缓冲区还是瓶颈？拉丁美洲的生成性人工智能和数字鸿沟的就业风险

缓冲区还是瓶颈 ？ 生成人工智能的就业暴露与拉丁美洲的数字鸿沟 Pawe ² Gmyrek Hernan Winkler Santiago Garganta 贫困与公平全球实践 2024 年7 月 一个经过验证的可重复性包可在以下网址获取：http://reproducibility.worldbank.org，点击以获得直接访问。here 政策研究工作文件 10863 Abstract 研究发现某些特征与更高的接触程度始终存在一致的相关性。具体而言，基于城市的工作、要求较高教育背景的工作、处于正式部门的工作以及由高收入个人持有的工作更有可能与该技术产生互动。此外，接触程度的倾向明显偏向于年轻工人，这些工人面临更大的接触风险，尤其是自动化风险，特别是在金融、保险和公共管理等行业。在调整了对数字技术的访问后，研究显示，数字鸿沟是阻碍该地区利用GenAI对就业产生积极影响的主要障碍。特别是，近一半可能从增强中受益的职位因缺乏使用数字技术而受限。这种数字鸿沟的负面影响在较贫穷的国家更为显著。 实证证据主要集中在高收入国家生成式人工智能（GenAI）潜在影响方面。相比之下，关于这项技术对未来发展中经济体经济路径的作用知之甚少。本文通过估算拉丁美洲劳动力市场对GenAI的暴露程度，旨在填补这一空白。它利用丰富的家庭和劳动力调查数据集提供了详细的GenAI暴露统计数据，并在计算暴露度时考虑了发展中经济体技术采用速度较慢的情况，通过工作场所访问数字技术的可能性来调整暴露度衡量标准。然后，它用于评估数字鸿沟（无论是国与国之间还是国内）是否将成为限制由GenAI工具增强的职业生产力收益的最大障碍。 这篇论文是由世界银行贫困与平等全球实践部门出品。它是世界银行为提供研究资源并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。政策研究工作论文也在网上发布于http://www.worldbank.org/prwp。作者可以联系hwinkler@worldbank.org。对于这篇论文，一个经过验证的可再现性包可在http://reproducibility.worldbank.org获取，请点击相应链接。here直接进入。 该政策研究工作论文系列旨在发布正在进行中的研究成果，以促进关于发展问题的想法交流。该系列的一个目标是尽快发表这些发现，即使展示尚未完全打磨成熟。这些论文标有作者姓名，并应据此引用。本文中的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不一定代表世界银行执行董事会成员或他们所代表的政府的观点。EKPIANP 缓冲还是瓶颈 ？ 拉丁美洲对生成人工智能的就业暴露和 l 鸿沟Digita1 帕维尔·格米雷克（Paweł Gmyrek），国际劳工组织高级研究员；赫南·宾克勒（Hernan Winkler），世界银行高级经济学家；泰戈·加尔塔（tiago Garganta），CEDLAS-UNLP高级研究员San © 2024 世界银行和国际劳工组织 该政策研究工作论文系列发布工作中的发现以促进关于发展问题的想法交流。该系列的一个目标是尽快发布这些发现，即使展示尚未完全润色。这些论文标有作者姓名，并应相应地引用。本文中表达的观点、解释和结论完全是作者的个人观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事会成员或他们所代表的政府的观点，或者代表国际劳工组织（ILO）的观点。 1. Introduction 公众对生成式人工智能（GenAI）的关注自对话模型（如ChatGPT、Bard或Gemini）推出以来持续上升。大型语言模型（LLM）及其他基于神经网络的AI系统能够从简单的文本提示生成图像甚至视频的能力，引发了国家政策制定者和国际合作结构对于一系列重要的伦理和安全问题的关注。