探索家庭采用和使用生成性人工智能：来自意大利的新证据

探索家用生成式人工智能的采用和用途：来自意大利的新证据 由莱昂纳多·甘巴科尔塔、图利奥·贾佩利和托马索·奥利维罗 2025年10月 JEL分类：D10，O33 关键词：生成式人工智能，家庭调查。 工作论文由货币与经济国际清算银行（BIS）部门，以及不时由其他经济学家撰写，并由该银行出版。这些论文涉及当前感兴趣的主题，并具有技术性。本出版物中表达的观点是作者的观点，并不一定反映国际清算银行或其成员中央银行的看法。 该出版物可在国际清算银行网站（www.bis.org）上获取。 © 国际清算银行 2025 年。保留所有权利。经说明出处后，可复制或翻译简短摘录。 探索生成式人工智能的家庭采用和使用：来自意大利的新证据 Leonardo Gambacorta，Tullio Jappelli，Tommaso Oliviero L 摘要 我们呈现了2024年意大利消费者预期调查（ISCE）中包含的一项专门模块关于生成式人工智能（gen AI）的研究结果，该调查采用具有代表性的意大利人群样本进行。这项分析提供了关于当前和预期与gen AI工具互动以及采用可能带来的潜在收益的新颖见解。截至2024年4月，18至75岁的意大利人口中75.6%了解gen AI，36.7%在过去12个月内使用过它，20.1%报告每月使用。社会经济因素显著影响采用率，男性、大学学历者和年轻人（尤其是学生）的使用率更高。展望未来，预计gen AI在未来几个月将更频繁地用于教育和休闲活动。最后，使用明瑟收入回归模型，我们强调与gen AI使用相关的收入回报率约为2%。 JEL分类：D10；O33。 关键词：生成式人工智能；家庭调查。 这项研究得到了欧盟 - 欧盟下一代，GRINS - 培育有韧性、包容性和可持续项目框架（GRINS PE00000018 – CUP E63C22002140007）的部分资助。Leonardo Gambacorta隶属于国际清算银行（BIS）和CEPR。Tullio Jappelli和Tommaso Oliviero隶属于那不勒斯费德里科二世大学和CSEF。我们感谢参加ESPE年度大会（2025年，那不勒斯）、GRINS spoke 3研讨会、线上会议的参与者。本项目表达的观点是作者的观点，不一定反映国际清算银行和欧盟的观点。 1. 我 产 品 介 绍 现代生成式人工智能（以下简称 gen AI）的广泛普及预计将对我们的社会产生深远的社会经济影响。自 2022 年底以来，像 ChatGPT 和 Google Gemini 这样的工具已成为免费获取，影响了购物、个性化金融和医疗建议、信息获取和教育等日常活动。1此外，生成式人工智能工具的采用可以改变劳动力市场的供需双方的就业状况。与早期具有突破性技术的个人电脑和互联网相比，生成式人工智能的采用速度更快（Bick 等人，2024）。由于这些原因，人们越来越关注调查个人使用生成式人工智能的程度。谁在使用生成式人工智能，他们使用多少，以及他们使用它的目的是什么？人工智能使用的潜在回报是什么？本文探讨这些问题。 本文通过呈现一项全面的、具有全国代表性的意大利基因人工智能采用调查结果，为文献做出了贡献。我们的数据来自一项全国性调查，即意大利消费者预期调查（ISCE）。该调查与国家就业和收入估计进行基准化，以确保其代表性（Guiso和Jappelli，2024）。在以往的研究中，采用了结构相似的意大利家庭调查来研究意大利家庭对 Covid-19 大流行的反应（Immordino等人，2022，2024）。 为了研究生成式人工智能的用户，ISCE的第三波调查增加了一个临时的附加模块。该模块询问了受访者关于生成式人工智能的知识和使用情况，以及在不同社会经济环境下的潜在使用情况。在下文中，我们利用这些信息来调查这些方面是否因年龄、性别、教育程度和收入等因素而在不同家庭之间存在差异。