人工智能行業：人工智能對歐盟及美國勞動力市場的影響-230409（26頁）.pdf

《人工智能行業：人工智能對歐盟及美國勞動力市場的影響-230409（26頁）.pdf》由會員分享，可在線閱讀，更多相關《人工智能行業：人工智能對歐盟及美國勞動力市場的影響-230409（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分Page 1 of 26證證 券券 研研 究究 報報 告告 宏宏 觀觀 研研 究究 報報 告告 海海 外外 宏宏 觀觀 研研 究究 Table_Title宏觀研究報告宏觀研究報告 2023年年4月月9日日 周浩周浩 孫英超孫英超+852 2509 7582+852 2509 .hk .hk Table_Summary人工智能對歐盟及美國人工智能對歐盟及美國勞動勞動力力市場市場的影響的影響1980-2021 年按主題劃分的人工智能研究出版物數量年按主題劃分的人工智能研究出版物數量數據來源：OECD，國泰君安國際 人工智能（AI）是眼

2、下最為熱門的話題，沒有之一。我們也選取了一篇刊載于美國白宮網站的關于人工智能對勞動力市場影響的研究報告1，并對此進行翻譯，試圖找到歐美國家中對于人工智能的最新思考。這篇報告詳實地介紹了 AI，并指出人工智能對工作的影響人工智能對工作的影響：一方面，人工智一方面，人工智能可能提高生產力，創造新的就業機會并提高生活水平；另一方面，由于人能可能提高生產力，創造新的就業機會并提高生活水平；另一方面，由于人工智能已經開始執行以前被認為嚴格屬于人類才可以執行的任務，人工智能工智能已經開始執行以前被認為嚴格屬于人類才可以執行的任務，人工智能可能會擾亂現有的勞動力市可能會擾亂現有的勞動力市場，并損害現有工人的

3、工作機會。場，并損害現有工人的工作機會。對于不同行業而言，人工智能的影響雖然不同，但影響卻會是巨大且長期的。比如說人工智能已經并會繼續影響招聘和倉儲行業。其帶來了效率的極大提升，改變了產業的格局，也要求從業者更加理解人工智能。人工智能的推廣的確為經濟發展提供了許多機會，但是人工智能也帶來了一人工智能的推廣的確為經濟發展提供了許多機會，但是人工智能也帶來了一些挑戰。綜合考慮，政府必須要制定監管措施以引導人工智能向積極方向發些挑戰。綜合考慮，政府必須要制定監管措施以引導人工智能向積極方向發展。展。人工智能對于勞動力市場的影響才剛剛開始。但本文中最讓我們觸動的一個案例是，1970 年左右引進的第一臺

4、自動取款機被預測為將結束傳統銀行柜年左右引進的第一臺自動取款機被預測為將結束傳統銀行柜員的工作，但今天美國員的工作，但今天美國反而有更多的銀行柜員。反而有更多的銀行柜員。1 https:/www.whitehouse.gov/cea/written-materials/2022/12/05/the-impact-of-artificial-intelligence/2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 2 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 報告背景報告背景 美國和歐盟委員會（EC）在 2019 年美國-歐

5、盟貿易和技術委員會期間都對開展一項聯合研究以評估人工智能對勞動力的潛在影響表示了強烈興趣。匹茲堡聲明承諾會進行一項聯合研究，內容主要涉及經濟領域，通過關注就業、工資和勞動力市場審查人工智能對勞動力市場未來的影響。通過通過該該合作，合作，本報告試圖本報告試圖為符合包容性經濟政策的人工智能方法提為符合包容性經濟政策的人工智能方法提供信息，以確保技術成果供信息，以確保技術成果能夠應用能夠應用于于所有所有工資水平的工人工資水平的工人當中。當中。報告范圍報告范圍 鑒于該項目涉及范圍較廣，本報告并不會作全面覆蓋；相反，它以更均衡的方式展示人工智能經濟學的一些重要話題。由于歐盟委員會和美國經濟顧問委員會（C

6、EA）在這項工作上的獨特合作，我們的目標是綜合運用美國和歐盟的數據以及兩國的學術成果為政策制定提供服務。我們這份聯合報告的目標是加強分析和政策方面的合作，以擴大人工智能帶來的利益。該報告旨在強調人工智能驅動的技術變革背后的經濟學原該報告旨在強調人工智能驅動的技術變革背后的經濟學原理，特別側重于理，特別側重于 AI 未來對勞動力體系和政策制定的影響。未來對勞動力體系和政策制定的影響。摘要摘要 人工智能是一項發展快速并且具有巨大潛力的技術，它可以提高工人生產力、公司運轉效率并推動產品和服務創新。同時人工智能也可以推進同時人工智能也可以推進現有工作的自動化，但是這可能會導致對工人的歧視并現有工作的自

7、動化，但是這可能會導致對工人的歧視并加劇社會的不平加劇社會的不平等。等。雖然以前的自動化技術進步傾向于影響“常規”任務，但人工智能有可能使“非常規”任務自動化，這將導致大量的工人失業。因此政策制定者面臨的挑戰是在促進人工智能的進步和創新的同時，保護工人和消費者免受可能出現的潛在傷害。本報告第一和第二部分介紹了人工智能及其在本報告第一和第二部分介紹了人工智能及其在歐盟和美國使用情況；第三部分重點介紹了人工智能對勞動力的影響；歐盟和美國使用情況；第三部分重點介紹了人工智能對勞動力的影響；第四部分包含了招聘和物流第四部分包含了招聘和物流領域領域的案例研究；第五部分是結論。的案例研究；第五部分是結論。

8、第一部分第一部分：人工智能概述：人工智能概述 什么是人工智能什么是人工智能 經合組織對人工智能系統是這樣定義的：“人工智能系統是一個基于機器的系統，它能夠通過為一組特定的目標產生輸出（預測、建議或決定）來影響環境。它使用機器或基于人的數據和輸入來：它使用機器或基于人的數據和輸入來：（1）感知真實或虛感知真實或虛擬環境；擬環境；（2）通過自動方式（例如，用機器學習）的分析，將這些感知通過自動方式（例如，用機器學習）的分析，將這些感知抽象成模型；抽象成模型；（3）使用模型來推理可能的結果。人工智能系統使用模型來推理可能的結果。人工智能系統可以按照可以按照不同不同程度程度的的自主性自主性進行進行運作

9、運作?！弊鳛槿斯ぶ悄軐嶋H應用的一個例子，可以考慮讓人工智能給出它自己的人工智能的定義。我們對一個現代的、經過訓練的人工智能引擎“GPT-3”給出如下指令：寫一段話，描述什么是人工智能以及它能做什么。GPT-3 的答案是：AI 是人工智能的縮寫。人工智能是應用是人工智能的縮寫。人工智能是應用認知科學技術的結認知科學技術的結OXkYkZVYhVhUtQnOoM9PbP9PpNpPoMsRiNmMnRkPnMpPaQpOoPMYnNrOvPmNnR2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 3 of 26 宏觀研究報告宏觀研究報告 宏 觀 研

10、究 報 告 果，以人工方式創造出果，以人工方式創造出一些東西來一些東西來完成只有人類才能完成的任務，如推完成只有人類才能完成的任務，如推理、自然交流和解決問題。人工智能很重要，因為它有可能幫助人類更理、自然交流和解決問題。人工智能很重要，因為它有可能幫助人類更好地完成認知任務，并將目前人類難以完成或無法完成的任務自動化。好地完成認知任務，并將目前人類難以完成或無法完成的任務自動化。這個例子能突出人工智能技術的變革力量。雖然以前的許多技術進步導致了常規任務的自動化，但人工智能有能力自動化原本被認為只能由人類來完成的任務。在本報告的第三部分，我們將進一步描述 GPT-3 關于人工智能對勞動力影響的

11、看法。近期關于近期關于 AI 的進展的進展 人工智能的潛力來自于它對機器學習的使用，機器學習是計算統計學的人工智能的潛力來自于它對機器學習的使用，機器學習是計算統計學的一個分一個分支，支，它它專注于設計能夠從新數據中自動和迭代地建立分析模型的專注于設計能夠從新數據中自動和迭代地建立分析模型的算法，而無需明確地對解決方案進行編程。算法，而無需明確地對解決方案進行編程。它是統計學意義上的預測工具，利用你擁有的信息，用它來預測你沒有的信息。如圖 1 所示，自 20世紀 80 年代以來，機器學習一直是人工智能研究的重點。在過去 10 年左右的時間里，機器學習作為預測技術的用途已經大大增加。機器學習的重

12、點領域是是計算機視覺以及使用計算機從圖像和視頻中獲取信息。這在一系列應用中具有十分重要的意義，如確定在線圖像的內容以進行標記或審核、實現汽車自動駕駛以及從數據庫中檢索特定的圖像或視頻。在過去五年中，人們更多地關注機器學習算法的一個特定領域神經網絡。這些算法使用權重和激活函數的組合，將一組數據輸入轉化為對輸出的預測，并衡量這些預測與現實的“接近程度”，然后調整其使用的權重，以縮小預測和現實之間的距離。輸入和輸出之間有兩層以上轉換的網絡被稱為“深度”。這些體系結構可以學習分層抽象，這有助于它們有效地表述復雜的關系。圖圖 1：1980-2021年按主題劃分的人工智能研究出版物數量年按主題劃分的人工智

13、能研究出版物數量 數據來源：OECD,國泰君安國際 2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 4 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 Dean（2019）總結了機器學習的演變歷程。機器學習的關鍵思想和算法從 20 世紀 60 年代就已經存在。在 20 世紀 80 年代末和 90 年代初，隨著人們意識到機器學習可以用獨特的方式解決一些問題，人工智能界掀起了一股熱潮，人工智能的優勢源于其接受原始形式輸入數據的能力，以及訓練算法來執行預測任務。然而在那個時候，計算機還沒有強大到足以處理大量的數據。在摩爾定律的推動下，

14、經過幾十年的在摩爾定律的推動下，經過幾十年的發展發展，計算，計算機開始變得足夠強大，機開始變得足夠強大，為人工智能的發展奠定了基礎為人工智能的發展奠定了基礎。此外，公共單位和個人現在都可以獲得大量復雜的數據，這也為開發和訓練人工智能模型提供了條件。Beraja、Yang 和 Yuchtman（2022）對此進行了研究，結果顯示，能夠獲得政府海量數據的公司開發出商業人工智能軟件的數量大幅增長。以下展示一些機器學習進展的例子。（1）斯坦福大學在 2010 年舉辦了首屆 ImageNet 挑戰賽。該挑戰是給定一個 120 萬張彩色圖像（被分為 1,000 個類別）組成的“訓練集”，通過訓練機器模型，

