AIGC专题：欧洲劳动力市场中的生成人工智能（附下载）
今天分享的是AIGC系列深度研究报告：《AIGC专题：欧洲劳动力市场中的生成人工智能》。
（报告出品方：bruegel）
报告共计：33页
海量/完整电子版/报告下载方式：公众号《人工智能学派》
在欧洲劳动力市场接触生成型人工智能
我们应用两套生成式人工智能(GenAl)职业暴露评分-1以任务为基础，一个以能力为基础一欧洲劳动力调查。虽然使用不同的方法，但我们的研究结果揭示了两种方法的一致人口统计模式:在欧洲，女性、受过高等教育的年轻工人更多地接触到GenAl技术。我们还回顾了最近的生产力的影响GenAl的文献。在相同的职业中，经验较少或技能较低的工人始终能从GenAl支持中获得最大的生产力收益。
我们认为，基于任务的分析比基于能力的分析更有成效，无论是在组织和工作场所指导GenAl的采用，还是评估就业和工作质量对工人的影响。
最后，我们提供的政策建议，可以帮助工人(即劳动力供应)适应技术的破坏，如提供培训和社会安全网。但我们更进一步，还建议采取政策干预，通过促进工作重新设计和组织灵活性，将未来的劳动力需求转向更好的工作。监测GenAl的就业效应和研究“锯齿状的技术前沿”是必要的，以进一步建立我们对这一变革性技术的就业影响的理解。
介绍
直到最近，人工智能（AI）以其基于规则或机器学习的形式在欧洲的组织中缓慢传播，在2021年达到了约8%的采纳率。基于ML的人工智能推广缓慢，部分原因是组织需要数字化流程、数据和基础设施的基础，以支持基于内部数据的ML模型培训。当OpenAI在2022年底发布其ChatGPT聊天机器人时，一种全新的即插即用的。AI出现在公众面前：“预训练”模型，用户可以直接与之交互，不使用或只使用几个训练示例。这些生成的预训练变压器(GPT)向公众展示了铝的力量。在几秒钟内，用户现在可以生成高质量的文本，图像，视频和音频，这将需要人类专业人员几天或几周的生产。
虽然技术潜力似乎很大，但将生产性铝整合到企业和组织中现在才刚刚开始。作为一种像电力或计算机一样的“通用技术”，组织需要弄清楚何时、何地以及如何在其组织过程中使用GenAl。它适用于哪些任务、流程、组织和环境?如何重新设计工艺以充分利用GenAl这对就业和工人意味着什么?
在本文中，我们采取双重的方法来评估GenAl对欧洲劳动力市场的影响。首先，我们测量潜在的影响，使用职业暴露评分，适用于欧洲劳动力调查。这些分数从理论上计算了“对GenAl的暴露”或“使用GenAl技术的自动化能力”，即“一个职业对生殖铝的暴露程度如何?”虽然这并不能告诉我们任何关于实际采用GenAl的情况，但它确实给了我们一个潜在影响的上限。实现了。其次，通过回顾Genal在实验环境和现实世界工作场所的生产力影响的文献，我们评估了迄今为止的实际影响，并从中得出了一些结论。接下来，我们比较了两种类型的方法来评估GenAl对就业的影响，基于任务和能力为基础的方法，我们指出在这方面的文献中缺失的观点。
生产性铝对欧洲劳动力市场的分配影响
我们探讨了不同国家、性别、年龄组、教育程度、城市化和远程工作的影响。我们还探讨了近年来在职业性就业中生殖性铝暴露的变化。在整个分析中，重要的是要注意Felten etal关于职业中暴露于生成性铝是否倾向于自动化或增强的中立性。因此，虽然我们不能说高曝光率是否会导致更多或更少的就业，但我们可以说，高曝光率可能意味着对工作内容和组织的巨大破坏，并在受影响的人口群体中带来严重的不确定性。
按年龄组分类
与性别相似，不同职业的人口分布可能导致不同年龄组的GenAl暴露差异。按年龄进行的分析显示，25-44岁年龄段的个人平均暴露得分较高。这意味着，这个年龄段的个体在更容易接触到生殖性人工智能的职业中所占的比例更高。这不是由于性别构成，因为附录中的表A2显示，25-44岁年龄组的妇女人数并不过多，这可以解释这些结果图3的左侧，使用Felten等人的评分，显示在所有年龄组中，铝暴露排名的模式保持一致，暴露于LM的可能性较高，其次是AL，然后是IG。值得注意的是，尽管使用不同的方法计算，两个不同来源的暴露分数在整个年龄分布中表现出相似的模样。
报告共计：33页
海量/完整电子版/报告下载方式：公众号《人工智能学派》