响

核心内容

本文探讨了生成式人工智能（Generative AI）对美国劳动力市场的潜在影响，重点关注其对职业暴露（exposure）、替代（substitution）和不平等（inequality）的影响。研究基于711种美国职业的技能和职业水平数据，构建了一个定量模型，模拟了AI能力提升对不同职业的影响。

主要观点

AI能力与技能暴露
- AI只能执行其能力范围内的技能，特别是涉及计算机交互的技能。
- 在低AI能力下，约7%的技能受到AI影响，影响范围覆盖整个工资分布。
- 在中等和高AI能力下，技能暴露率分别上升至17%和36%，且在最高工资四分位数中，可达45%。
技能类型与AI影响
- 职业技能分为“核心技能”（core skills）和“辅助技能”（side skills）。
- 辅助技能通常比核心技能更容易被AI替代，因此AI对辅助技能的影响更为显著。
- 低AI能力下，所有职业均被AI辅助，但核心技能仍难以被替代。
- 随着AI能力提升，低薪职业的核心技能也逐渐暴露，可能引发替代效应和不平等加剧。
对不平等的影响
- 初期AI可能通过提高生产力和减少工作差异来促进包容性增长。
- 然而，随着AI能力增强，低薪职业的核心技能暴露增加，导致替代效应增强，不平等可能扩大。
- 高薪职业的核心技能仍较难被AI替代，因此其职业相对安全。
AI与生产力
- AI能够提升特定职业的生产力，如律师、医生和科学家等职业的辅助技能。
- 一些研究指出，AI可能减少低技能工人之间的经验差异，但对低知识水平的工人可能产生负面影响。
AI与历史技术变革的对比
- 与以往自动化技术不同，AI主要影响认知任务，而非体力或社交任务。
- 早期自动化技术主要影响体力劳动，而AI则更可能影响中高薪职业的辅助技能。
- AI的替代效应可能比以往技术更复杂，需关注技能结构和工资分布的变化。

关键信息

数据来源：O*NET数据库（版本27.2）和美国劳工统计局（BLS）2022年职业就业与工资统计（OEWS）。
模型构建：基于“AI能力”参数，模拟AI对不同职业的影响。模型分为技能级别、职业级别和行业级别。
技能暴露公式：
$$
A_{i, o} (\kappa_{AI}) = \frac{\sum_{s \in S} A_{i, o, s} (\kappa_{AI}) \cdot I_{i, o, s}}{\sum_{s \in S} I_{i, o, s}}
$$
$$
AISA_{i, o} (\kappa_{AI}) = T_{i, o} \cdot A_{i, o} (\kappa_{AI})
$$
职业暴露差异：
- 在低AI能力下，所有职业的技能暴露率相似，但低收入职业的技能使用时间较少。
- 在高AI能力下，低收入职业的技能暴露率显著上升，而高收入职业的辅助技能暴露率更高。
研究结论：
- AI可能不会减少不平等，反而可能加剧，尤其是对低薪职业的影响更为显著。
- AI对高薪职业的核心技能影响较小，但对其辅助技能影响较大，因此高薪职业可能更早受益于AI。
- 未来政策需关注AI对技能结构和工资分布的长期影响，以促进公平增长和就业稳定。