15、將新的彩色圖像進行分類。2010 年和 2011 年的獲勝團隊使用了傳統的編碼方法，但是錯誤率仍高于 25%。2012 年，一位參賽者首次使用深度神經網絡，并以 16.4%的錯誤率獲勝。隨后幾年，深度學習在該類問題中廣泛使用，2017 年獲勝的錯誤率只有 2.3%，這遠低于人類的錯誤水平。（Russakovsky et al.2015）（2）AlphaGo，這是一款旨在與人類棋手對弈的圍棋軟件。它使用了神經網絡，除了了解圍棋的規則外，該模型既通過與自己對弈來訓練，也通過數以千計的真實比賽來學習策略。2016 年 3 月，AlphaGo 以 4 比 1的成績擊敗了世界排名第一的選手。研究人員隨后

16、考慮通過讓神經網絡只與自己下棋來訓練它-結果是 AlphaGo 零勝。該神經網絡開始時只有隨機策略，但在三天內與自己下了 490 萬盤棋，隨后新的人工智能以100 比 0 的成績擊敗了上一版本的 AlphaGo。（3）DALL-E，它與 GPT-3 具有相同的技術。DALL-E 是在一組 2.5 億個文本圖像組合基礎上進行訓練的模型，可以根據用戶提供的文字描述生成圖像。經過學習，它可以創造出它從未“見過”但符合要求的圖像。以上這些例子表明了以前被認為是不可能的任務，現在可以由人工智能執行，甚至呈現優于人類執行的結果?？傮w進展和未來方向總體進展和未來方向 自 20 世紀 50 年代以來，人工智能

17、發展的特點是周期性的突破和巨額投人工智能發展的特點是周期性的突破和巨額投資（資（“人工智能的春天人工智能的春天”）以及失望和少量資金（）以及失望和少量資金（“人工智能的冬天人工智能的冬天”）。技）。技術突破引發了對未來預期的上修術突破引發了對未來預期的上修，這推動了投資的增長。，這推動了投資的增長。當研究停滯不前時，投資也會隨之下行（Mitchell 2021）。2010 年左右顯然是一個“春天”，人工智能在圖像處理和自然語言處理方面取得了較大的進展。一部分人認為，人工智能現在正處于一個“黃金時代”。然而，鑒于一些目標仍然遙不可及，例如完全自動化的汽車（Mitchell 2021），人們擔心“

18、冬天”即將到來。具有前瞻視角的科學家開始考慮人工通用智能（AGI）的可行2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 5 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 性，它等同于或超過了當下的人類智能。AGI 概念在二戰后就已經出現了，第一次人工智能會議于 1956 年在達特茅斯學院舉行。1965 年，諾貝爾獎獲得者赫伯特-西蒙（Herbert Simon）預言，“機器將在 20 年內有能力做任何人類能做的工作。近年來，由于機器學習的發展和進步，AGI 出現了回潮。雖然 AGI 不是本研究的重點，但超越人類智能的機器學習對

19、經濟和社會具有深遠的影響。雖然人工智能的崛起有望改善現有的商品和服務，并大大提高生產效率，但 Cockburn、Henderson 和 Scott（2019）認為，機器學習作為一種新的通用技術（GPT），是一種“發明方法的發明”（IMI），可能對經濟產生更大的影響。GPT 與 IMI 的不同之處在于，IMI 可以研究與開發本身的組織結構。例如，Jumper 等人（2021）展示了他們基于機器學習的工具 Alpha Fold 在預測蛋白質的物理結構方面的成功應用，并隨后向科學界提供了一個超過 2 億個預測蛋白質形狀的數據庫供研究人員使用。這意味著深度學習可以使我們能更好地理解基因組，從而推動分子

20、生物學和遺傳學領域的進步。人工智能帶來的經濟機遇和挑戰人工智能帶來的經濟機遇和挑戰 隨著人工智能技術的不斷完善，它可能會在生產效率、增速、創新和就業等方面對經濟產生實質性影響。政策制定者可以利用人工智能來制定更有效和公平的決策。另一方面，由于人工智能未來發展的不確定性以及目前人工智能的使用范圍（如搜索引擎、數字助理或社交媒體）并沒有體現直接的經濟利益，因此很難量化人工智能可以帶來的好處。為此，為此，Brynjolfsson 等人（等人（2019）提出了一個名為）提出了一個名為 GDP-B 的新指標，的新指標，該指標量化了該指標量化了人工智能帶來人工智能帶來的收益而非成本。的收益而非成本。通過一

21、系列的實驗，他們評估了消費者對免費數字商品和服務的支付意愿。例如，例如，Facebook 帶帶來的相關來的相關收益將使美國每年的收益將使美國每年的 GDP-B 增加增加 0.05 至至 0.11 個百分點。個百分點?？紤]考慮到到 Facebook 僅僅是數字經濟中的一個產品，因此人工智能帶來的收益僅僅是數字經濟中的一個產品，因此人工智能帶來的收益一定是巨大的。一定是巨大的。然而，正如 Acemoglu（2021）所說的那樣，人工智能會讓社會付出巨大的代價，由于“人工智能的前景和巨大的潛力”，理解和面對這些代價就顯得更加重要。直接源于人工智能對信息直接源于人工智能對信息過度使用過度使用的例子包括

22、侵犯隱的例子包括侵犯隱私，創造反競爭環境，以及通過機器學習技術進行行為操縱，使公司能私，創造反競爭環境，以及通過機器學習技術進行行為操縱，使公司能夠識別和利用消費者夠識別和利用消費者不能自我認知不能自我認知的漏洞。此外的漏洞。此外還存在因過度自動化導還存在因過度自動化導致工人被直接取代的風險致工人被直接取代的風險。最后，人工智能。最后，人工智能或可以通過多種方式或可以通過多種方式加劇社加劇社會問題，會問題，有大量證據表明人工智能已經引入并延續了種族或其他形式的歧視。人工智能還可能在社會關于民主國家運作等至關重要的問題上產生負面影響，例如社交媒體中傳播虛假信息和分化社會。雖然這些代價雖然這些代價

23、是巨大的，但它們往往不是人工智能所固有的，而是開發和是巨大的，但它們往往不是人工智能所固有的，而是開發和研究研究該技術該技術時所作選擇的產物，這意味著政府在研究和監管人工智能方面發揮著核時所作選擇的產物，這意味著政府在研究和監管人工智能方面發揮著核心作用，美國的人工智能權利法案和人工智能法就是證明。心作用，美國的人工智能權利法案和人工智能法就是證明。本報告的重點是人工智能對勞動力市場的影響。雖然在二戰后的四十年里，技術進步看似為所有工人帶來了繁榮的勞動力市場，但在 20 世紀2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 6 of 26 宏觀

24、研究報告宏觀研究報告 宏 觀 研 究 報 告 80 年代開始出現了一條不同的技術發展道路，這個方向對低薪工人的包容性較差，這給政策制定者帶來了挑戰。Acemoglu 和 Autor（2011）發表的 Skill Biased Technological Change（SBTC）闡釋了美國內部和不同經濟體的收入分配趨勢。然而，典型的 SBTC 模型表明技術對高技能工人會比低技能工人產生更大的好處，而人工智能既可以是相對較高技能工人的替代品，也可以是補充品。例如，為推進自動化，而不是提高工人的工作強度，企業希望開發和采用人工智能；另外，人工智能可以增加對工人的實時檢測，但是一旦這種檢測會導致工人工

25、資降低，那么這種人工智能的作用就是負面的?？偠灾?，不受約束的人工智能可能導致更不民主的勞動力市場、更糟糕的工作條件以及對工人有利的勞動力市場制度的侵蝕。如果沒有對人工智能負面作用的正確理解和管理，其巨大潛力就無法實現。工業革命開始后經濟的持續增長并不完全是由具體發明所推動的，人類對這些發明的理解和管理也起了相對重要的作用。雖然 1750 年之前的世界也有來自火藥、眼鏡和機械鐘等發明所推動的經濟增長，但由于缺乏對這些技術的理解和管理，這種增長并不持續。因此我們應如何管理人工智能所可能帶來的負面影響？我們如何才能最好地利用其巨大的潛力實現持續的經濟增長？這篇報告將會回答這兩個問題。第二部分：人工

26、智能應用的現狀第二部分：人工智能應用的現狀 美國對人工美國對人工智能的智能的采用情況采用情況 在美國，關于不同技術（包括人工智能）采用情況的最新公開數據來自人口普查局的年度商業調查（ABS）。最近來自于 Acemoglu 等人（2022）和 McElheran 等人（2022）的兩篇論文分別使用 2019 年和2018 年的 ABS 模塊來描述美國企業對 AI 技術的采用情況。兩篇論文都發現，人工智能的總體采用率很低，但在人工智能的總體采用率很低，但在某些某些大型的、年輕的公司中大型的、年輕的公司中采采用率較高用率較高。McElheran 等人的論文（2022）專注于研究所有者和管理層的特征與

27、人工智能采用的關聯情況，結果顯示擁有更年輕、更高教育水擁有更年輕、更高教育水平管理者或所有者的公司更平管理者或所有者的公司更有可能采用人工智能技術。有可能采用人工智能技術。Acemoglu 等人的論文（2022）則專注于研究擴大采用人工智能的問題，如企業采用人工智能背后的原因，進一步采用的障礙，以及人工智能采用和生產力之間的聯系。這兩篇論文都發現，總體上很少有公司采用人工智能，但公司層面采用的統計數據掩蓋了美國工人接觸人工智能的真實狀況。McElheran 等人（2022）報告說，在 2017 年，2.9%的公司使用機器學習，1.8%使用機器視覺，1.3%使用自然語言處理。同樣，Acemogl

28、u 等人（2022）發現，在 2016 年至 2018 年間，只有 3.2%的美國公司將人工智能作為其流程和方法的一部分。然而在 2017 年，11.7%的工人在使用機器學習的公司工作（6.8%和 8.8%的工人在使用機器視覺和自然語言處理的公司），在 2016 年至 2018 年期間，12.6%的工人受雇于利用人工智能的公司。企業和工人層面的這種差異源于兩篇論文的一個關鍵發現：大型企企業和工人層面的這種差異源于兩篇論文的一個關鍵發現：大型企業更有可能采用人工智能技術。業更有可能采用人工智能技術。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page

