随着人工智能(AI)的迅速普及,其对生产力和劳动力市场的影响引起了人们的关注。由于国际机器人联合会 (IFR) 的可用性,人们对工业机器人对生产力的影响进行了许多研究(例如 Graetz 和 Michaels 2018、Kromann 等人 2020、Cette 等人 2021、Dauth 等人 2021)按国家和行业划分的机器人使用数据。然而,人工智能对生产力的定量影响尚不清楚,这主要是由于缺乏人工智能使用的统计数据。
最近,一些研究报告了人工智能对生产力具有巨大积极影响的特定任务的随机实验结果(例如 Brynjolfsson et al. 2023、Kanazawa et al. 2022、Noy 和Zhang 2023、Peng et al. 2023)。这些研究是有价值的贡献,揭示了人工智能对生产力的因果影响,但不可能从这些结果推断宏观经济影响,因为这些研究仅涵盖客户支持、出租车驾驶、写作任务和软件编程等非常狭窄的任务。
Acemoglu(2024)根据这些现有的任务级研究,估计了人工智能对美国生产力的中期影响,即受人工智能影响的任务百分比乘以任务级成本节省。他的研究表明,人工智能对宏观经济的影响不可忽视,但影响较小,累计全要素生产率(TFP)增幅不到0.7%。然而,他指出,哪些任务将实现自动化以及节省的成本有多大,存在巨大的不确定性。最近,Filippucci 等人。(2024)评估了人工智能带来的总生产力收益,假设人工智能节省了 30% 的成本,并指出人工智能可以为美国未来十年的年度 TFP 增长贡献 0.25-0.6%。 1
在此背景下,我概述了人工智能的使用,并使用原始调查数据估计了其对日本宏观经济生产率的影响(详细信息请参见 Morikawa 2024a、2024b)。
研究设计
我于 2023 年 9 月和 2024 年 10 月对被选为日本劳动力代表的 20 岁及以上日本工人进行了调查。2023 年调查的受访者人数为 13,150 人。2024 年的跟踪调查已发送给 2023 年调查的回复者,共有 8,633 人回复。分析中使用了其中 8,269 名受访者的数据(不包括截至 2024 年调查尚未工作的受访者)。
主要调查项目是(1)工作中人工智能(包括生成式人工智能)的使用情况,(2)使用人工智能执行任务的百分比,以及(3)人工智能使用对工作效率的影响。第二和第三个问题仅向那些回答在工作中使用人工智能的人提出。该调查还收集了受访者的性别、年龄、教育背景、行业、职业、就业类型、每周工作时间和年工作收入等信息。
根据这些问题的答案,在工作中使用人工智能的工人的百分比(AI_用户),使用人工智能的任务百分比(AI_任务共享)和效率增益(AI_效率) 被制成表格。人工智能对工人层面生产力的影响(人工智能_生产力) 对于 AI 用户计算如下AI_任务份额*AI_效率。例如,如果一名工人使用人工智能完成了 30% 的任务,而人工智能的效率效果为 20%,那么他/她的工作整体生产率将比不使用人工智能时提高 6%。为了计算人工智能对宏观经济生产力的影响,人工智能_生产力使用年收入作为权重除以年收入总额(包括不使用人工智能的人)进行汇总。
虽然这里采用的方法非常简单,并且取决于工人的主观评价,测量误差不可避免,但这种方法的优点是避免了选择性使用人工智能带来的内生性担忧,因为调查询问人工智能用户与人工智能用户相比的效率增益。不使用AI的情况。
人工智能对生产力的影响
数量AI_用户2024 年秋季为 8.3%。在2023年的调查中,相应数字为5.8%(当将样本限制为也对2024年调查做出回应的面板受访者时为5.3%),表明使用人工智能的工人数量在过去一年增加了约1.5倍。2 使用 AI 的任务百分比(
AI_任务共享AI_User 中的 ) 的平均值为 15.1%。换句话说,即使在工作中使用人工智能,不使用人工智能的任务比例平均也超过 80%。使用人工智能对工作效率的平均值(AI_效率) 为 25.9%,AI_Productivity 的平均值为 5.6%, 3 这意味着使用人工智能的工人的整体生产力比没有人工智能的工人高出 5.6%。
通过加权计算的宏观经济生产率影响人工智能_生产力按年收入计算,以所有受访者年收入总和为分母为+0.58%(见图1)。因此,目前我们的首选估计是与没有人工智能的情况相比,宏观层面劳动生产率提高0.5-0.6%。如果使用 Acemoglu (2024) 使用的劳动份额 (0.535) 将劳动生产率转换为 TFP,对全要素生产率 (TFP) 的影响约为 0.3%。图1
人工智能对劳动生产率的宏观经济影响未来可能产生的影响
回答“我目前在工作中没有使用人工智能,但我认为将来会”的受访者比例约为 28%,这表明人工智能在工作中的使用将继续增加,并且
