美国国家经济研究局工作论文系列人工智能、技能和生产力:出租车司机Kyogo金泽Daiji川口仁ShigeokaYasutora渡边30612年工作报告http://www.nber.org/papers/w30612国家经济研究局(NATIONAL BUREAU OF ECONOMIC RESEARCH)麻萨诸塞州大道1050号马萨诸塞州,剑桥021382022年10月我们感谢足立大辅、费尔南多·阿拉贡、克里希纳·彭达库尔、凯文·施内佩尔、健介丰岛、山口慎太郎、张洪亮和AASLE的研讨会参与者，一桥大学、莫纳什大学、NBER日本项目会议、日本大学、大阪大学和西蒙弗雷泽大学的优秀意见和建议。本文中使用的数据由一家开发AI的匿名科技公司提供。应用。我们没有公司的财务支持或任何其他利益冲突。这项研究得到了日本科学技术振兴机构（JPMJRX18H3）的资助。金泽：kanazawa-kyogo@g.ecc.u-tokyo.ac.jp，川口：kawaguchi@e.u-tokyo.ac.jp，重冈：hitoshi_shigeoka@sfu.ca，渡边：yasutora.watanabe@gmail.com 景色本文表达的是作者的观点，并不一定反映国家的观点经济研究局。至少有一位合著者披露了与此相关的其他关系研究。更多信息可在线获取 http://www.nber.org/papers/w30612.ack分发NBER工作文件供讨论和评论之用。他们没有同行评审或接受NBER董事会的评审NBER的官方出版物。© 2022 年由金泽京吾、川口大司、重冈仁和渡边康彻。都版权。短段文字，不超过两段，可以引用，没有明确许可，前提是对来源给予全部信用，包括©通知。 人工智能、技能和生产力：出租车司机的案例金泽京吾、川口大司、重冈仁、渡边康彻美国国家经济研究局工作论文30612号2022年10月冻胶。J22、J24 L92 R41摘要我们研究了人工智能（AI）对出租车背景下生产力的影响司机。我们研究的人工智能通过建议路线来帮助司机找到客户预计需求将很高。我们发现人工智能通过缩短巡航时间，这种收益只归功于低技能司机，从而缩小了生产力高技能和低技能司机之间的差距增加了14%。结果表明，人工智能对人类的影响劳动力比工作流离失所的故事更微妙和复杂，这是主要焦点现有的研究。Kyogo金泽仁Shigeoka经济部门7-3-1 Hongo村,Bunkyo-ku东京113 - 8654经济部门西蒙弗雷泽大学8888大学驱动器,WMC 4653本拿比,公元前V5A 1 s6和国家经济研究局日本kanazawa-kyogo@g.ecc.u-tokyo.ac.jphitoshi_shigeoka@sfu.caDaiji川口东京大学Yasutora渡边经济部门东京大学日本研究生院经济学Hongo村7-3-1,Bunkyo-ku日本东京。113 - 0033kawaguchi@e.u-tokyo.ac.jpYasutora.Watanabe@gmail.com 1 介绍人工 情报 (AI) 有 的 潜在的 来 大大 重塑 就业 (即-jolfsson 等 艾尔。 2018). 的 分配 后果 的 人工智能 可以 是 从根本上 不同的从 那些 的 过去的 技术, 这样的 作为 它 和 机器人技术, 哪一个 是 被认为是 来 是 技能增加 和 不平等 增强。1 而 过去的 技术 有 取代 的 肾阳,齿 和 手册 任务 的 低技能 工人, 人工智能 五月 取代 非常规 认知 任务 的典型的 高技能 工人 (韦伯 2020).之前 作品 在 的 劳动力市场 后果 的 人工智能 焦点 主要是 在 工作 位移在 occupations-identifying 的 类型 的 职业 那 是 更多的 暴露 和 取代,能力 通过 人工智能。