然而，普通民众最为关注的是这些迅速发展的工具可能对就业产生的影响。 在美国（US），超过一半的成年人对人工智能在日常生活中的应用感到担忧而非兴奋，他们最关心的问题是“人类工作岗位的丧失”（Faverio和Tyson, 2022；皮尤研究中心, 2023；罗格斯大学, 2024）。在瑞士，一项于2023年进行的专门针对生成式人工智能（GenAI）的调查显示，在1000名已使用计算机工作的受访者中，近一半（43%）的人担心在未来五年内失去工作，而经常在工作中使用GenAI的人员则有显著更高的担忧比例（69%）（Grampp等, 2023）。这表明，与经合组织在2022年末公开聊天机器人之前收集的关于AI的更积极的评估相比，人们对AI的态度迅速发生了变化（Lane等, 2023；经合组织, 2023）。2 不 surprising的是，生成式人工智能（GenAI）与劳动力市场互动可能带来的潜在转变也引起了学者们的广泛关注。主要的研究问题集中在就业影响、新兴职业、生产率以及工作质量等方面。3一篇近期由国际货币基金组织（IMF）发布的论文提供了该领域全面的概述，并同时强 调了超越高收入国家（HICs）的研究文献的稀缺性（Comunale和Manera，2024）。 填补这一研究空白，我们的研究提供了关于拉丁美洲和加勒比（LAC）地区劳动力市场中人工智能（GenAI）潜在影响的新证据。基于Gmyrek、Berg和Bescond（2023）开发的方法（以下简称GBB），我们通过利用世界银行（WB）和国际劳工组织（ILO）提供的 harmonized 家庭和劳动力调查数据，提供了不同国家之间以及同一国家内部的人工智能暴露情况的新证据。通过结合两家机构数据的优势，我们构建了一个完整的区域概况，并提供了按详细的人口统计学特征和劳动力市场特征进一步细分的潜在职业暴露估计值。 本研究的一个重要贡献是在发展中国家的背景下首次尝试将工作岗位暴露于通用人工智能（GenAI）的衡量标准进行调整，即使是在通常预期能从GenAI中受益的职业，由于数字基础设施较差，工人也可能无法享受到其带来的好处。我们通过估计计算机 在工作中跨ISCO两位数职业、工人和国家层面特征的基础上，使用PIAAC数据进行利用，并随后将这些数据纳入SEDLAC数据库中国家层面调查的个体观察中。我们然后使用这一指标来创建两类受益于通用人工智能（GenAI）使用的工人：一类是有访问数字技术权限的工人，另一类是没有这种权限的工人。后者规模反映了尽管他们的工作理论上可以从转型中获益，但仍无法享受GenAI带来的生产率效益的工人数目。我们还讨论了最有可能受到这些基础设施限制负面影响的群体的详细人口统计特征。 我们的研究发现，拉丁美洲和加勒比地区（LAC）约30%至40%的就业机会在某种程度上受到通用人工智能（GenAI）的影响。这种影响与国家的经济状况相关，表明收入水平是GenAI对劳动力市场影响的重要指标。总体暴露水平包括三类：自动化风险、增强风险以及“未知风险”。后者包括某些职业，这些职业根据技术进步以及邻近技术应用（如基于语言模型的代理）的使用情况，可能更接近于自动化或增强。 某些特征与更高的整体生成型人工智能（GenAI）接触度一致。具体而言，基于城市的、需要较高教育水平、处于正式部门且由相对高收入个体持有的工作更有可能接触到这项技术。自动化影响的工作份额相对较小但仍然不容忽视，约占总就业人数的2%至5%。年轻工人和女性工人更容易面临自动化风险，尤其是在金融、保险和公共管理等行业。同时，在所有拉美及加勒比国家（LAC国家）中，能够从生产性转型中受益的工作份额普遍高于面临自动化风险的工作份额，范围在8%至12%之间。这种情况在教育、健康和个人服务行业尤为明显。此外，面向客户服务的行业（零售、贸易、酒店、餐馆等）也面临较高的“未知因素”风险。根据我们的估计，这一类别占就业总人数的比例最大（14%至21%），表明虽然职业暴露的概念较为明确，但对于当前劳动市场中许多职业可能如何演变的具体影响仍难以准确预测。 