快速重點摘要
- 提出衡量人工智慧影響的新指標
- 研究團隊提出「實際暴露度」指標，結合大型語言模型的理論能力與真實世界的使用數據，來評估職業被人工智慧取代的風險。
- 目前人工智慧在職場上的實際應用範圍，仍遠低於理論上可以達成的水準。
- 高暴露度職業的就業成長預期較低
- 美國勞工統計局預測，到 2034 年，實際暴露度較高的職業，相關就業成長率將會相對較低。
- 從事高暴露度職業的勞工，通常具有年紀較長、女性比例較高、教育程度較高且薪資較為優渥等特徵。
- 尚未觀察到大規模失業，但年輕人招聘放緩
- 自從 2022 年底 ChatGPT 發布以來，高暴露度勞工的失業率並沒有出現系統性的增加。
- 然而有初步跡象顯示，高暴露度職業對年輕勞工的招聘速度已經開始放緩。
研究背景與核心概念
- 過去預測勞動力市場變化的侷限性
- 過去對於工作外包或是工業機器人影響的研究，經常出現預測失準或是結論分歧的情況。
- 政府的職業成長預測往往只是延續過去趨勢的線性推估，難以準確捕捉重大經濟動盪帶來的影響。
- 提出「實際暴露度」這項新指標
- 傳統的衡量方式多半著眼於人工智慧在理論上可以完成哪些工作。
- 這份研究提出「實際暴露度」，專注於衡量在理論上可以被加速的任務中，有哪些任務已經在專業職場中被自動化使用。
- 透過追蹤理論能力與實際應用之間差距的縮小過程，實際暴露度可以幫助我們在經濟變化剛出現時就捕捉到先機。
指標測量方法與職業分析
- 資料來源與指標計算邏輯
- 研究結合了 O*NET 職業資料庫、Anthropic 的真實使用數據，以及前人關於大型語言模型理論能力的評估。
- 當一項任務的執行過程被完全自動化時會獲得較高的權重，而僅是輔助性質的使用則獲得較低的權重。
- 高暴露度與無暴露度的職業分布
- 電腦程式設計師、客服人員與資料登錄員是實際暴露度最高的三個職業，因為這些職業的核心任務已經出現大量自動化應用的情況。
- 大約有百分之三十的勞工處於零暴露度狀態，這些職業大多需要耗費勞力或是涉及實體互動，例如廚師、救生員與洗碗工。
- 高暴露度職業的勞工特徵
- 比較高暴露度與無暴露度這兩個群體，會發現高暴露度群體的女性比例高出百分之十五點五，且擁有研究所學歷的比例是無暴露度群體的將近四倍。
- 高暴露度群體的平均薪水也比無暴露度群體高出百分之四十七，顯示目前受人工智慧影響最深的群體多半屬於社經地位較高的階層。
就業市場的實際衝擊與觀察
- 整體失業率尚未出現顯著變化
- 研究團隊將重點放在追蹤失業率，因為失業率最能直接反映潛在的經濟傷害。
- 數據顯示，即使是最容易受到人工智慧影響的勞工，目前的失業率變動幅度也極小，與未受影響的勞工群體沒有顯著差異。
- 年輕勞工的就業市場出現隱憂
- 雖然年輕勞工的整體失業率保持平穩，但是觀察新工作的入職率可以發現，22 歲至 25 歲年輕人進入高暴露度職業的比例正在顯著下降。
- 相較於 2022 年，年輕勞工在高暴露度職業的求職成功率下降了百分之十四，這暗示企業可能正在減少招聘高暴露度領域的新鮮人。
- 未來研究方向與限制
- 這份報告是記錄人工智慧對就業市場影響的第一步，未來研究團隊需要持續更新真實世界的使用數據。
- 未來的研究將進一步關注那些擁有高暴露度領域學歷的應屆畢業生，以了解應屆畢業生如何在改變中的勞動市場裡尋求發展。