2 来 更好的 理解 的 影响 的 人工智能 在 的 劳动 市场, 然而, 的基本 因素 来 考虑 是 如何 生产力, 哪一个 戏剧 一个 至关重要的 角色 在 determin -荷兰国际集团(ing) 就业 和 工资, 是 影响 通过 人工智能。 此外, 过去的 研究 隐式地 假设那 所有 工人 在 的 占领 是 统一 影响 通过 人工智能, 失踪 实质性的职能上 非均质性 的 技能 为 的 任务 那 可以 是 取代 通过 人工智能。3来 填满 的 差距, 我们 研究 的 影响 的 人工智能 在 生产力 在 不同的 工人 技能在 的 上下文 的 出租车 驱动程序。 出租车 司机 是 一个 理想的 情况下 来 回答 这 的问题。 首先,一个 工人的 个人 生产力 是 很容易 测量 通过 的 长度 的 时间 它 需要 来 抓客户; 每一个 司机 作品 独立 和 有 相当大的 自由裁量权 作为 来 如何 他们找到 客户。 我们的 数据 显示 那 在 一个 一半 的 司机的 工作 时间 是 专门 来搜索 为 (和 的 剩下的 来 携带) 的客户, 不包括 断裂。 因此, 客户搜索 是 在 的 大多数 重要的 任务 为 出租车 驱动程序。 第二, 的 工作 环境 的出租车 司机 提供了 一个 清洁 设置 来 研究 生产力, 因为 所有 司机 工作 在 一个 非常类似的 设置; 出租车 司机 利用 的 相同 资本, 负责 的 相同 价格, 和 脸 的相同 输入 价格。的 特定的 人工智能 我们 研究 是 被称为 “人工智能 纳维。” 哪一个 帮助 司机 找到 客户 当一个 出租车 是 巡航。 的 人工智能 建议 路线 基于 在 预测 需求 来 最大化 的 概率,能力 的 捕捉 的客户, 鉴于 的 当前的 的位置。 因此, 这 人工智能 是 预期 来改善 的 生产力 的 司机 通过 减少 搜索 时间。 这 类型 的 人工智能, 哪一个 增加1例如, 奥特 等 艾尔。 (2003); Bartel 等 艾尔。 (2007); 阿西莫格鲁 和 雷斯特雷波 (2020, 2022).2这些 研究 是 基于 在 一个 基于任务的 模型 的 技术 和 劳动 (阿西莫格鲁 和 雷斯特雷波 2018),在哪里 每一个 占领 由 的 各种各样的 任务 和 自动化 发生 在 的 任务 的水平。 在 这 框架,一个 占领 在 哪一个 一个 高 比例 的 任务 可以 是 取代 通过 人工智能 是 被认为是 高度 暴露 来 人工智能(例如, 法尔顿 等 艾尔。 (2018, 2019); 弗兰克 等 艾尔。 (2019); 韦伯 (2020); Alekseeva 等 艾尔。 (2021).)3的 只有 例外, 来 我们的 的知识, 是 Grennan 和 本月的 (2020) 研究中, 哪一个 文档 那安全 分析师 谁 封面 股票 那 是 更多的 暴露 来 人工智能 是 更多的 可能 来 离开 的 职业, 和准确的 分析师 是 甚至 更多的 可能 来 做 所以。 的 主要的 区别 是 那 我们 研究 的 影响 在生产力。2 的 精度 的 预测 任务 从 的 模式 的 数据 使用 机 学习 技术,是 广泛 使用 在 真正的 业务 设置 (Agrawal 等 艾尔。 2018, 2019).4 需求 预测过程 的 预测 未来 客户 需求是 一个 的 许多 现有的 预测 任务。 来的 程度上 那 这 需求预测 技能 是 一个 重要的 组件 的 出租车 司机的 技能集, 的 影响 的 人工智能 在 生产力 五月 不同 通过 司机的 技能。我们的 经验 策略 比较 的 危害 率 的 发现 客户 当 人工智能 是 转在 和 当 它 是 转 从 在 的 相同 驱动程序。 来 地址 的 潜在的 内生性的 的 时机 的 人工智能 使用情况, 我们 控制 为 丰富的 集 的 固定 影响 (菲) 来 账户 为潜在的 需求, 即 病房里, 和 date-hour 菲斯。 