29、 7 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 除公司規模外，其他因素也會影響公司對人工智能的采用。首先，信首先，信息、專業服務、管理和金融等行業的公司最有可能采用人工智能技術；息、專業服務、管理和金融等行業的公司最有可能采用人工智能技術；零售業、運輸業和公用事業等行業也更有可能采用人工智能技術。其零售業、運輸業和公用事業等行業也更有可能采用人工智能技術。其次，次，無論公司規模如何，年輕的公司更有可能采用人工智能。無論公司規模如何，年輕的公司更有可能采用人工智能。例如，在特定規模的所有大公司中，年輕公司（前四分之一）大約有 7%采用了人工智能，在最老公司（后四分之一）中，只

30、有大約 3%至 4%的公司采用人工智能。人工智能的采用主要集中在較大和較年輕的公司，這反映出采用這種技術很可能需要解決大量的成本和架構問題。此外，擁有風險投資資金的企業和其他被 McElheran 歸類為“以高增長創業原則為創業基礎”的企業與人工智能的使用更相關。2019 年 ABS 還詢問了企業為什么采用人工智能，以及在實施這項技術時面臨哪些障礙。采用和不采用人工智能的公司均反饋，人工智能對公人工智能對公司業務的不適用性以及成本太高是不采用人工智能的主要原因。司業務的不適用性以及成本太高是不采用人工智能的主要原因。在所有人工智能的采用者中，大約 80%（按雇員人數加權）反饋這樣做是為了提高其

31、產品或服務的質量，65%是為了升級現有流程，54%是為了使現有流程自動化。雖然人工智能采用公司表示自動化并不是采用人工智能的最主要因素，但 Acemoglu 發現人工智能采用公司的勞動生產率較高且勞動份額低于同類公司，這與自動化作為人工智能的主要應用相一致。但是使用人工智能來實現現有流程的自動化可能會對工人產生重要的不利影響。與其他先進技術相比，人工智能與工人的競爭更加激烈，可能會對個別工人的就業產生重要的不利影響。上面討論的調查數據并不是對公司層面采用人工智能技術的完全全面考察。在這些調查中，許多人工智能的使用可能被忽略，例如 Siri、Cortana 或 Alexa 這樣的語音助手。根據皮

32、尤研究中心（Pew Research Center）的數據，2017 年，46%的美國人使用數字語音助手，絕大多數人通過智能手機使用該服務。根據微軟的一項調查，2019 年，報告使用數字語音助理的美國人的比例已經增長到 72%。這說明了人工智能已經在生活中的許多領域出現，而不僅僅是企業。除私營部門外，美國聯邦政府也已經開始采用人工智能，包括改善納稅人與國內稅收署（IRS）聯系時的等待時間，利用醫療保險數據預測病人的健康狀況等。國稅局為了解決來電者等待時間過長的問題，已經實施了一個基于人工智能的語音機器人系統，目前該系統允許納稅人設置付款并取得已設定問題的答復。在明年，這項服務范圍將被進一步擴大

33、，允許機器人檢索更多關于個別納稅人的信息，進一步減少等待時間。2019 年，醫療保險和醫療補助服務中心（CMS）創建了 CMS 人工智能健康結果挑戰賽，這項比賽旨在加速“開發人工智能解決方案，預測醫療保險受益人的病人健康結果”。2021 年比賽結束，獲勝者使用醫療保險病例記錄，準確預測可能出現不良事件的患者，并向臨床醫生解釋這些預測結果。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 8 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 歐盟對人工智能的采用情況歐盟對人工智能的采用情況 在歐盟，企業方面人工智能采用的總體趨勢似乎與

34、美國類似（數據來自歐盟統計局關于企業 ICT 使用和電子商務的社區調查，范圍涵蓋一系列人工智能技術的使用情況，包括深度學習、圖像和書面/口頭語言的分析以及工作自動化）。2021 年，所有雇員超過年，所有雇員超過 10 人的企業中，有人的企業中，有 8%采用采用了人工智能技術。規模較大的公司更有可能使用人工智能技術，了人工智能技術。規模較大的公司更有可能使用人工智能技術，在在雇員雇員超過超過 250 人的公司中，有人的公司中，有 28%的公司的公司使用人工智能使用人工智能。調查還顯示，企業使用人工智能最多的場景是采用機器學習或分析書面語言使工作流程自動化。整體情況與前一年的結果相差不大：2020

35、 年，歐盟有 7%的企業使用人工智能。常見用途是通過機器學習分析大型數據集和部署聊天機器人。通過這些數據，我們也可以看到人工智能在歐盟成員國的使用分布。2021 年，丹麥的企業使用人工智能比例最高（24%），其次為葡萄牙（17%）、芬蘭（16%）、盧森堡和荷蘭（均為 13%）。Hoffman 和 Nurski（2021）更詳細地探究了歐盟統計局關于企業 ICT 使用、電子商務的社區調查以及其他調查（包括歐盟委員會的小型調查）。與美國一樣，與美國一樣，歐盟的歐盟的機器機器人使用人使用集中在制造業，其他類型的先進技術在集中在制造業，其他類型的先進技術在金融、教育、衛生和社會工作等服務領域的采用率更

36、高。金融、教育、衛生和社會工作等服務領域的采用率更高。在這些部門中，大型企業采用人工智能的比例更高，這表明采用人工智能涉及大量成本和架構問題。技能和資金限制是報告的主要障礙，大約 80%的企業提到內部勞動力和外部勞動力市場缺乏相關技能，同時購買 AI 和調整運營流程成本過高。第三部分：人工智能對工作的影響第三部分：人工智能對工作的影響 我們在前文探討過，隨著人工智能的發展和在各種應用中的嘗試，它對社會的潛在收益是巨大的。人工智能的優勢可以跨越行業，為工人提供時間來完成新工作，并通過自動化提高公司的運營效率。該報告還顯示了在使用人工智能技術時，它又給政策制定帶來了怎樣的挑戰。報告這一部分將重點討

37、論人工智能給勞動力市場帶來的機遇和挑戰。一報告這一部分將重點討論人工智能給勞動力市場帶來的機遇和挑戰。一方面，人工智能有可能提高生產力，創造新的就業機會并提高生活水方面，人工智能有可能提高生產力，創造新的就業機會并提高生活水平；另一方面，由于人工智能已經開始執行以前被認為嚴格屬于人類才平；另一方面，由于人工智能已經開始執行以前被認為嚴格屬于人類才可以執行的任務，人工智能可能會擾亂現有的勞動力市場，并損害現有可以執行的任務，人工智能可能會擾亂現有的勞動力市場，并損害現有工人的工作機會。工人的工作機會。人工智能開發和采用的目的是為了使工作自動化，而不是擴大工作機會。推進人工智能技術的公司通常會朝著

38、利潤最大化的方向發展，而這可能與利于社會發展的方向不同。（比如，人工智能增加了雇主監控工人的能力）總而言之，雖然人工智能對勞動力市場的潛在好處很多，但不受約束的人工智能也可能導致勞動力市場更加不民主和不平等。人工智能的發展帶來了眾多挑戰，因此政策制定必須要正確理解技術進步是如何影響勞動力市場的，以及未來人工智能將如何改變工作。Autor（2022）概述了關于“數字技術對勞動力市場影響”的思考。他的出發點是基于工作的勞動力市場觀點，該觀點在過去十年中已經成為文獻中的2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 9 of 26 宏觀研究報告宏觀

39、研究報告 宏 觀 研 究 報 告 標準框架。這一觀點產生的假設是，數字技術可以使“常規工作”自動化。常規工作的特點是，它遵循一套明確的規則和程序。符合這種描述的工作可以被編入計算機軟件并由機器執行（例如，機器人組裝汽車，用電子郵件傳遞信息）。相反，“非程序性工作”是很難編程的，因為完成這些工作通常沒有明確的步驟。有趣的是，盡管我們無法用算法表達非常規工作，但許多這些工作對人類來說卻很容易完成。這就是所謂的波蘭尼悖論“人類知道的比他們能說的多”，這是以 20 世紀的哲學家邁克爾-波蘭尼和他的論點命名的，即我們所有的知識都植根于隱性知識中。Goos、Manning 和 Salomons（2014）

40、表明，常規工作集中在中等收入的職業（如電腦操作員、辦公室文員），而非常規工作（如在餐廳中等待餐桌、清潔房間、診斷疾病或團隊管理）集中在低薪職業（如餐廳服務員、清潔工）和高薪職業（如衛生專業人員、經理）。因此，自動化技術減少了中等收入人群的工作，進而導致了工作兩極分化的過程。研究發現，這種情況發生在他們所研究的 1993 年至 2010 年的 16 個西歐國家，美國也有類似的情況（Acemoglu 和 Autor 2011）。人工智能有可能從根本上改變自動化技術、勞動力需求和不平等之間的關系。雖然迄今為止的研究已經考察了計算機和工業機器人等數字技術，但人工智能顛覆了技術只能完成常規任務的假設。由

41、于人工智能通過對實例的訓練來學習歸納執行這些任務，而不是遵循可編程的明確規則，因此人工智能可以用來推斷底層軟件無法完全指定的默契關系。因此，未來人工智能可以完成在低薪和高薪職業中許多不能由計算機完成的非程序性工作，這將對勞動力需求、就業兩極化和不平等有深遠的影響。例如，我們可能不再看到就業兩極分化的過程，而是高薪職業就業增長更強（如果人工智能使低薪職業的非程序性工作自動化）或低薪職業就業增長更強（如果人工智能使高薪職業的非程序性工作自動化）。綜上所述，人工智能對勞動力市場的影響方面依舊存在很多不確定性。接下來將重點討論這四個問題：a)哪些工作和任務會受到人工智能的威脅？b)人工智能將出現哪些新

42、的工作和任務？c)人工智能對工人的影響將是什么？d)人工智能對工作場所的影響將是什么？a）哪些工作和任務會受到人工智能的威脅？）哪些工作和任務會受到人工智能的威脅？雖然早期的數字技術將涉及常規工作的職業（如機器操作人員、辦公室文員）自動化，但人工智能作為一種預測技術，也有可能將各種非常規工作自動化，這涉及更廣泛的職業范圍。學術界已經開始加速研究這個問 題，Acemoglu 等 人（2022）；Brynjolfsson、Mitchell、Rock（2018）；Felten、Raj、Seamans（2020）；Webb（2020）已經應用適當方法來分析人工智能的采用對不同職業的影響。這些研究假設人

43、工智能并不是只能做某種特性類型的工作，而是可以依靠各種創新的方式來確定人工智能可以或不可以完成哪些工作。Webb（2020）提供了一個例子。他使用自然語言處理（NLP）算法，2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 10 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 利用工作任務描述的文本和專利文本之間的重疊程度，開發出一種新的方法來識別哪些任務可以被自動化，這樣他構建了一個衡量職業對該技術的“暴露”程度的工具。例如，假設一名醫生的工作描述包括“診斷病人的狀況”這一任務。NLP 算法將從這項任務中提取動詞名詞組合，即“診