最终，我们发现，数字技术的可及性是决定工人能够利用生成式人工智能潜在益处程度的关键因素。近一半可能受益于增强的技术岗位受到数字方面的不足限制，这些不足将阻止他们实现这些潜力。具体而言，由于这些差距，6.24%的女性职位和6.22%的男性职位受到影响。类似的情况也适用于“大未知”类别中的职位：尽管在这些职业中，通过增加生成式人工智能与人类工作者之间的互补性，部分职位有可能转向增强，但数字差距将阻止大量此类职位实现这一前景。 本研究的其余部分结构如下：第2节提供了拉丁美洲和加勒比（LAC）地区的一般概述，并详细阐述了可以从GenAI相互作用中预期到的理论效果。 在其劳动力市场方面，第二部分讨论了应用于分析的数据和方法，第三部分提供了研究发现的详细分解，最终讨论则在第五部分呈现。 2. LAC 地区和 GenAI 的理论效应 拉丁美洲和加勒比海（LAC）地区的定义在不同机构中可能有不同的范围。在我们的研究中，我们依赖一种启发式方法，即包括我们可以从世界银行（WB）、国际劳工组织（ILO）及其他相关数据源找到足够质量数据的最大数量的国家。最终样本包括22个国家，如图1所示，按2022年世界银行根据收入分组的标准进行分类，并统计总人口数。该地区非常多样化，从加勒比海的小型岛屿，人口不足50万，到像巴西和墨西哥这样人口众多的国家。相应地，该地区涵盖了从高收入国家（如乌拉圭和巴拿马）到低收入国家（如尼加拉瓜和洪都拉斯）的范围。 虽然有大量的文献分析了技术变革对拉美和加勒比地区（LAC）劳动力市场结果的影响（例如，参见Dutz等人，2018），但通用人工智能（GenAI）预期的影响可能与以往的技术突破有所不同。Autor（2024）声称，新技术对劳动市场的变革性影响是通过重塑人类专业知识实现的，并用两个例子来说明这一假设：18至19世纪的流水线生产采用以及自1960年代以来的数字技术采用。大规模生产的出现将手工艺人的复杂工作转变为由操作工人执行的简单且独立的任务，这些操作工人使用新机器并在受过更高教育的人士监督下工作。对这种“大规模专业知识”的需求增加伴随着高中毕业生数量的增加，从而催生了一个新的中产阶级。后来， 数字技术通过将常规任务编码为确定性规则得以执行。非常规任务则无法被这种技术所替代，因为它们不是通过学习规则获得，而是通过“做中学”获得。因此，数字技术催生了一种新的专业知识形式，使专业人士能够更高效地获取和处理信息，并因此有更多时间进行解释和应用。被这种技术取代的常规工作往往位于收入分布的中间位置，而数字化带来的补充性非常规工作则倾向于位于较高位置，从而导致劳动力市场的两极分化。相比之下，人工智能（AI）能够执行需要隐性知识的非常规任务。例如，它可以让非精英工人（如护士）参与复杂的决策制定，并可以自动化一些由高技能工作者（如医生、软件工程师和律师）完成的任务。然而，正如以下所述，就业最终的影响还取决于其他因素。例如，通用人工智能（GenAI）对工作的直接自动化影响可能会被生产率提升的积极影响所抵消，从而加强劳动力需求。 虽然拉美和加勒比（LAC）地区尚未进行过关于职业暴露于生成式人工智能（GenAI）的具体评估，但在更广泛的地区比较研究中已有相关比较。例如，GBB（2023）将LAC地区的潜在自动化暴露程度排名置于区域中间位置，占总就业比例为2.5%（见图2）。就增效潜力而言，同一研究将LAC地区排名第三，占比为就业的12.8%。同样地，尽管世界经济论坛（WEF，2023）的全球研究未提供具体的地区排名，但它预测LAC地区在未来五年的结构性劳动力流动率为22%，略低于全球平均水平（23%）。换句话说，LAC地区可以被视为具有平均水平的GenAI暴露经济，这一水平低于最工业化国家，但高于低收入地区，使其成为一个相关的中间基准。 在理论上，通用人工智能（GenAI）的发展及其对劳动生产率的潜在积极影响为发展中国家带来了重要的机遇。一些近期的私营部门研究甚至表明，广泛采