我们的 识别 的假设, 因此, 是那 把 在 的 人工智能 是 拟随机 后 控制 为 这些 细粒度的 集 的 菲斯, 和我们 经验 演示 的 有效性 的 这 假设。 在 另外, 我们 使用 的 下降位置 的 的 以前的 客户 作为 一个 仪器 为 的 司机的 决定 来 转 在 人工智能,假设 那 的 客户的 目的地 选择 是 外生 来 的 司机, 和 那 的学位 的 (联合国)熟悉 的 的 下降 位置 是 相关 与 的 司机的 决定 来转 在 人工智能 那 次助攻 在 发现 客户。我们 找到 那 人工智能 提高了 的 生产力 的 出租车 司机 通过 缩短 的 搜索 时间通过 5%, 在 平均水平。 估计 与 和 没有 4 收益率 类似的 结果, 让人安心 那的 内生性 的 人工智能 使用 是 不 一个 严重的 担忧, 鉴于 的 丰富的 集 的 固定 效果。重要的是, 的 生产力 获得 是 集中 在 低技能 驱动程序; 的 影响 在低技能 司机, 在哪里 技能 是 定义 通过 以前的 开车 的性能, 是 7%, 而的 影响 在 高技能 司机 是 近 零 或 甚至 负 (虽然 不 统计重要的)。 作为 一个 结果, 的 人工智能 纽约湾海峡 的 生产力 差距 之间的 高- - - - - - 和 低技能司机 通过 关于 14%. 这些 结果 表明 那 的 人工智能 是 一个 替代 为 工人 技能, 在至少 在 这 上下文。我们的 结果 有 影响 为 的 分配 后果 的 人工智能。 大多数 现存的 研究显示 那 人工智能 技术 主要 伤害 高技能 职业, 作为 一个 人工智能 替代品为 任务 那 需要 的 类型 的 技能 那 高技能 工人 拥有 (见, 例如, 韦伯2020). 相反, 我们 显示 那 在 一个 职业, 一个 人工智能 可以 潜在的 好处 低收入熟练的 工人 而 不 影响 高技能 工人 多。 而 这两个 结果 点 出艾未未的 潜在的 来 狭窄的 的 差距 之间的 高- - - - - - 和 低技能 工人, 我们的 结果 建议一个 不同的 通道 通过 哪一个 的 生产力 差距 五月 是 减少了。 总的来说, 我们的 情况下表明 那 的 影响 的 人工智能 在 人类 劳动 是 更多的 细致入微的 和 复杂的 比 一个 工作更换 的故事。4“ 当前的 一代 的 人工智能 提供了 工具 为 预测 和 小 其他的。” (Agrawal 等 艾尔。 2018, p。133).3 的 当然, 这 是 一个 情况下 研究中, 和 我们的 发现 说话 只有 来 的 情况下 的 出租车 驱动程序。尽管如此, 来 的 程度上 那 的 核心 技能 的 一个 工作 涉及到 一个 预测 任务 从 的模式 的 数据, 和 的 人工智能 提高了 的 精度 的 这 预测 的任务, 我们的 结果 五月也 是 适用的 来 这样的 的职业。 为 的例子, 人工智能 那 评论 合同 为 不寻常的条款 和 人工智能 那 检测 细胞 在 恶性 肿瘤 可能 改善 的 生产力的 低技能 律师助理 和 低技能 病理学家, 分别 更多的 比 那些 的 他们的高技能 同行。2 背景 和 数据2.1 设置我们 研究 出租车 司机 在 横滨 的城市, 哪一个 是 相邻 来 东京。 横滨 城市 有一个 人口 的 3.77 百万, 的 第二个 最大 在 日本 后 东京。 与 一个 区域 的 435公里2 (约 7 次 的 区域 的 曼哈顿), 横滨 城市 是 划分 成 18 病房。 作为的 12月 2019, 在那里 是 8,842 注册 出租车 司机 工作 为 taxi-operating 公司 在的 的城市。 请注意 那 在线 ride-hailing 服务 (例如, 超级 和 抓住) 是 不 允许 在日本 在 我们的 样本 时期。的 相同 价格 时间表 适用于 来 大多数 出租车 在 的 的城市。 的 票价 是 的 总和 的 的 固定负