44、斷病情”；然后，該算法在不同的專利樣本中對相同的動詞名詞進行量化，以確定是否有技術可以使醫生的任務自動化。利用這種方法，Webb（2020）首先研究了以前兩種類型技術的影響：軟件和機器人。對于軟件來說，工人整體接觸程度與受教育程度呈負相關，中薪職業的個體接觸程度最高。就機器人而言，受教育程度低于高中的人群和 30 歲以下的男性受影響最大?？偟膩碚f，這些結果與關于工作兩極分化的文獻一致，即在 1980 年至 2010 年期間，計算機和機器人減少了對常規的、中等工資工作的需求，但是增加了對非常規的、低工資和高工資工作的需求。韋伯（2020）的研究隨后轉向了人工智能對職業需求的影響。與軟件和機器人相

45、比，人工智能執行的任務涉及檢測模式、做出判斷和優化。其影響最大的職業包括臨床實驗室技術人員、化學工程師、驗光師和發電廠操作員。更廣泛地說，高技能的職業最容易受到人工智能的影響。此外，正如可以預期的那樣，受人工智能影響的工作主要是涉及高教育水平和經驗積累的工作，因此年齡較大的工人最容易受到人工智能的影響。與此同時，也有一些低技能的工作受人工智能影響較大。例如，涉及檢查和質量控制的生產工作會受到影響，但是這些工作只占低技能工作的一小部分。最后，一個新成立研究機構的調查表明，未來會有越來越多的需要高學歷水平的負責工作將被人工智能所代替。與早期的數字創新相比，這表明我們對人工智能使工人工作自動化潛力的

46、思考發生了本質轉變。例如，人工智能對工人工作的自動化推動可能會加速職業去技術化過程，而不是工作的兩極化。但是這種轉變不會是輕松就可以完成的。一方面，由于人工智能并不能完全了解現實世界的復雜性，因此它不能完成人類在工作中需要承擔的復雜的決策工作；另一方面，目前為止人工智能還沒有對勞動力市場產生明顯的影響。b)人工智能將出現哪些新的工作和任務？人工智能將出現哪些新的工作和任務？在探討人工智能的優勢時，決策者的一個重要考量是人工智能不僅能實現自動化，還能增加工作機會。歷史上有很多例子表明，一些工作雖然最初被預測會消失，但它們反而獲得了蓬勃的發展。1970 年左右引進的年左右引進的第一臺自動取款機被預

47、測為將結束傳統銀行柜員的工作，但今天美國反第一臺自動取款機被預測為將結束傳統銀行柜員的工作，但今天美國反而有更多的銀行柜員。而有更多的銀行柜員。如果工作內容是固定的，那么不斷推進的自動化將把工人限制到越來越窄的細分工作領域，如果人工智能發展到 AGI 的狀態，也許最終會使人類勞動完全被淘汰，但是 AGI 也有可能會為工人創造許多新的工作。目前我們對人工智能為工人創造新工作的潛力了解的非常少，不過我們可以從更廣泛的角度探討技術進步到底創造了多少新工作。為了回答這2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 11 of 26 宏觀研究報告宏觀研

48、究報告 宏 觀 研 究 報 告 個問題，Autor 等人（2022）利用了美國人口普查局的職業描述中出現的新工作頭銜進行統計，分析表明，無論新工作是由于技術進步還是其他原因而產生的，新工作的數量都很龐大。他們估計 2018 年美國有超過60%的就業是在 1940 年不存在的工作種類中發現的。如 2000 年增加的“手指甲技術員”和 2018 年增加的“太陽能光伏電工”，“人工智能專家”也在2000 年首次出現。對于新工作的性質，Autor 等人發現，在 1940 年至 1980 年間，大多數雇用非大學工人的新工作都來源于中等技能的工作；1980 年后，非大學工人創造新工作的地點從這些中等技能工

49、作轉移到了傳統的低薪個人服務。相反，雇傭受過大學教育工人的新工作創造越來越集中于專業、技術和管理職業。綜合來看，1980 年后新工作的創造出現了兩極分化，這也代表總體工作出現了兩極分化。為了進一步解釋新工作種類的產生，以及這其中技術進步的作用，Autor等人（2022）采用了與 Webb（2020）類似的程序，用 NLP 檢查專利數據。例如 1999 年，美國專利和商標局授予一項“加強和修復指甲方法”的專利。Autor 的算法將這項專利與人口普查局在 2000 年增加的“指甲技術員”的職業名稱關聯起來。同樣地，他們的算法將 2014 年專利“用于高效太陽能轉換的系統”關聯到“太陽能光伏電工”職

50、業，該職業名稱是在 2018年增加的?？偠灾?，Autor 等人（2022）的研究表明，新技術是創造新工作的重要驅動力。Autor 等人（2022）還發現，一些職業（如放射科技術員和機械師），相對于工作機會增加而言，自動化率更高，因此這些職業的勞動力需求和就業將趨于下降；而在其他職業中（如工業工程師和分析員），增員比自動化更重要，這導致該類職業的就業增加。有趣的是，許多職業要么同時接觸到增員和自動化，要么根本沒有接觸到任何技術。到目前為止，與技術進步相關性較小的職業包括需要人際交往技能的工作，如兒童保育員、酒店職員和神職人員?？偠灾?，盡管技術進步使工作自動化的潛力得到了廣泛的關注，但它也增加

51、了工作機會，是創造新工作的一個重要驅動力。Autor 等人（2022）將創新對工作的這種雙面影響稱為“自動化和增員之間的競賽”。在就業份額下降（增加）的職業中，這場競賽是自動化（增員）獲勝。更好理解這場競賽可以給政策制定者提供重要的政策制定思路。Autor 等人（2022）并沒有特別關注人工智能。但許多由人工智能增加的新工作種類可能很快就會產生新的職業名稱數字助理工程師、倉庫機器人工程師以及社交媒體內容策劃者。從政策角度來看，需要進一步考慮這些新工作是否是社會希望人工智能創造的工作，以及隨著未來人工智能的發展，高薪職業會不會被人工智能所取代。c)人工智能對工人的影響將人工智能對工人的影響將是什

52、么？是什么？包括人工智能在內的技術進步對工作影響的優勢集中在可自動化的工作以及增加就業機會上，尤其（主要）是在更細分的職業領域。因此，研究人員的重點不僅應該是人工智能的自動化或增員潛力，還應該是工作的重新設計。例如，Brynjolfsson、Mitchell 和 Rock（2018）推測，機2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 12 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 器學習將推動對禮賓員、信貸授權人和經紀公司職員的工作進行實質性的重新設計，工作重新設計也是對工人適應能力的挑戰。Acemoglu 等人（20

53、22）利用美國人口普查局 2019 年 ABS 中引入的一個新模塊，在評估企業對人工智能的采用情況的同時，還探討了企業對人工智能對其勞動力和技能需求影響的自我評估。在人工智能采用者在人工智能采用者中，中，15%的人報告說人工智能提高了總體就業水平，的人報告說人工智能提高了總體就業水平，6%的人表示人工智的人表示人工智能降低了就業水平，這表明人工智能對就業水平的影響尚不明朗。能降低了就業水平，這表明人工智能對就業水平的影響尚不明朗。與此同時，41%的人工智能采用者增加了雇員的技能需求，幾乎沒有公司（不到 2%）報告他們對雇員技能的需求降低。Genz 等人（2022）對德國的研究得出了類似的結果。

54、他們研究了德國工人如何適應企業對新數字技術的投資，包括人工智能、增強現實或 3D打印。他們收集新的數據，將企業技術采用的調查信息與德國的社會安全行政數據聯系起來。然后將技術采用者與非采用者進行比較。雖然他們發現幾乎沒有證據表明人工智能影響了工作的數量，但缺乏整體的就業對比掩蓋了工人之間的巨大差異。他們發現受過職業培訓的工人比有大學學位的工人受益更多。一種解釋可能是，人工智能對職業工人一種解釋可能是，人工智能對職業工人工作工作機會的增加機會的增加大于對大學工人大于對大學工人工作工作的的增加；增加；另一個解釋是，德國傳統的職另一個解釋是，德國傳統的職業培訓體系（樣本中業培訓體系（樣本中 76%的工

55、人完成了職業教育）提供了大量的專業技的工人完成了職業教育）提供了大量的專業技能，能，這些職業技能這些職業技能引導引導了了人工智能的發展和采用。人工智能的發展和采用。勞動者在不同工作中的流動性。勞動者在不同工作中的流動性。人工智能推動的自動化發展將會導致部分工人的工作被取代，或者原有工人不再滿足新工作對技能的需求。對于被裁員的人來說，換工作的成本很高，這可能對整個勞動力市場造成破壞。這些調整代價和之前技術進步的代價很相似，電話接線員角色的自動化就是很好的例子。隨著人工智能迅速發展，這些代價正在逐步擴大，但關于因人工智能被淘汰的工人向新工轉移的研究非常有限。Bessen 等人（2022）對此做過一

56、個調查。他們使用荷蘭的行政數據，研究了當公司投資于人工智能以實現公司生產過程的自動化時，那些被裁員的工人會發生什么。結果顯示，人工智能自動化的負面影響在小公司以及中老年工人中更為嚴重。同時失業工人的調整成本很高，這些成本失業保險只能部分抵消。d)人工智能對工作場所的影響將是什么？人工智能對工作場所的影響將是什么？人工智能將極大地改變工作場所和公司的商業模式，同時這些變化也將進一步影響工作環境。Wood（2021）討論了工作場所算法管理的普遍性。算法管理通過對工人數據的收集和監控，以自動化的方式管理勞動力。在線勞務平臺是一個常見的例子。這些平臺使工人能夠選擇他們的客戶和工作，可以選擇如何進行這些

57、工作，并決定如何對這些工作收費。但是工人的選擇權受到平臺規則和設計結構的限制。算法管理也被用于其他場合，如倉庫、零售、制造、營銷、咨詢、銀行、酒店、呼叫中心，以及記者、律師和警察中。Wood（2021）總結了這些部門的幾個詳細的案例研究。出租車服務或送貨上門的數字平臺。在這些平臺上，算法通過司機的智能手機（或其他手持設備）將任務分配給他們。例如一個出租車平臺可2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 13 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 以通知司機一個出行請求，司機必須在 15 秒的時間內接受這個請求。只有

