Openai的Chatgpt，Google的双子座和人类Claude等工具现在支持各种各样的任务，并已在从教育和媒体到法律，市场营销和客户服务的各个部门整合。根据麦肯锡的说法2024年报告，现在有71％的组织定期在至少一个业务职能中使用生成AI。这种快速采用引发了商业领袖和决策者之间关于如何利用这些工具的同时降低风险的充满活力的辩论。
生成AI的最令人震惊的特征也许是它破坏劳动力市场的潜力。Eloundou等。（2024）据估计，大约80％的美国劳动力可能会看到其受LLMS影响的10％的任务，而大约19％的工人可能受到了一半以上的影响。
为了更好地了解生成AI对就业的影响，我们使用流行的在线平台检查了其对自由职业者的影响（Hui等。2024）。我们发现，自2022年发行新的AI软件以来，在职业中更容易受到生成AI的自由职业者的合同数量下降了2％，收入下降了5％。这些负面影响尤其明显，在提供高价，高质量服务的经验丰富的自由职业者中。我们的发现表明，现有的劳动政策可能没有充分的能力来支持工人，特别是自由职业者和其他非传统工人，以适应生成AI造成的破坏。为了确保AI采用的长期，包容性的好处，决策者应投资于劳动力重新策划，现代化劳动力保护，并发展机构，以支持迅速发展的劳动力市场的人类互补性。
AI会如何影响就业？
从理论上讲，AI对就业的影响仍然是模棱两可的。与过去通用技术（例如蒸汽机，个人计算机或互联网）一样，AI可能从根本上重塑就业结构，尽管尚不清楚AI最终会损害或改善工人的成果（Agrawal等。2022）。很大程度上取决于AI是补充还是代替人类劳动。一方面，人工智能通过提高生产力，工作质量和效率来改善工人的成果。它可以接管常规或重复的任务，使人类可以专注于战略思维，创造力或人际关系。这种乐观的观点受到学者的支持Brynjolfsson和McAfee（2014），谁认为技术可以提高生产力并增加与正确技能的人力资本的价值。Brynjolfsson等。（2025）和Noy和Zhang（2023）找到可以访问AI工具在客户支持中心和编写任务中提高生产率的访问。
然而，替代仍然是一个真正的风险。当AI可以以同样的质量执行一组特定的任务，而成本低于人类员工，那么在这些地区对人工劳动的需求可能会下降。Acemoglu和Restrepo（2020）认为自动化可能会减少劳动需求，除非劳动力需求伴随着人类保持比较优势的新任务的创建。完全替代可能对公司具有成本效益，但可能会导致严重的经济和社会后果，例如广泛的裁员和失业。
与过去的技术相比，受影响的工人类型相对可预测，AI的影响很难预期。作为一种通用技术，人工智能可能会以多种多样的方式破坏广泛的职业。这些动态不太可能平等影响所有工人。具有互补工具的高技能工人可能会受益，而中等技能工人的任务更容易被AI复制，可能会被置换或推入低薪的工作。相反，如果AI民主化获得服务和信息并减少了对人力资本的回报，则可能会破坏以前被视为安全或专业角色安全的人的经济地位，从而降低了不平等。
在经验上，评估AI对就业的直接影响是具有挑战性的。首先，通常很难确定招聘或分离的变化是由AI还是其他未观察到的行业，组织或员工级别的因素驱动的。此外，传统的就业合同往往是严格的，无法快速适应技术变化。他们还倾向于涉及一系列各种任务，例如回复电子邮件，参加会议，管理下属以及与客户互动。以目前的形式，AI可能有效地自动执行其中一些任务，但还不足以完全取代人类工人。结果，早期采用AI可能不会反映在常规的就业统计中。
在线劳动力市场中的人工智能
为了克服这些限制，我们最近发表的论文发表在组织科学（（Hui等。2024），采用另一种经验策略：我们专注于在线劳动力市场，即UPWORK，这是世界上世界上最大的在线自由职业平台之一。该平台是短期（通常是遥远）项目的现货市场。该平台上的潜在雇主可以发布各种工作，提供固定或每小时的薪酬。工作跨越一系列类别，包括网络开发，图形设计，行政支持，数字营销，法律援助等。他们通常有明确的时间表和/或定义明确的可交付成果。一旦张贴工作，自由职业者就可以提交提供服务的投标，并且在进行谈判过程之后，雇用了一个或多个自由职业者来完成工作。
该设置提供了几个优点：职位发布通常是短期的，合同是灵活的，并且该平台提供了有关就业历史和自由职业者收入的详细透明数据。自由职业者通常每月接受并完成多个项目，从而产生高频数据，非常适合短期分析。
为了检查这些相互作用如何受生成AI的释放影响，我们专注于两种类型的AI模型。首先，基于图像的模型，特别是DALL-E2和Midjourney，它们在2022年初彼此之间互相推出。这些工具标志着图像生成能力的重大突破，为公众提供了前所未有的公众对AI工具的访问，可以从文本提示中产生高质量的视觉效果。其次，基于文本的模型，特别是2022年11月的Chatgpt。Chatgpt是首个基于文本的商业级AI模型。Chatgpt的发行是一个分水岭，吸引超过1亿活跃用户在几个月内，标志着大规模采用生成AI的开始。
