缓冲还是瓶颈 ？ 拉丁美洲对生成 AI 的就业暴露和数字鸿沟

作者/ Pawe ² Gmyrek, Hernan Winkler, Santiago Garganta 版权所有©国际劳工组织和世界银行2024 这是在知识共享归因下分发的开放访问作品3.0 IGO License (http: / / creativecommons. org / licenses / by / 3.0 / igo)。用户可以重用、共享、适应and build upon the original work, as detailed in the License. The ILO and The World Bank must清楚地认为是业主s原作的标志的使用劳工组织和世界银行不允许与用户的工作有关。 归因-工作必须引用如下：Gmyrek，P.，Winkler，H.，Garganta，S.缓冲区还是瓶颈？拉丁美洲对生成人工智能的就业敞口和数字鸿沟. ILO工作文件121。日内瓦：国际劳工组织和世界银行，2024年。 翻译-如果要翻译本作品，必须添加以下免责声明连同归属：此翻译不是由国际劳工组织创建的组织(劳工组织)或世界银行不应被视为国际劳工组织的正式成员或世界银行翻译。国际劳工组织世界银行是对本文的内容或准确性不负责翻译。 适应-在适应这项工作的情况下，必须添加以下免责声明连同归属：这是对国际劳工组织原创作品的改编组织(劳工组织)世界银行。对《公约》中表达的观点和意见的责任改编完全取决于改编的作者或作者，不被ILO或世界银行. 本CC许可证不适用于本文件中包含的非ILO或世界银行版权材料publication. If the material is attributed to a third party, the user of such material is solely负责与权利人进行权利清算。 根据本许可证产生的任何不能友好解决的争议应提交给根据联合国委员会仲裁规则进行仲裁国际贸易法(贸易法委员会)。当事人应受任何仲裁裁决的约束作为对此类争端的最终裁决的仲裁结果而作出的。 关于权利和许可的所有查询均应向国际劳工组织出版股（权利和Licensing), 1211 Geneva 22, Switzerland, or by email to rights @ ilo. org. ISBN 9789220410028 (印刷版), ISBN 9789220410035 (网页PDF), ISBN 9789220410042（epub），ISBN 9789220410066（mobi），ISBN 9789220410059（html）。ISSN 2708 - 3438（印刷），ISSN 2708 - 3446（数字） https: / / doi. org / 10.54394 / TFZY7681 国际劳工组织和世界银行出版物中使用的名称以及其中的材料并不意味着任何意见的表达国际劳工组织和世界银行关于任何国家、地区或领土或其当局，或关于其边界的划界或边界.详情见www. ilo. org /免责声明 本文是世界银行和国际劳工组织工作人员的产品。它已在世界银行政策研究工作文件系列和国际劳工组织工作文件系列。对署名文章、研究和其他贡献中表达的意见负责完全取决于其作者，出版并不构成国际劳工组织的认可或世界银行在其中表达的意见。 提及公司名称、商业产品和流程并不意味着它们的名称-国际劳工组织的认可或世界银行，以及任何没有提到特定公司的情况，商业产品或专业CESS不是不赞成的标志。 有关国际劳工组织出版物和数字产品的信息，请参见：https: / / www. ilo. org /研究和出版物 国际劳工组织工作文件总结了国际劳工组织正在进行的研究的结果，并寻求激发对与工作世界有关的一系列问题的讨论。对国际劳工组织的评论欢迎使用工作文件，可发送至gmyrek @ ilo. org。 授权出版：Richard Samans，研究部主任 国际劳工组织的工作文件可在以下位置找到：https: / / www. ilo. org / research - and - publications # working -论文 建议引用：Gmyrek，P.，Winkler，H.，Garganta，S. 2024。缓冲还是瓶颈？就业暴露生成人工智能和拉丁美洲的数字鸿沟，国际劳工组织工作文件121 (日内瓦，ILO世界银行，2024)。https: / / doi. org / 10.54394 / TFZY7681 Abstract 关于生成人工智能(GenAI)潜在影响的经验证据大多是专注于高收入国家。相比之下，对这项技术的作用知之甚少关于发展中经济体未来的经济路径。本文有助于fi将这一差距通过估计拉丁美洲劳动力市场对GenAI的敞口。它提供了详细的通过利用一套丰富的协调方法，统计国家之间和国家内部的GenAI风险家庭和劳动力调查。考虑到技术采用速度较慢 accessing digital technologies at work. This is then used to assess the extent to the digital国家之间和国家内部的分歧将成为最大限度地提高生产率的障碍否则可以通过GenAI工具增强的职业。findings显示某些特征始终与较高的暴露量相关。具体地说，基于城市的工作这需要高等教育，位于正规部门，并由个人持有更高的收入更有可能与这项技术互动。此外，还有明显倾向于面临更大风险的年轻工人，包括工作风险-tomation，特别是在fiNance、保险和公共管理部门。当调整-为了获得数字技术，fi网络表明数字鸿沟是一个主要障碍to realizing the positive eek ects of GenAI on jobs in the region. In particular, nearly half of the po-可能从增强中受益的fit的位置因缺乏使用数字而受到阻碍技术。