58、在接受請求后，該算法才會向司機提供乘客的位置、車費和目的地。該算法在通知司機出行請求的同時隱瞞了關鍵信息，是為了盡量減少司機拒絕出行請求的機會。此外，如果司機拒絕了太多的請求，該算法可以將他們暫時從應用程序中記錄下來，作為懲罰。一旦司機接受了出行請求，該算法就會推薦一條到達下車地點的路線。如果司機偏離了建議的路線，該算法可以隨即發送通知。如果應用程序還負責支付司機相關費用，那么應用程序可以通過拒絕發放司機的款項，進一步懲罰故意拖延時間的司機?？傊?，盡管平臺給工人和客戶帶來了許多好處，但他們的算法管理可以大大降低工人的選擇空間。Weil（2017）探討了算法管理對商業模式和勞動關系的更深遠影響。

59、通過對美國眾議院證詞的分析，他認為企業可以利用信息和通信技術來削弱對傳統雇傭關系的需求。自 20 世紀 80 年代以來，許多大公司已經放棄了直接雇傭的行為，而將工作外包給較小的分包商或特許經營商。這些分包商或特許經營商之間的競爭意味著工人工資、福利都會降低。Weil 所說的這種變化主要影響到低工資的工作，它加劇了工資的不平等，降低了職業安全，并增加了工人的健康風險。另一方面，人工智能可以成為催化劑，促進主導公司及其股東通過對外包工人的智能監測，更好地管理其勞動力供應鏈，從而提高公司整體的運營效率。第四部分第四部分：“案例研究案例研究”案例一：人工智能在人力資源和招聘中的應用案例一：人工智能在人

60、力資源和招聘中的應用 在 20 世紀后半葉，傳統的招聘方法是清晰且簡單的：申請人提交他們的簡歷和求職信，以及對具體工作問題的回答。招聘人在一疊申請者的文件中進行篩選，以確定合適人選。經過若干輪的面試后，招聘人會發出工作邀請。最終，候選人會接受聘用并開始工作。在過去十年，隨著人工智能的發展，招聘過程發生了巨大的變化。雖然這個過程的主要步驟大致相似，但在每個階段，企業都采用了基于人工智能的工具來提高速度和規模。人工智能可以大規模地將簡歷與職位列表相匹配，為申請人和招聘人節省大量時間。人工智能可以對簡歷進行篩選，摒棄那些可能不合適的申請人；然后對候選人做再次評估，進一步縮小范圍。對許多公司來說，只有

61、在流程的后期階段，招聘人才會介入：最后的面試、談判和說服候選人接受聘用，這仍然是人力資源專業人士的重要工作。雖然招聘的核心目標不變，但人工智能的發展已經改變了招聘人的招聘方法。為了探索人工智能在招聘領域的最新發展，經濟顧問委員會的工作人員對該領域的利益相關者進行了一系列采訪。在 2022 年夏天，他們與四家公司、一個行業團體的代表和一位人工智能領域的學者進行了六次訪談，每個人都被問到了一系列關于目前人工智能在招聘中應用的問題。訪談內容由 CEA 工作人員整理，并結合獨立研究和與歐盟委員會合作伙伴的磋商，形成本案例研究。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的

62、免責條款部分 Page 14 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 人工智能在招聘中的實踐人工智能在招聘中的實踐 假設一家公司正在進行招聘，他們想盡快為每個職位找到合適的候選人，這項任務既需要最大限度地提高匹配質量，也需要追求速度。此外由于該公司現在正面臨著現代勞動力市場上許多公司所面臨的高工作流動率，這意味著公司有相當大的招聘壓力。這種情況對公司來說是陌生的，因為歷史上沒有發布過如此多工作，也沒有過招聘速度的壓力。當下招聘市場的規模是前所未有的，職位發布、提交申請和發出邀請的數量都在增加。這種壓力要求他們在不犧牲質量的前提下，更快地處理更多的申請，吸引更多不同的合格員

63、工。招聘經理現在一邊要管理招聘團隊一邊要處理多個職位空缺，每個職位都處于招聘過程中的不同階段。然而在每個階段，他們都可以向人工智能尋求指導、建議和支持。求職網站（Indeed）的 Trey Causey 對招聘領域提出了一些看法：“很難想象在招聘領域有哪個地方沒有出現 AI。招聘經理已經能夠在招聘過程中有效地使用人工智能解決方案”。在招聘最開始，招聘經理需要發布一個職位空缺，包括在一系列求職平臺上發布職位描述的文件。但是他們不需要獨自完成這項工作。相反，他們可以使用人工智能服務，這些服務將使用自然語言處理來幫助他們撰寫職位描述。這些工具的強大之處在于，它們可以將語言與結果的數據樣本聯系起來，使

64、招聘經理能夠精心設計職位描述，從而最大限度地吸引合適的申請人。從撰寫招聘信息文本開始，招聘經理需要弄清楚如何將這個機會展現在候選人面前。為了做到這一點，他們利用了招聘中最常見的算法應用之一：將求職者與招聘信息進行匹配。這些算法依賴于簡歷和招聘信息的文本，以及有關職位和候選人的背景信息，以確定哪些候選人最適合給定的招聘信息。在某些情況下，這將產生一個量化分數，招聘經理可以用它來評估候選人。使用這些系統可能需要招聘經理在不同的招聘平臺上購買廣告，以便將招聘信息展現在合適的候選人面前，從而擴大候選人規模。幾天前，招聘經理發布了一個職位招聘，已經有候選人在申請，并詢問有關該職位的細節和申請程序。招聘經

65、理并沒有對這些信息作出回應，而是由自然語言處理驅動的聊天機器人負責回答候選人提出的有關空缺職位的具體問題。聊天機器人的使用場景并不局限于此，招聘經理可以使用聊天機器人來篩選第一輪申請人，鑒于公司收到的申請數量可能相當龐大，這是一個重要的環節。這些機器人通過分析候選人的背景和經驗資料，決定是否將候選人篩選到下一輪環節。在初輪篩選后，招聘經理隨后可以利用一系列評估工具，從轉錄和分析的錄音面試進入到“游戲化”評估環節，這個環節基本上是邏輯游戲，可以用來評估申請人的特定技能。這些測試通常有科學依據，可以將測試結果與他們所需的特定技能聯系起來。但是招聘經理對使用這些工具持有謹慎態度，并不僅僅因為技能和工

66、作表現之間的聯系沒有得到徹底論證，還因為他們看到舊的工具因為偏見問題被取消使用。與此同時，招2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 15 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 聘經理又認為這些工具很有用，因為它們既能提高申請過程的速度，又有可能提高匹配的質量。申請人的人工智能申請人的人工智能 在為找工作做準備時，所有申請人（無論是從大學直接申請，還是在一個行業內的角色之間過渡，或者考慮改變職業）都可以求助于一些基于人工智能的工具來提高他們的面試技巧和完善他們的簡歷。Indeed 和VMock 等公司提供由人工智

67、能驅動的工具，這些工具通常高度重視評估簡歷的特定術語，并就如何改進簡歷提供建議。尤其是現在許多簡歷都是由基于人工智能工具進行篩選的，因此改進簡歷的一個重要方法是使用能夠幫助候選人通過初步篩選的關鍵詞。人工智能幫助申請人的另一種方式是關注申請人的擅長技能，這些技能可以擴大申請人的潛在工作范圍。VMock 給出的一個例子是，廚師的日常工作涉及在高壓環境下管理大量人員，同時高效地管理時間，這套技能在餐飲服務以外的許多職位上都很有價值。ZipRecruiter 的平臺使用一種主動學習算法，試圖根據候選人迄今為止對他們所展示職位的興趣程度，了解哪些空缺職位對他們最有吸引力；他們在招聘方面使用類似的算法，

68、了解招聘經理正在尋找哪些類型的候選人。這些學習算法使申請人和招聘方都能更好地匹配。在候選人申請了職位后，他們可能會與上一節中提到的聊天機器人進行互動；自然語言處理技術已經發展到了聊天機器人與求職者可以開展類似人類間互動的行為。該公司也闡述了聊天機器人的利弊，指出雖然它們在減少招聘過程中無意識的人類歧視方面很有用，但它們也有可能給候選人造成負面印象。這反映了一個更大的問題：當候選人被人類與算法評估時，他們在多大程度上意識到機器人的存在？算法爬行和意外結果算法爬行和意外結果 在美國和歐洲公司招聘過程的幾乎每個階段，人工智能驅動算法的介入程度都在增加。布魯金斯學會的亞歷克斯-恩格勒(Alex Eng

69、ler)將這種趨勢稱之為“算法爬行”，它既包括在招聘過程的不同階段擴大算法使用，也包括在每個階段采用算法的公司所占比例的增加。在本報告中被采訪的大多數公司都認為這個趨勢未來將更快、規模更大，并能使更多的合格候選人找到更好的工作。但是恩格勒也指出這種算法趨勢的演變速度比社會對其效果的評估速度更快。幾乎所有受訪者都關注的是，采用人工智能驅動的算法是否會在招聘的幾乎所有受訪者都關注的是，采用人工智能驅動的算法是否會在招聘的過程中導致過程中導致歧視歧視的產生。的產生。機器學習算法經常被稱為“歧視的洗白”，因為它雖然依托公平的數字化運算過程，但依然可能會出現歧視。一些公司意識到了這種風險，并意識到人工智

70、能有可能導致比以前以人為主的招聘過程產生更多的歧視。例如，Lambrecht 和 Tucker（2019）發現，明明是性別中立的 STEM 職業廣告，卻被算法不成比例地展示給了潛在的男性申請人，因為向年輕的女性申請人做廣告的成本較高，算法在成本與效率間做了優化。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 16 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 為評估申請人而開發的人工智能工具在歧視問題上遇到了更復雜的情況。民主與技術中心在 2020 年 12 月發布了一份題為“算法驅動的招聘工具：創新招聘還是加速殘疾歧視？”的

71、報告。該報告探討了對候選人進行算法評估在遵守美國殘疾人法案方面所面臨的挑戰，指出了不同的篩選工具可能通過多種方式加大對殘疾人士的歧視。由于許多人工智能由于許多人工智能評估工具采用視頻面試，一項關于自動語音識別軟件的研究發現，白人評估工具采用視頻面試，一項關于自動語音識別軟件的研究發現，白人和非裔美國人的面試之間存在巨大的種族差異。和非裔美國人的面試之間存在巨大的種族差異。此外，麻省理工學院媒體實驗室的 GenderShades 項目顯示，三種領先的人工智能工具在分析皮膚較黑的人，尤其是皮膚較黑的女性圖像時表現較差。這些研究提出了關于在候選人評估中采用人工智能時引入歧視的嚴重問題，如果公司實施的