我们还分析了生成式人工智能的使用对收入回报的影响。2 数据显示，2024年4月，18至75岁的意大利人口中有75.6%意识到生成式人工智能工具，大约37%在过去的12个月内至少使用过一次。生成式人工智能工具的使用在工作之外更为普遍，但强度较低。三分之一 受访者（32.7%）表示他们工作以外使用过生成式人工智能，但只有6.4%的人工作以外每天都在使用。我们发现男性对生成式人工智能的了解程度比女性大约高8个百分点；在了解的基础上，男性在过去一年中使用过生成式人工智能工具的可能性比女性大约高7个百分点。在生成式人工智能工具采用方面存在的显著性别差距证实了相关研究的发现，该研究利用了插入在2024年初消费者预期调查（Aldasoro et al., 2024b）中的类似调查问题。我们发现，即使考虑到社会人口统计和个人特征，生成式人工智能工具的知晓和使用性别差距仍然存在，这一结果与奥蒂斯等人（Otis et al., 2024）的研究结果一致，他们发现即使机会均等，男性使用生成式人工智能的可能性也显著高于女性。 除了性别，教育和年龄的差异可以解释知识和采用上的差异 (Aldasoro et al., 2024a)。年轻人和受过大学教育的人更有可能将生成式人工智能视为增强就业前景的机会 (Aldasoro et al., 2024b)。年龄和教育的作用在学术环境中也很明显，学生和年轻群体表现出更高的AI采用率 (Yusuf etal., 2024)。我们的结果表明，不同年龄和教育群体的AI知识和使用存在很大差异。年轻人（尤其是18-34岁的人），以及受教育程度较高的人也更有可能了解和使用AI。年轻人和老年人之间的显著差异反映了在其他环境中发现的“数字鸿沟”，这种鸿沟可能源于老年人对新技术的感知利益有限（Doerr et al., 2022；Armantier et al., 2024）。在其他社会人口特征的情况下，较高的收入也与更高的AI意识和使用相关，尽管这种效应相对较小。 生成式人工智能应用在教育及专业领域正日益普及，并有望提升生产力与效率。在教育领域，学生反馈在使用人工智能驱动的语法检查、剽窃检测、语言翻译和论文大纲设计工具时体验良好（Malik等，2023）。这些工具能提升学生的写作能力及对学术诚信的理解。然而，对其对创造力、批判性思维和伦理写作实践的影响仍存担忧。鉴于评估教育领域生成式人工智能工具知识与应用的重要性，我们的研究发现学生展现出高度的意识水平和使用率。相比之下，教师意识水平较低，但在具备意识的前提下，采用率和使用率相当高。 我们发现，居住在较大的城市对人工智能意识的提升和使用的影响很小，且在统计上不明显。和任何新兴的开放技术一样，生成式人工智能工具的采用在一定程度上取决于社会信任（Brockman等人，2018）。然而，与许多之前的技术不同，生成式人工智能具有独特的潜力，能够在更广泛的社会环境中影响个人行为（Klockmann等人，2022；2025）。在我们的分析中，创新开放性和积极参与社会活动都与采用生成式人工智能工具的可能性呈正相关。 总体而言，这些发现强调了人口和社会经济因素在塑造人工智能意识和使用方面的重要性，突出了可以通过有针对性的干预措施来促进更广泛采用的地区，特别是在老年人群体和受教育程度较低的人群中。 人工智能工具发展的一个极具争议的方面是它们对就业和工作条件的影响。文献表明，由于与工作相关的因素，采用人工智能工具后，劳动生产率有所提高（Brynjolfsson 等人，2023；Peng 等人，2024），但对工人的影响存在显著异质性。例如，Noy 和 Zhang（2023）的一项最近实验记录了 ChatGPT 提高了中级专业写作任务的平均生产率，减少了写作任务所需的时间和提高了写作任务的质量。