人工智能暴露工人的可再培训性如何？（英）

核心观点与数据

本研究评估了美国劳动力发展项目WIOA/WIA在帮助接触人工智能的工人转型进入人工智能互补性更高的工作方面的有效性。研究汇编了2012年至2023年间超过160万个个人WIOA/WIA培训周期的创新数据集，并与人工智能暴露的职业指标相关联，同时利用培训前后的收入记录进行比较分析。

主要发现

1. 高人工智能暴露职业收入相对较低：顶部五分之一的人工智能暴露职业的收入相对较低，且并非由样本构成驱动。
2. 培训收入回报率高：从高于中位数的（“高”）人工智能暴露职业被取代的培训参与者的平均收入回报巨大且为正值——相对于对照组约为每季度1,470美元，且仅比低人工智能暴露工人的回报低约25%。
3. 深化人工智能技能培训存在惩罚：以高人工智能暴露职业为目标进行下一份工作的参与者也看到显著的回报，但相对于那些追求更普遍技能的人来说存在惩罚。深化特定人工智能技能的参与者的回报仍然很高，约为每季度1,040美元，但与追求更普遍技能的高人工智能暴露工人的平均回报相比，大约低29%。
4. “人工智能可重新训练”职业占比高：在25%到40%的职业中，其工人在转向更人工智能密集型职业时获得更高报酬，这些职业被归类为“人工智能可重新训练”。
5. 劳动力市场紧张时期培训效果更强：所有群体中的正收入回报都发生在劳动力市场最紧张的近年，这表明当企业更深地进入技能市场时，培训项目可能具有更强的信号价值。

研究结论

人工智能暴露的工人通过职业培训展现出强大的适应能力，但主要调整空间不是通过深化他们的人工智能技能，而是完全避免人工智能。所有人工智能暴露水平下，参加WIOA/WIA培训的收益回报都很高，表明培训项目在帮助工人适应不断变化的劳动力市场方面发挥着重要作用。同时，研究也揭示了不同职业在适应人工智能方面的能力差异，以及劳动力市场状况对培训项目效果的影响。