72、人工智能解決方案違反了關于歧視的現有法律和法規，相關公司就要承擔后續責任。在調查中發現，人們已經認識到在人工智能介入之前的招聘過程是存在歧視的（有證據表明對非白人工人和殘疾人以及其他群體存在長期的歧視），部分人群擔心人工智能的使用會加劇這些歧視。然而人們又都或多或少地相信，正確應用人工智能可以減少招聘中的歧視。恩格勒說，在向招聘中大量使用人工智能的過程中有機會“重新設置勞動力市場對工人的種族、性別、殘疾和經濟方面的歧視?！倍鴶祿托湃温撁耍―ata and Trust Alliance）強調，他們正致力于利用人工智能來識別模型內現有的歧視，并幫助他們的客戶實現多樣性和包容性目標。對人工智能技術

73、的審計開始逐步成為發展人工智能系統的必要步驟，但是如何進行審計在行業內依然沒有共識。雇傭與失業雇傭與失業 在招聘和人力資源行業，任何關于自動化的討論都會出現一個擔憂，那就是工作崗位流失的可能性。正如本報告前面所討論的，人工智能有能力將非常規工作自動化，如果人力資源部門使用人工智能算法來安排預約、審查簡歷、回答候選人的問題，那勢必會減少相當多的人力資源崗位需求。這種變化的后果是，人力資源人士可能需要更多或更深的專業技能。Indeed 公司的 Causey 舉例如下，人力資源經理現在需要了解如何使用人工智能的內部和外部工具來管理其招聘信息的推廣。盡管許多職位發布平臺允許免費發布服務，但大多數都提供

74、了付費“推廣”職位的機會，以增加其職位曝光量。人工智能提供了一個機會，使之變得簡單并減少對招聘經理的要求。不同的網站有不同的模式：有些使用“按點擊付費”的模式，即公司在每次點擊招聘信息時都要付費，而其他網站則使用“按申請付費”的模式，即公司在每次收到申請時都要付費。這兩種類型的系統都要求招聘經理設定每天的預算，以確定要花多少錢。這項工作對人力資源行業來說是一項新的工作，需要學習不同的系統，以及投資推廣工作崗位的價值。我們采訪的公司中也反映上述變化是招聘過程中采用人工智能的一個潛在好處。Phenom 公司的首席執行官兼聯合創始人 Mahe Bayireddi 強調，許多利潤微薄的公司正在尋求將人

75、工智能作為提高招聘效率和降低2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 17 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 人力資源相關成本的一種方式。他把 Phenom 的功能定位為幫助企業確認“在哪個環節需要自動化，在哪個環節需要人為干預”。通過這個框架，他既強調了人工智能可以使公司以更快的速度與更多的工人聯系，同時又將人力資源分配在更有價值的環節當中，如說服某人接受已經發出的招聘邀請。這種將人力資源部門的角色重塑為人工智能的管理者和“人才顧問”的做法，使得招聘過程中的某些環節更加人性化。上面的討論回答了第三部分中提出

76、的關于難以確定人工智能對就業數量影響的問題。盡管人工智能可能會使員工的生產力提高，并創造出需要人類干預的新任務，但是人工智能的發展最終可能會使目前由人執行的許多任務自動化。雖然人工智能對就業數量的影響還不清楚，但它很有可能會使人力資源部門處理更大的業務量。人工智能和招聘的未來人工智能和招聘的未來 本報告所調查的公司被問及人工智能如何改變了招聘過程，許多公司指出，人工智能通過大規模執行吸引、篩選和評估潛在員工的系統，從數量上改變了招聘現狀。人力資源職能并沒有改變，它仍然是為每個職位空缺尋找合適的人。人工智能已被作為一種工具應用于現有的招聘工作；也有部分人樂觀地認為，招聘過程中的一些結構性變化可能

77、即將到來。在調查過程中，幾家公司提到的可能發展方向是“數字證書”或“學習和就業記錄”，這些技術可以改善人工智能在今天所發揮的作用。教育、培訓和技能的標準化電子記錄可以簡化人工智能如何將申請人與工作崗位相匹配，這將是一種更公平和更平衡的方式。當然，這有賴于一個假設，即獲得這些記錄的過程本身是公平的。雖然人工智能在使用現有的簡歷和工作列表方面已被證明是有效的，但尚不清楚這些是否是匹配系統的最佳“輸入”。因此就招聘而言，人工智能對人力資源流程進行改造依舊存在很大的潛力。結論結論 在與招聘領域公司的討論中，最重要的信息是，人工智能驅動的算法可以改善公司招聘過程中的幾乎每個步驟。事實上，一些公司在回答問

78、題時，非常明確地系統闡述了招聘過程中的每個利益相關者，討論了每個人如何從更多的部署中受益。然而人工智能的采用是如此迅速，以至于企業可能沒有完全認識到允許算法進入人力資源部門的影響。公司應該審核他們對人工智能工具的使用，以確保符合勞動法規和自身的道德標準。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 18 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 案例二：人工智能在倉儲業中的應用案例二：人工智能在倉儲業中的應用 供應鏈和物流業供應鏈和物流業 在 20 世紀 90 年代，由于新的信息技術以及許多國際貿易限制（如配額和關稅）的

79、減少，越來越多的行業開始重新評估產品制造流程，供應鏈管理成為一個重要領域。更專業化的供應鏈通過降低中間產品和服務的價格提高公司利潤。消費者也從更低價的最終產品中受益。供應鏈運作的核心是物流和倉儲，即在公司之間和向消費者運送貨物。當能夠以較低成本提供中間投入的外部供應商給公司帶來的收益超過了公司自己處理相關工作時，公司通常會采用外包，供應鏈就會延長。因為供應鏈通常采取深度整合網絡的形式，以主導公司為中心，其供應商圍繞其運行，從而形成所謂的精準生產、精準零售和全球價值鏈的商業模式。精準精準生產生產 精準生產是一種核心生產策略，由豐田公司在二戰后開發。它的目標是減少中間零件和成品的庫存，嚴格地使商品

80、的實時需求與供應的數量相匹配。在大多數供應鏈中，這需要在流程的每個步驟中進行高度協調、嚴格管理資本和勞動力、關注質量和影響產量的因素，這需要強大的物流支持系統。精準生產始于汽車行業，隨后許多其他制造業和零售業都采用了豐田公司部分或全部的開創性做法。精準零售精準零售 像精準生產一樣，精準零售利用信息技術、自動化、行業標準以及物流和倉儲方面的創新，使供應商的訂單與消費者在商店里購買的東西更緊密地結合起來。通過使用數以百萬計的條形碼標簽掃描收集的銷售信息，零售商減少了囤積大量產品庫存的需要，從而降低了缺貨、減價和庫存攜帶成本的風險。全球價值鏈全球價值鏈 配額和關稅的減少，加上運輸成本的下降，使得國內

81、供應鏈轉變為全球價值鏈。在制造業中這意味著制造商將在全球生產商的零部件和組件中尋找供應商。向國外生產商的外包也被稱為離岸外包。供應鏈的核心供應鏈的核心物流和倉儲物流和倉儲 在過去的幾十年里，隨著精準生產、精準零售和全球價值鏈在經濟領域的普及，物流和倉儲的重要性也隨之增加。此外，自 20 世紀 80 年代以來，數字技術以及人工智能的發展，已經改變了物流和倉儲的性質。最初，倉庫只是一個儲存庫存的地方庫存貨物可以在那里放很長時間。雖然倉儲需要跟蹤和管理東西放在哪里，但它并不要求關注如何在2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 19 of 2

82、6 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 必要時對貨物進行快速存取和移動。然而，隨著精準生產的進行，倉庫然而，隨著精準生產的進行，倉庫變成了配送中心變成了配送中心一個有效跟蹤、處理和轉移中間或最終產品的地一個有效跟蹤、處理和轉移中間或最終產品的地方。一些現代配送中心也被稱為方。一些現代配送中心也被稱為“履行中心（履行中心（FC）”。倉儲的重要性日益增加倉儲的重要性日益增加 隨著精準生產與精準零售的發展，倉儲的經濟重要性在過去幾十年中不斷增加。下圖說明了這一點，對于每個國家，第一個黑條顯示了該國2018 年由 NAICS 第 4 修訂版子行業“倉儲和運輸支持活動”產值在該國總產值的占

83、比情況。下圖按照倉儲在 2018 年總增加值中的重要性進行排名，愛爾蘭倉儲占總增加值的 0.5%，美國是 0.7%，最高的是立陶宛的3.6。對于每個國家，第二個藍條顯示了該國 2018 年的總勞動力中倉儲部門就業的占比。比利時從事倉儲工作的勞動力比例最高，為 2.3%。在所有國家，倉儲部門都是一個重要的勞動力部門。上圖還顯示，自 1995 年以來，倉儲相對于其他部門變得更加重要。例如，在歐盟最大的經濟體德國，倉儲在總增加值中的份額從 1995 年的 1.0%增加到 2018 年的 1.8%。在美國，1995 年倉儲的增值份額為0.4%，2018 年為 0.7%?？偟膩碚f，自 1995 年以來，

84、倉儲在發達經濟體中的重要性不斷增加，這與供應鏈的快速擴張相一致。我們可以從下組圖中總結推動倉儲重要性不斷增加的原因。下圖展示了樣本中五個最大的歐盟成員國（德國、法國、意大利、西班牙、荷蘭）和美國的“運輸的倉儲和支持活動”中平均勞動生產率和平均勞動成本的演變。從長期角度看，平均勞動生產率會隨著技術進步而增加。如果勞動者的平均勞動生產率相對于平均實際工資增加，勞動份額（即工人的增值份額）將減少。反之如果每個工人的平均勞動生產率相對于平均實際工資下降，勞動份額就會增加。下圖中的黑色實線展示了倉儲業每個雇員增加值的變化過程。例如，德下圖中的黑色實線展示了倉儲業每個雇員增加值的變化過程。例如，德國數據顯

85、示，倉儲業的平均勞動生產率（即每個雇員增加值）在國數據顯示，倉儲業的平均勞動生產率（即每個雇員增加值）在 2000圖圖 2：不同國家倉儲不同國家倉儲業業增加值和就業變動增加值和就業變動 數據來源：OECD STAN database,國泰君安國際 2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 20 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 年之前相對較低，然后在年之前相對較低，然后在 2000-2008 年經濟繁榮時期迅速增加到年經濟繁榮時期迅速增加到 2006年的峰值，在年的峰值，在 2008-2010 年的經濟衰退期