类似地，使用 GitHub Copilot 等人工智能工具也能提高生产率3以及其他生成式AI应用在软件开发任务中可提高高达26%（Cui等人，2024年），为战略咨询量身定制可提高约25%的生产力（Dell’Acqua等人，2023年）；企业采用和使用人工智能也被证明可提高各行业的生产力（Czarnitzki等人，2023年）。这些发现说明了生成式人工智能在提高不同职业效率方面的广泛适用性。 利用我们的数据，我们通过分析人工智能使用对收入的影响来估计人工智能的回报率。具体而言，我们将一种门切尔型收入回归应用于2700名在职受访者的子样本。我们的结果表明，人工智能的使用与收入增加1.8-2.2%相关，相当于多接受半年的教育，并且是20世纪90年代初计算机使用回报率（迪纳多和皮施克，1997）的十分之一。这种估计的影响在包含行业和职业固定效应的模型中保持稳健，并且对于男性来说略高。 表明人工智能的采用可能会加剧性别收入差距。尽管人工智能的采用为个人带来了显著收益，但人工智能的接触与更广泛的经济指标（如总工资增长和就业）之间的关系仍然没有定论，一些研究报告了有限的总体影响（Acemoglu，2025年），而另一些研究则报告了更显著的影响（Baily等人，2023年；Briggs等人，2024年；Filippucci等人，2024年）。 本文结构如下。第二节介绍了ISCE。第三节呈现了影响基因人工智能意识和使用的因素的经验分析。第四节提供了与基因人工智能使用相关的收入回报估计。最后一节总结了主要发现并讨论了其政策含义。 2. 调查 我们关于人工智能的数据来源于意大利消费者预期调查（ISCE），这是一项针对18至75岁意大利居民人口进行轮换小组的代表性调查。该调查于2023年10月以及2024年1月、4月、7月和10月进行。作为季度性调查，它收集关于人口统计变量、收入、财富、消费以及关于微观经济和宏观经济变量的预期数据。每次调查包含约5,000个个人观测值，为分析提供了可靠的数据集。 ISCE基于两项突出的国际在线高频调查，这两项调查收集关于实际结果以及预期、偏好和感知的信息。纽约联邦储备银行消费者预期调查收集消费者对通货膨胀、就业、收入和家庭财务的看法和预期的数据。类似地，欧洲中央银行消费者预期调查每月收集来自11个欧元区经济体的约20,000个人的家庭预期数据。ISCE与这些调查的结构一致，确保高质量的数据收集和结果的可比性。 ISCE抽样方案借鉴了意大利中央银行家庭收入和财富调查（SHIW）所使用的方法。样本按居住地区（东北、西北、中部、南部）、年龄段（18-34、35-44、45-54、55-64、65岁以上）、性别、教育程度（大学学历、高中学历、高中以下）和职业（就业、失业）进行分层。数据采集采用计算机辅助网络访谈方式。 (CAWI)。各轮次的平均响应率为33%，与类似的高频调查相比相当。样本权重被应用于确保具有人口代表性的描述性统计数据。有关调查设计、样本结构和与SHIW的比较的详细信息，请参阅ISCE统计公报（参见Guiso和Jappelli, 2024）。 该问卷包含一个每个季度都执行的稳定核心部分，以及轮换的特殊部分。在我们的研究中，我们关注人口统计和经济背景变量以及2024年4月（第3波）的特殊部分，该部分调查了与人工智能相关的话题。具体来说，2024年4月的ISCE包括关于人工智能知识、使用和用途的问题。一个问题要求受访者用1-7分制评价他们对人工智能工具（例如，ChatGPT或Gemini）的熟悉程度。第二个问题询问过去12个月的AI使用频率，范围从“从未”到“每周超过一次”。这些数据被转换为年度使用指标（例如，每年使用的天数）。最后一个问题使用1-7分制评估受访者在不同领域（工作、财务建议、医疗建议、教育或培训，以及休闲）使用人工智能的可能性。为了减少框架效应，这些问题以随机顺序呈现，确保无偏见的回答。调查问题报告在附录A。 表1提供了数据集的关键描述性统计概述。样本包括5005名受访者，包含各种人口统计、教育和地区特征。数据显示，75.6%的受访者了解人工智能，其中35.7%报告使用过人工智能。平均而言，使用人