使用这些模型启动作为自然实验，我们比较了AI工具启动之前和之后的自由职业者结果的变化。在先前的研究和探索性数据分析的基础上，我们确定了在域中提供服务的特定自由职业者，更有可能受到不同类型的AI影响。例如，抄写员和校对器可能会受到诸如CHATGPT之类的基于文本的AI模型的影响，而图形设计人员更有可能受到诸如DALL-E2之类的基于图像的模型的影响。其他类别（例如行政服务，视频编辑和数据输入）预计将对这些早期AI工具几乎没有直接影响。
我们的分析表明，在更暴露于生成AI的域中运行的自由职业者受Chatgpt发布的影响不成比例。具体来说，我们发现提供诸如复制编辑，校对和其他文本繁重的任务之类的服务的自由职业者在新的每月合同数量中的下降约为2％。除了减少工作流程外，这些自由职业者还在平台上的每月收益下降了约5％。这些效果表明，对服务的需求可能会严重破坏AI可以复制的服务。重要的是，在发布基于图像的模型（例如DALL-E2和MIDJOURNEY）之后，我们观察到类似的模式。尽管这些工具在不同的时间发布并影响了一套独特的服务，但影响的大小与我们在基于文本的模型中观察到的相同。
这些是相当大的效果，尤其是考虑到这些技术最近如何可用。为了将这些变化的视角介绍，观察到的下降幅度与其他主要自动化技术（例如工业机器人和任务自动化）的研究相比（Acemoglu和Restrepo 2023）。它们也类似于劳动力市场的大规模政策干预措施的影响，包括变化最低工资和进入工会。此外，尽管我们的数据仅涵盖了这些AI模型发布后的前六到八个月，但在那个时候，负面趋势一直持续。实际上，就业和薪酬的下降而不是在最初发行后消失，而是不断增长，这表明我们的发现代表的不仅仅是短期冲击或过渡反应。相反，它们可能反映出某些服务在a-aigment经济中的重视和交付方式的转变。我们推测，随着AI能力的提高和采用的扩大，这些趋势不仅会持续存在，而且可能会加速，可能会导致跨职业的就业和收入更加广泛。
工人经验的角色
在记录了生成AI对平台上就业结果的负面影响后，我们接下来要评估某些自由职业者特征是否可以减轻或可能加剧这些影响。感兴趣的一个特殊维度是工人的质量和经验。对技术变革的先前研究表明，高技能劳动，尤其是从事认知要求或创造性任务的劳动力，往往更容易弹性。传统的观点认为，提供高级服务在某种程度上应该屏蔽自由职业者的流离失所，因为他们的工作可能更难自动化或复制（Acemoglu和Autor 2011;Autor等。2003）。
检查AI在工人质量分布中的影响表明了一个令人惊讶的模式：不仅高技能自由职业者不是与不利影响隔离的，而且实际上受到了不成比例的影响。在同一职业中的工人中，通过客户反馈，合同历史记录和其他基于平台的声誉指标来衡量的过去表现更强的工人在新合同数量和每月总收入的情况下都会更大。
这一发现突出了人工和人类专业知识之间的关键且有些违反直觉的互动。生成的AI似乎通过压缩整个技能范围的性能差异来衡量竞争环境。一个潜在的解释是，借助Chatgpt和Dall-E2等工具，经验较低或低评级的自由职业者现在可以产生输出，在许多情况下，在许多情况下，仅与顶级人才相关的质量。结果，客户可能不再认为为高调工人支付溢价，尤其是在低成本替代方案可以产生可比的结果时。
因此，如前所述，生成的AI代表了一种根本不同的技术进步。这种动态与先前的技术变革浪潮相反，在该技术变革中，高级工具通常补充了高技能的劳动，并扩大了顶级和底部表演者之间的生产率差距（Per Krusell等。2000）。结果，其破坏性潜力扩展了整个技能分布，包括最高的技能。生成AI的早期影响表明，它可能会减少收入和机会的分散。这种解释与较早的发现对于那些从新技术中获得更多生产力的人来说，从最初生产力较低的人来说，边际收益的边际收益通常是最高的。
对政策的影响
我们的研究提供了有关生成AI的劳动力市场影响的一些最早的经验证据，但认识到其局限性也很重要。出于上述原因，检查对自由职业者的影响引起了吸引力，但可能无法完全捕捉传统就业安排或长期合同关系的动态。尽管如此，发现的结果仍然强调了一个事实，即某些工人群体，例如通常缺乏正式的劳动保护和社会安全网，福利或议价能力的自由职业者，都受到了技术破坏的独特之处。例如，工作安排更灵活的工人缺乏访问权限为雇主赞助的退休储蓄和失业保险，并拥有面临法律挑战在组成工会。因此，现有的劳资关系和法规可能无法充分解决新兴技术所带来的挑战。随着工作性质的不断发展，可能需要重新考虑政策，以解决更快的工作和增强的自由职业者市场，尤其是在高度容易自动化的领域。
尽管我们的分析侧重于定义明确的，面向任务的自由职业工作，可以说更适合AI替代，但最近的研究发现，生成的AI也可能影响更复杂，协作的工作。Dellâakecae等。（2025）例如，表明AI甚至可以代替基于团队的专业问题解决问题，并为现实世界的业务决策做出有意义的贡献。这表明AI的影响可能会超越常规或孤立的任务，并开始重塑如何进行高技能，相互依存的工作。随着技术继续迅速发展，预测AI的未来轨迹仍然很困难。随着其能力的增长，AI可能会在更广泛的行业中采用，包括曾经认为对自动化具有抵抗力的行业，进一步重塑了劳动与技术之间的关系。通过诸如劳动力创新与机会法（WIOA）其他联邦劳动数据计划对于及时有效政策提供了必不可少的。