86、間下降，此后保持相對穩定。年的經濟衰退期間下降，此后保持相對穩定。從長期來看，倉儲業的平均勞動生產率在從長期來看，倉儲業的平均勞動生產率在 1991 年至年至 2019 年期間大幅增年期間大幅增加了加了 38%。淺藍色實線顯示了整個經濟的平均勞動生產率的演變。黑色。淺藍色實線顯示了整個經濟的平均勞動生產率的演變。黑色和淺藍色實線和淺藍色實線走勢走勢表明，與整個德國經濟相比，倉儲業在短期內更具順表明，與整個德國經濟相比，倉儲業在短期內更具順周期性，在周期性，在長期內具有更強的勞動生產率增長。長期內具有更強的勞動生產率增長。下圖中的虛線繪制了倉儲業（橙色虛線）和總體經濟（綠色虛線）中每個雇員的勞動

87、成本（根據生產力調整）的演變。例如，德國的數據顯示，從 1995 年到 2019 年，倉儲業的平均實際工資增長了 28%。在2000 年之前，倉儲業的平均實際工資與整個經濟的變化相一致。倉儲業的平均實際工資增長在 21 世紀初較快，從 2005 年到 2015 年為負數，2015 年后再次加快。從長期來看，倉儲業的平均實際工資增長超過了整個經濟的平均實際工資增長，再次表明倉儲業在德國經濟中的重要性日益增加。對所有的五個歐盟成員國，下圖顯示了過去三十年來各國的差異和相似之處，主要有：（1）倉儲業的平均勞動生產率在德國、法國和荷蘭有所增加，在西班牙保持相對穩定，在意大利則有所下降。在德國、法國和荷

88、蘭，倉儲業的平均勞動生產率的增長超過了整個經濟的平均勞動生產率的增長。這些歐洲國家倉儲業生產力的快速增長表明，隨著時間的推移，倉儲業新技術正在迅速發展并被使用。（2）倉儲業的平均實際工資變化在各國之間不盡相同。德國的平均實際工資增長最快（超過整個經濟的增長），其次是荷蘭。法國的平均實際工資長期保持不變，意大利和西班牙的平均實際工資有所下降。（3）在除意大利以外的所有歐洲國家，平均勞動生產率的增長速度超過了倉儲業的平均實際工資。這種生產力和工資增長的脫鉤現象在倉儲業相比整個經濟表現更為明顯。這表明倉儲業的生產力增長只有部分轉化為了工人福利。最后，下圖（f）板塊顯示了美國倉儲業和整個經濟的平均勞動

89、生產率和平均實際工資的演變。倉儲業的平均勞動生產率在 1995 年至 2019 年期間也增長了 41%，與經濟的生產力高速增長趨勢一致。與此同時倉儲業的平均勞動生產率和平均實際工資也呈現類似一致趨勢，這與 2000 年以來生產力和工資增長脫鉤以及勞動力份額下降形成了鮮明的對比。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 21 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 圖圖 3：歐盟成員國和美國的倉儲業平均勞動生產率和平均勞動成本的變化：歐盟成員國和美國的倉儲業平均勞動生產率和平均勞動成本的變化 數據來源：OECD ST

90、AN database,國泰君安國際 倉儲中的算法管理倉儲中的算法管理 倉儲業的生產力增長可能是由技術或組織創新驅動的。Delfanti（2019）和 Gent（2018）闡述了亞馬遜配送中心是如何圍繞四個核心流程運行的：接收、存儲、揀選和包裝。接收和存儲是“進貨”過程的一部分，而揀選和包裝則構成“出貨”過程。具體而言，首先接收站的工人對進入的商品進行拆包，并通過獨特的條形碼識別每個商品。然后，工人將商品存放在揀選區。揀選區通常是一個大型的多樓層區域，通常有數千個貨架。當需要取回商品時，工人們穿過倉庫去揀選商品，并把它們搬運到包裝站。在包裝區，工人對商品進行包裝和貼標簽，然后商品被送往運輸。D

91、elfanti（2019）認為，接收、存儲、揀選和包裝的核心是產品條碼和各種類型的條碼掃描器。這些條形碼和掃描儀不僅用于統計庫存，還用于協助工人，并收集有關工人工作的信息。工人在開始工作時拿起一個便攜式條碼掃描儀，用它來掃描他們胸牌上的條碼，然后登錄到工作系2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 22 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 統。隨后掃描儀在工人和管理層之間進行協調，分配任務，傳達命令，并監控工作。這類似于“打工經濟”中的算法管理形式，條形碼掃描儀被通常用于收集和使用數據的手機應用程序所取代。大多

92、數情況下，這些企業的算法本身是不透明的，而且工業保密和不披露協議禁止對其進行訪問。因此很難對這些算法進行審計?；趯嗰R遜倉庫工人的采訪，Delfanti（2021）概述了亞馬遜位于意大利北部小鎮某個倉庫中揀貨員的工作。揀貨員拉著小車在貨架間行走，小車上放著一個箱子，她需要按規定挑選出所需要的貨物。一旦某件物品被揀選，揀貨員就用條形碼掃描儀掃描該物品的條形碼。條碼掃描器記錄、批準并向揀選者傳達她要揀選的下一件物品。它還記錄了取走貨物在貨架的位置和揀貨員完成任務的時間。這種形式的算法管理的效果是輔助了工人的工作：如果沒有算法的幫助，沒有一個人可以有效地瀏覽幾千個貨架的區域來挑選貨物清單中的貨物。

93、此外，算法管理通過要求揀貨員保持快速的“亞馬遜速度”（即一個人不能跑，但必須盡可能快地走），進一步提高勞動生產率。然而數據驅動技術帶來倉庫運營效率的提高，也讓倉庫工人付出了代價。由于倉庫工人產生的數據是由算法和管理人員（他們通常不在倉庫工作，而是在某個遙遠的全球總部）管理，倉庫工人對他們所做的任務失去了決定權。算法可以決定工作的節奏和內容，而工人們只能猜測管理人員正在提取什么數據，或使用什么分析方法來組織和監督他們的活動。為了說明亞馬遜的情況，Delfanti（2021）表述如下：技術決定了亞馬遜的工作節奏。它被用來提高工人的生產力，使任務標準化，促進工人流動，并最終獲得對勞動力的絕對控制。工

94、人們敏銳地意識到他們與機器關系的不平衡性，同時他們也知道倉庫需要他們做最終的工作。正如一位經理所說的那樣，“技術可以編纂、理解和管理，但真正的機器是人”。倉儲業的工作條件倉儲業的工作條件 一方面，倉庫仍然需要依賴人來進行更有效率的接收、儲存、揀選和包裝工作。另一方面，工人也需要依賴算法，來了解商品的實時狀態（如存儲位置等）?？偠灾?，工人和算法管理在今天的倉儲業中是必須共存的。然而 Wood（2021）認為，工人和算法之間的平衡可能越來越傾向于算法。在剛剛的統計中，除意大利外的所有歐洲國家，倉儲業以犧牲倉儲工人的平均報酬為代價，收益越來越多地流向股東。導致這個現象出現的原因可能是算法應用的推廣

95、以及工人議價能力的下降。Delfanti（2021）認為，算法管理意味著倉庫工人只需要接受最少的培訓就能完成他們的工作，這相當于只需要幾個小時就可以將新的員工培訓成揀貨員。這使倉庫既能夠長期維持高周轉率，又能在銷售量突然激增的情況下，及時獲得所需的靈活勞動力。但是最大限度地減少培訓和工人流動的成本是不可行的：管理層還需要確保工人和倉庫的算法之間有一個穩定且相對和諧的關系。為了進一步安撫工人的情緒，亞馬遜提出了“努力工作，享受樂趣”等口號來創造工作場所文化。2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 23 of 26 宏觀研究報告宏觀研究報

96、告 宏 觀 研 究 報 告 結論結論 在過去的幾十年里，隨著精準生產、精準零售和全球價值鏈在全球經濟中傳播，倉儲的重要性也在增加。目前在發達經濟體中，僅倉庫就業人數就占總就業人數的 1%至 2%。此外，自自 20 世紀世紀 80 年代以來，數字技年代以來，數字技術以及最近人工智能的發展，改變了倉儲的性質。倉庫業迭代的標志是術以及最近人工智能的發展，改變了倉儲的性質。倉庫業迭代的標志是平均勞動生產率和平均實際工資的增加。平均勞動生產率和平均實際工資的增加。然而，平均勞動生產率的增長超過了平均實際工資的增長，導致倉儲業然而，平均勞動生產率的增長超過了平均實際工資的增長，導致倉儲業工人勞動占比的下降

97、。在現代倉儲中心，這可能是由于使用了算法管工人勞動占比的下降。在現代倉儲中心，這可能是由于使用了算法管理，加上員工議價能力的降低，使得倉儲業的發展開始對工人的利益構理，加上員工議價能力的降低，使得倉儲業的發展開始對工人的利益構成了挑戰。隨著人工智能的進步，倉儲業的未來可能會趨向于完全成了挑戰。隨著人工智能的進步，倉儲業的未來可能會趨向于完全獨立獨立于工人于工人的算法管理系統。的算法管理系統。不使用人類勞動力，完全自動化的倉庫被稱為“暗倉”，暗倉意味著所有由算法管理帶來的倉儲生產力的提高已經可以完全替代工人。雖然不確定在未來是否大多數倉庫會成為暗倉，但目前為倉儲開發的人工智能技術是趨向自動化的，

98、而不是增加人類的勞動份額。第五部分：結論第五部分：結論 人工智能的推廣的確為經濟發展提供了許多機會。在過去的十年里，自然語言處理和計算機視覺方面取得的進展使人工智能開始進入原本只有人類才能勝任的領域。由于人工智能可以擴大規模和降低成本、吸收和處理大量的數據、幫助做出更好的決定，因此世界各地的公司正在加速推廣采用人工智能。所有這些變化過程都有可能會創造出新的工作崗位，如果沒有人工智能，這些工作崗位是不會存在的。但是人工智能也帶來了一些挑戰。由于人工智能現在已經可以處理非日常工作（包括高技能要求工作中的任務），因此大量的勞動力可能會受到人工智能的影響。人工智能對勞動力市場的主要風險在于它可能對工人

99、造成廣泛的破壞，無論是通過自動化取代其崗位，還是徹底改變工人的工作職責。人工智能的另一個風險是，它可能導致公司違反有關歧視、欺詐或反壟斷的相關法律，并對工人和消費者造成經濟損害。鑒于這些系統的黑匣子性質，檢測和處理這些違法行為并不是一項簡單的工作，因此政府必須要制定監管措施以引導人工智能向積極方向發展。a）擴大培訓和工作過渡服務的投資，以便受人）擴大培訓和工作過渡服務的投資，以便受人工智能干擾最大的人員能工智能干擾最大的人員能夠有效地過渡到相對適宜的新職位。夠有效地過渡到相對適宜的新職位。在公司全面引入人工智能很可能會導致勞動人員失業。我們前文闡述過人工智能可以成為一個有用的工具，通過將技能與