数字鸿沟的这种负面影响在较贫穷的国家更为明显。 关于作者 Pawe ² Gmyrek是国际劳工组织研究部的高级研究员。 Hernan Winkler是世界银行贫困与公平全球实践的高级经济学家拉丁美洲和加勒比。 Santiago Garganta是分配，劳动和社会研究中心的高级研究员拉普拉塔国立大学（UNLP）的（CEDLAS）。 目录 Abstract010105关于作者首字母缩略词 XIntroduction06 08X图1 LAC区域与GenAI的理论效应 1519职业性接触GenAI在工作中使用计算机 X3调查结果 2226293032暴露水平的跨国比较数字基础设施对转型潜力的影响国内模式哪些职业推动了效应？不同收入水平的差异暴露 最后讨论 Appendix384550参考文献Acknowledgements 数字列表 图1.样本中拉丁美洲和加勒比国家的人均国内生产总值、人口和收入状况08091113图2.自动化和增强潜力：LAC与其他区域图3.互联网覆盖率与人均收入：全球和拉丁美洲和加勒比图4.拉丁美洲和加勒比区域按ISCO 1位数和性别分列的职业图5. ISCO - 08 4位微观数据在SEDLAC (WB)和ILO协调微观中的覆盖率-数据收集1718232425图6.基于ISCO 2位数份额、GDP (PPP)和总人口的层次聚类Figure 7. Total exposure to GenAI by country图8.自动化潜力-社会经济特征的详细细分图9.增强潜力-社会经济特征的详细细分图10.具有增强潜力的作业和工作中对计算机的访问权限，基于PIAAC数据27283031图11.按国家/地区、暴露类型和对数字基础设施的访问图12.按国家、类型和详细的国家一级特征分列的风险敞口Figure 13. ISCO 2 - digit occupations by type of exposure and country (share of exposure > 25%)图14.按就业状况划分的暴露于GenAI的职业收入(暴露高于25%)3338383940图A 1. TechX曝光分数与GBB分数的比较（按职业划分的平均值，z分数）图A2. Felten等人（2023）ML得分与GBB得分（z -得分）的比较图A 3.按ISCO - 08 2位数职业和性别分列的拉丁美洲和加勒比国家的劳动力市场分布Figure A 4. Ranking of countries by the type of GenAI exposure图A 5. PIAAC (在工作中)和SEDLAC (在主页) -增强类别4040图6.增强类别中不使用工作时计算的作业：总计country 表列表 表1.按人口和社会经济类别划分的人工智能暴露分布SEDLAC数据194141表A 1.按国家和年份分列的个别SEDLAC观测值Table A 2. Estimated coe ú cients of computer use at work from PIACTable A 3. Results of the collected OLS with all individual observations, with country - level nor-人口加权43 首字母缩略词 IntroductionX 自推出以来，公众对生成人工智能(GenAI)的关注一直在上升对话模型，例如ChatGPT，Bard或Gemini。大型的令人印象深刻的能力语言模型(LLM)，其次是其他基于神经网络的人工智能系统，能够生成-从简单的文本提示中提取图像甚至视频已经引发了一系列重要的道德--国家决策者和国际合作结构面临的CAL和安全问题。然而，吸引普通公民日常注意力的话题是潜在的影响这些快速推进的就业工具。 在美国，超过一半的成年人每天都对AI感到担忧而不是兴奋生命，将“失去人类工作”作为他们最重要的担忧(Faverio和Tyson，2022;皮尤研究中心，2023年；罗格斯大学，2024年)。在瑞士，2023年的一项调查专门集中在GenAI透露，在已经使用计算机的1000名受访者中，几乎一半（43％）担心在接下来的five年里失去工作，那些经常使用GenAI的人在工作中被不成比例地(69%)更多关注(Grampp等人，2023)。这表明在经合组织之前收集的调查中，快速偏离对人工智能的更积极评估2022年底，可公开访问的聊天机器人的到来(Lane等人，2023年；OECD，2023年)。1 毫不奇怪，GenAI相互作用可能导致的潜在转变劳动力市场也引起了学者们越来越多的关注。主要研究问题-它们围绕着对就业、新兴职业、生产率和工作质量。2国际货币基金组织最近的一篇论文对这些文献进行了全面的概述，同时强调了超越高收入国家(HIC)的研究的稀缺性（Comunale和Manera，2024年）。 弥合这一研究差距，我们的研究为GenAI的潜在影响提供了新的证据跨拉丁美洲和加勒比(LAC)地区的劳动力市场。Gmyrek、Berg和Bescond (2023)开发的方法- GBB下文-我们提供了新的证据通过利用协调的家庭和劳动力，在国家之间和国家内部的人工智能暴露世界银行（WB）和国际劳工组织（ILO）对拉丁美洲和加勒比的部队调查。通过建立两个机构的数据集的比较优势，我们开发了一个完整的区域概述，并附有国家一级对潜在职业的估计风险敞口，并按详细的人口和劳动力市场特征进一步细分。 这项研究的一个重要贡献是为适应 乔布斯在发展中国家的背景下接触到GenAI，在那里，即使是职业工人-通常预期来自GenAI的fit可能无法获得到期的fit对数字基础设施的不良访问。我们通过估计措施来实施这一调整ISCO 2位数职业、工人和国家一级角色工作中的计算机使用情况-基于PIAAC数据，