历史证据从过去的通用技术中表明，尽管短期替代效应可以取代工人，但长期的收益通常通过任务重组，劳动力重组和创造全新的角色而出现。在生成AI的情况下，真正的进步可能不仅来自自动化现有任务，还可以从根本上重塑组织的运营方式以及他们提供的商品和服务的类型。同时，一个部门的任务成本降低可以刺激其他部门的创新和经济活动。例如，Brynjolfsson等。（2019）证明eBay的AI驱动机器翻译大大增加了跨境贸易并改善了消费者的结果。同样，随着生成性AI的不断发展，它可以使新职业，商业模式和协作结构的出现。
实现这些长期利益将需要在教育，培训和机构改革中进行持续投资，从而促进人类互补性。决策者不仅应帮助工人适应近期的破坏，还应促进AI增强而不是代替人类能力的环境。它还需要创造条件，激励公司重组工作流程并以扩大而不是侵蚀人类劳动价值的方式采用AI。此外，劳动力市场机构必须发展以与新的工作现实保持同步。这不仅涉及重新思考社会安全网，还包括促进包容性的AI工具和培训机会。如果经过深思熟虑，政策可以确保下一波AI采用会带来广泛的利益，而不是加深现有差异。
-
参考
Acemoglu，Daron和David Autor。2011年。技能，任务和技术：对就业和收入的影响。劳动经济学手册，4：1043 1171。Elsevier。https://doi.org/10.1016/s0169-7218(11)02410-5。Acemoglu，Daron和Pascual Restrepo。
2020年。机器人和工作：美国劳动力市场的证据。政治经济学杂志128（6）：2188 2244。https://doi.org/10.1086/705716。Agrawal，Ajay B.，Joshua S. Gans和Avi Goldfarb。
2022。权力与预测：人工智能的破坏性经济学。马萨诸塞州波士顿：哈佛商业评论出版社。
Autor，D。H.，F。Levy和R. J. Murnane。2003年。最近的技术变革的技能内容：一种经验探索。《经济学季刊》118（4）：1279 1333。https://doi.org/10.1162/003355333322552801。Brynjolfsson，Erik，Xiang Hui和Meng Liu。
2019年。机器翻译会影响国际贸易吗？来自大型数字平台的证据。管理科学65（12）：5449 60。https://doi.org/10.1287/mnsc.2019.3388。Brynjolfsson，Erik，Danielle Li和Lindsey Raymond。
2025。《经济学季刊》140（2）：889 942。https://doi.org/10.1093/qje/qjae044。Brynjolfsson，Erik和Andrew McAfee。
2016。第二个机器时代：在精彩技术时期的工作，进步和繁荣。首次以诺顿平装本出版。纽约伦敦：W。W。Norton＆Company。
DellâAceca，Fabrizio，Charles Ayoubi，Hila Lifshitz-Assaf，Raffaella Sadun，Ethan R. Mollick，Lilach Mollick，Yi Han等。2025年。《控制论队友：生成AI重塑团队工作和专业知识的现场实验》。SSRN。https://doi.org/10.2139/ssrn.5188231。Eloundou，Tyna，Sam Manning，Pamela Mishkin和Daniel Rock。
2024年。GPT是GPT：LLM的劳动力市场影响潜力。科学384（6702）：1306 8。https://doi.org/10.1126/science.adj0998。Hui，Xiang，Oren Reshef和Luofeng Zhou。
2024年。生成人工智能对就业的短期影响：在线劳动力市场的证据。组织科学35（6）：1977 89。https://doi.org/10.1287/ORSC.2023.18441。Krusell，Per，Lee E. Ohanian，Jose-Victor Rios Rull和Giovanni L. Violante。
2000年。资本技能互补性和不平等：一种宏观经济分析。计量经济学68（5）：1029 - 53。https://doi.org/10.1111/1468-0262.00150。Noy，Shakked和Whitney Zhang。
2023。科学381（6654）：187 92。https://doi.org/10.1126/science.adh2586。布鲁金斯机构致力于质量，独立性和影响力。