人工智能对宏观经济的影响未来可能会增加。假设AI_任务共享和AI_效率与当前人工智能用户相同,宏观经济对劳动生产率的影响将是没有人工智能的情况的四倍左右:大约高2%。考虑到劳动力份额,对全要素生产率的影响约为1.1%。 4
然而,额外的生产率增益可能会逐渐减弱。由于 2024 年的调查是针对 2023 年调查的受访者进行的,因此可以将人工智能用户分为过去一年中新开始使用人工智能的用户和 2023 年已经使用人工智能的用户。图 2 总结了这两个类别的比较的人工智能用户。两个都AI_任务共享和AI_效率新开始使用人工智能的人明显低于持续使用人工智能的人。因此,人工智能的使用对整体工作效率的影响存在显着差异:人工智能_生产力AI持续用户和新增AI用户占比分别为7.8%和4.4%。这一结果表明,人工智能的扩散始于人工智能实施效果较大的工作,并逐渐扩散到其效果较小的工作。如果这些趋势持续下去,人工智能对宏观经济生产力的额外贡献可能会随着人工智能用户数量的增加而逐渐减弱。
图2AI新增用户与持续AI用户对比
笔记:条形表示 95% 置信区间。条形图中的数字是平均值。新的人工智能用户是指去年在工作中开始使用人工智能的人。
人工智能对劳动力市场不平等的影响
按教育程度和年收入分类的计算结果如表 1 所示。受过高等教育和高工资的工人倾向于在工作中使用人工智能。另一方面,差异AI_任务共享和AI_效率受工人特征的限制。换句话说,尽管受教育程度较低和低工资的工人在工作中使用人工智能的可能性明显较小,但当他们在工作中使用人工智能时,生产力影响并没有太大不同(或更高)。
前面显示的图 1 还显示了工人教育和年收入类别对总体生产率的影响。对于受过高等教育和高工资的工人类别来说,生产力影响更大,主要是因为人工智能采用率较高(利润率较高)。上述最近针对特定任务的研究表明,对于同一任务中技能相对较低的工人来说,人工智能的生产力影响更大。然而,我的研究结果表明,人工智能的扩散可能会扩大劳动力市场的整体不平等,至少在不久的将来是这样。
表1人工智能的使用及其对教育和年收入的影响
作者注:本专栏所依据的主要研究 (Morikawa 2024b) 首次作为日本经济产业研究所 (RIETI) 的讨论论文出现。
参考
Acemoglu, D (2024),《人工智能的简单宏观经济学》,NBER 工作论文 32487。
Albanesi、S、A D da Silva、J F Jimeno、A Lamo 和 A Wabitsch (2023),-人工智能与就业:来自欧洲的证据—,VoxEU.org,7 月 29 日。
Brynjolfsson、E、D Li 和 L R Raymond (2023),“工作中的生成式人工智能”,NBER 工作论文 31161。
Cette, G、A Devillard 和 V Spiezia (2021),《1975-2019 年机器人对 30 个经合组织国家生产力增长的贡献》,经济学快报200:109762。
Dauth, W, S Findeisen, J Suedekum 和 N Woessner (2021),“劳动力市场对机器人的调整”,欧洲经济协会杂志19(6):3104-3153。
Filippucci、F、P Gal 和 M Schief (2024),☀奇迹还是神话:评估人工智能带来的宏观经济生产力收益—,VoxEU.org,12 月 8 日。
Graetz, G 和 G Michaels (2018),“工作中的机器人”,经济学评论 统计数据100(5):753–768。
Hui, X, O Reshef 和 L Zhou (2023), �人工智能及其对就业的短期影响—,VoxEU.org,12 月 1 日。
Kanazawa、K、D Kawaguchi、H Shigeoka 和 Y Watanabe (2022),“人工智能、技能和生产力:出租车司机的案例”,NBER 工作论文 30612。
Kromann, L, N Malchow-Mäller, J R Skaksen 和 A Särensen (2020),“自动化和生产力:跨国家、跨行业比较”,工业和企业变革29(2):265-287。
森川,M (2024a),☀人工智能的使用和生产力:来自公司和工人调查的证据‐,RIETI 讨论文件,24-E-074。
森川,M (2024b),☀人工智能对生产力的宏观经济影响:调查估计‐,RIETI 讨论文件,24-E-084。
Noy、S 和 W 张 (2023),“生成式人工智能对生产力影响的实验证据”,科学381:187—192。
Peng、S、E Kalliamvakou、P Cihon 和 M Demirer (2023),《人工智能对开发人员生产力的影响:来自 GitHub Copilot 的证据》,arXiv.2302.06590。