100、職位空缺相匹配，幫助工人在同一家公司找到新的工作機會。這種類型的人工智能可以幫助緩和失業問題，但是開發上述功能或者為開發上述功能而聘請新的專業人員可能意味著大量的投資。就業發展的長期趨勢使得公司更傾向于選擇短期合同而不是對現有工人進行再培訓。但是較短的合同期限意味著公司對員工培訓的不足，這可能進一步導致新入職員工對工作所需技能掌握不足。為了彌補技能短2023年4月9日 P 請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 24 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 缺，特別是對于受自動化趨勢影響較大的工人，政府需要制定政策以促進或補貼分擔培訓成

101、本。例如政府可以通過對第三方培訓機構補貼來推動雇主與雇員的匹配成功率與鍥合度。雇主向這些機構支付額外費用，但是可以聘請到已經受過培訓的工人，工人可以獲得更高的工資，從而釋放更高的生產力。這種第三方培訓機構既可以是公共的、也可以是私人的抑或混合的。比如提供培訓的公共就業服務機構；由公司資助的為下崗工人服務的職業介紹所；以及專門為那些原本并不打算參與勞動力市場的工人提供培訓和尋找工作的臨時幫助機構。Katz 等人（2020）表示，這種政策在增加受過培訓工人的收入和工作流動性方面可能卓有成效。b）鼓勵開發和采用對勞動力市場有利的人工智能。）鼓勵開發和采用對勞動力市場有利的人工智能。企業出于利潤最大化

102、目標，最有可能大力推動人工智能的研究，并在法律底線之上使用人工智能。因此人工智能的發展和采用可能會偏離勞動力市場的最佳狀態，即工人的工資和就業，這其中主要有三個關注點：（1）投資于可以投資于可以增強工作增強工作的人工智能：的人工智能：談到人工智能，許多工人面臨的最直接擔憂是自動化問題。Acemoglu 等人（2022）表示，54%的人工智能采用者初始目的是推動現有流程自動化；招聘領域的公司一致的趨勢是，人力資源行業某些環節的自動化是商業模式的主要組成部分，也是客戶非?？粗氐年P鍵特性；倉儲案例的研究也表明，配送中心的算法管理是趨向流程和勞動力自動化的。使用人工智能來實現現有流程的自動化會對一些工

103、人的工作有非常大不利影響，要么導致工人大面積失業，要么導致大面積工人面臨工作轉型。Acemoglu（2021）表示，雖然對人工智能和其他技術的投資可以帶來經濟增長，但公司對利潤最大化的追求可能會打破現有的公司利潤與勞動力市場間的平衡。規避這種風險的一種方法是利用公共資金來鼓勵和推動人工智能研究，以增強而不是完全自動化某種工作。此外，與私人部門開發人工智能相比，公共資助的學術研究可以專注于更廣泛維度人工智能的方法和主題。如從更深入的角度探討探索人工智能的發展方向，探索人工智能對工人工資和就業的影響，機器算法對市場中反競爭行為的影響，人工智能道德的發展，以及人工智能該如何規避加劇社會中存在的種族、

104、性別歧視。（2）擴大對可以增加工作數量的人工智能的公共采購規模：擴大對可以增加工作數量的人工智能的公共采購規模：公共機構可以通過采購人工智能系統來指導可以增加工作數量的人工智能的發展方向。這種公共采購可以通過為人工智能開發者提供公共數據進行，數據的可用性對創新活動的水平和發展方向至關重要。Beraja 等人（2022）對此進行了研究，他們發現能夠從政府獲得數據合同的公司開發出商業人工智能軟件的數量大幅增長。（3）鼓勵私人部門采用提高工人能力的人工智能：鼓勵私人部門采用提高工人能力的人工智能：除了現有的對人工智能研究的資助外，政府還有其他機制可以用來激勵私營企業負2023年4月9日 P 請務必閱

105、讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分 Page 25 of 26 宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 責任地投資于人工智能。雖然公共研究工作可以用來有意識地優先考慮提高工人生產力和鼓勵技術多樣性的人工智能研究，但政府也應該意識到公司對利益最大化的追求，這使得他們更傾向于擴大對可以自動化的人工智能領域的投資。c）加大對監管機構的投資，以確保人工智能系統對工人是透明和公平加大對監管機構的投資，以確保人工智能系統對工人是透明和公平的。的。（1）算法的黑匣子性質意味著欺詐風險的存在，在這種情況下，公司將其產品包裝成服務，但其客戶沒有機制來確定其索賠的準確性。也有證據表

106、明，人工智能算法可以演變成在設定價格時有效地相互“勾結”?，F有的歧視、欺詐和反托拉斯規則和執法實踐并不能夠完全規避人工智能創造的欺詐和歧視。（2）倉儲案例的研究也說明，工作場所的算法本身是不透明的，它被工業機密所掩蓋，并受到公司保密協議的保護。甚至倉庫工人自己也不知道管理他們軟件的運作標準，這反映了工人與人工智能的關系：工人與人工智能的關系是建立在信息不對稱基礎上的，因為工人只能通過自己的行為推測公司管理和監管他們的軟件的運作邏輯。使用人工智能的公司并沒有擺脫遵守反欺詐、反歧視法律以及工作場所安全和健康法規的責任。政策制定者的主要目標應該是確保政府機構有足夠的能力在必要時調查和執行這些法律，但

107、是這并不是一個簡單的過程。Brookings Institution 最近的一份報告強調了幾個必要的環節：為算法審計建立健全的標準，確保監管機構在需要進行審計時能夠接觸到公司相關數據，在監管機構內部聘用專家來修訂和制定政策。這種投資的目標是建立適當的激勵機制，使企業開發出遵守國家法律且更公平的算法。正如招聘案例研究中所指出的，設計良好的算法有可能實際減少歧視問題，而且公司已經表示希望使用算法來解決歧視問題。目前各國政府已經開始著手對人工智能進行更有效的監管。2022 年 10月，西班牙推出了一個關于人工智能的試點監管沙盒，這個沙盒是連接政策制定者與人工智能開發者和采用者的一種方式。預計它將為公

108、司（包括中小型企業和初創企業）發布易于執行的實踐指南，這可以刺激人工智能的發展并減少采用人工智能的阻礙。美國也已宣布一項倡議，為人工智能創建一個涵蓋眾多領域（如消費者保護和就業、教育、住房和金融以及醫療保健方面的機會平等）的“權利法案”。2023年4月9日 P請務必閱讀正文之后的免責條款部分請務必閱讀正文之后的免責條款部分Page 26 of 26宏觀研究報告宏觀研究報告 宏 觀 研 究 報 告 個股評級標準個股評級標準 參考基準:香港恒生指數/納斯達克綜合指數 參考基準:香港恒生指數/納斯達克綜合指數 評級區間:6 至 18 個月 評級區間:6 至 18 個月 評 級 定義 買 入 相對表現

109、超過 15%或公司、行業基本面展望良好 收 集 相對表現 5%至 15%或公司、行業基本面展望良好 中 性 相對表現-5%至 5%或公司、行業基本面展望中性 減 持 相對表現-5%至-15%或公司、行業基本面展望不理想 賣 出 相對表現小于-15%或公司、行業基本面展望不理想 行業評級標準行業評級標準 參考基準:香港恒生指數/納斯達克綜合指數 評級區間:6 至 18 個月 參考基準:香港恒生指數/納斯達克綜合指數 評級區間:6 至 18 個月 評 級 定義 跑贏大市 相對表現超過 5%或行業基本面展望良好 中 性 相對表現-5%至 5%或行業基本面展望中性 跑輸大市 相對表現小于-5%或行業基

110、本面展望不理想 利益披露事項利益披露事項 (1)分析員或其有聯系者并未擔任本研究報告所評論的發行人的高級人員。(1)分析員或其有聯系者并未擔任本研究報告所評論的發行人的高級人員。(2)分析員或其有聯系者并未持有本研究報告所評論的發行人的任何財務權益。(2)分析員或其有聯系者并未持有本研究報告所評論的發行人的任何財務權益。(3)國泰君安或其集團公司并未持有本研究報告所評論的發行人的市場資本值的1%或以上。(3)國泰君安或其集團公司并未持有本研究報告所評論的發行人的市場資本值的1%或以上。(4)國泰君安或其集團公司在過去12個月內沒有與本研究報告所評論的發行人存在投資銀行業務的關系。(4)國泰君安

111、或其集團公司在過去12個月內沒有與本研究報告所評論的發行人存在投資銀行業務的關系。(5)國泰君安或其集團公司沒有為本研究報告所評論的發行人進行莊家活動。(5)國泰君安或其集團公司沒有為本研究報告所評論的發行人進行莊家活動。(6)沒有任何受聘于國泰君安及其集團公司的個人擔任本研究報告所評論的發行人的高級人員。沒有任何國泰君安及其集團公司有聯系的個人為本研究報告所評論的(6)沒有任何受聘于國泰君安及其集團公司的個人擔任本研究報告所評論的發行人的高級人員。沒有任何國泰君安及其集團公司有聯系的個人為本研究報告所評論的發行人的高級人員。免責聲明免責聲明 本研究報告并不構成國泰君安證券(香港)有限公司(“

112、國泰君安”)對購入、購買或認購證券的邀請或要約。國泰君安與其集團公司有可能會與本報告涉及的公司進行投資銀行業務或投資服務等其他業務(例如:配售代理、牽頭經辦人、保薦人、承銷商或自營投資)。國泰君安的銷售人員，交易員和其他專業人員可能會口頭或書面提供與本研究報告中的觀點不一致或截然相反的觀點或投資策略。國泰君安的資產管理和投資銀行業務團隊亦可能會做出與本報告的觀點不一致或截然相反的投資決策。本研究報告中的資料力求準確可靠，但國泰君安不會對該等資料的準確性和完整性做出任何承諾。本研究報告中可能存在一些基于對未來政治和經濟狀況的某些主觀假定和判斷而做出的前瞻性估計和預測，而政治和經濟狀況具有不可預測性和可變性，因此可能具有不確定性。投資者應明白及理解投資之目的和當中的風險，如有需要，投資者在決定投資前務必向其個人財務顧問咨詢并謹慎抉擇。本研究報告并非針對且無意向任何隸屬于或位于某些司法轄區內之人士或實體發布或供其使用，如果此等發布、公布、可用性或使用會違反該司法轄區內適用的法律或規例、或者會令國泰君安或其集團公司因而必須在此等司法轄區范圍內遵守相關注冊或牌照規定。2023 國泰君安證券(香港)有限公司 版權所有，不得翻印 香港中環皇后大道中181號新紀元廣場低座27樓 電話(852)2509-9118 傳真(852)2509-7793