AI对劳动力市场的影响（44）

　　创始人雅各布具有丰硕的职业履历，曾任 Nike 大中华区 CxO担任零售，供应链，数字化；LVMH affiliate Trendy Group CxO担任并购，品牌数字化转型；东方国际Lily女拆CxO担任计谋及数字化；微软合伙公司CxO担任产物及处理方案构架；J&J和Eli Lily医药公司担任IT和Compliance。AI 驱动变化的快速程序表白，劳动力市场流失（员工从现有脚色转移到新脚色）可能会以更快的速度发生。这是劳动力市场充满活力的标记，该当会刺激增加。然而，英国需要升级其劳动力市场根本设备，以应对这种变化的速度，为了成功顺应 AI，根本设备必需火速、响应敏捷且动态。正如我们曾经会商过的，面临手艺惹起的劳动力市场变化，能够试图这种变化并各类职业免受其影响。如许做会对经济形成损害，并且很可能是徒劳的。它也会让它寻求支撑的人失望：我们的研究发觉，蓝领工人更喜好帮帮为变化做预备，而不是试图变化。手艺变化的故事并不新颖：2018年60%[79]的岗亭名称正在 1940 年不存正在，可是，AI 可能带来的变化速度需要新的响应速度，英国需要的是升级其劳动力市场根本设备。天然，故事的一部门是支撑充满活力的劳动力市场的前提，让工人能够轻松地正在脚色和公司之间流动，并可以或许将资本转移到需要的处所，这是 AI 东西可用于应对 AI 带来的挑和的范畴。对需要转行的员工的保守支撑次要集中正在那些已到影响的人——那些比来被裁人或有可能很快遭到影响的人。可是，鉴于很多人可能对他们的脚色可能会遭到如何的影响感应不确定，因而有充实的来由提出这种支撑。有脚够的数据供给相关 AI 对分歧职业路子可能发生的影响的高质量消息。按照国际劳工组织的说法，[80]工人调整打算正在预期失所之前起头时最成功。此外，我们的 AI 用户查询拜访发觉，员工（凡是是白领）低估了他们被 AI 代替的风险，从而延迟了再培训等防止办法的使用。这正在英国尤为主要，我们的阐发表白，英国跨越一半的私营部分使命正在必然程度的人工智能从动化中，但大大都风险发生正在高度互补的脚色中，例如专业人士和办理人员（即，很少有脚色能够完全被人工智能代替），这表白，若是英国及早采纳步履以确保成功的劳动力转型，它能够对出产力发生严沉影响。因而，品似乎是庞大的。正在设想新的劳动力市场根本设备时，能够从信贷行业罗致灵感。消费者曾经从获得相关其信用评分的消息中受益，而且大白他们能够通过遵照信用机构的来影响他们将来获得融资的机遇，这些机构曾经认识到消费者小我数据的模式。成立由工做和养老金部办理的晚期认识和机遇系统，该系统利用 AI 至多提前一年预测失所的风险。该系统将扩展示有 Jobcentre Plus 快速响应办事的范畴和功能，[81]这是反映性的，基于冗余通知。相反，它将为供给一种新的公共办事，让他们按需查抄他们小我化的失所风险。它还将为工人供给量身定制的消息，让他们无机会操纵现有技术正在当前路子中进行再培训和前进，或采用其他职业路子。成立由工做和养老金部办理的晚期认识和机遇系统，该系统利用 AI 至多提前一年预测失所的风险。该系统将扩展示有 Jobcentre Plus 快速响应办事的范畴和功能，[81]这是反映性的，基于冗余通知。相反，它将为供给一种新的公共办事，让他们按需查抄他们小我化的失所风险。它还将为工人供给量身定制的消息，让他们无机会操纵现有技术正在当前路子中进行再培训和前进，或采用其他职业路子。该系统将成立正在来自多个来历的根本数据之上：1） 现有的英国宏不雅经济和微不雅经济数据（例如，来自转型劳动力查询拜访、HMRC 公司纳税申报表和破产办事）；2） 来自人工智能采用前沿可比国度的国际劳动力市场数据；3） 关于整个英国经济中 AI 采用的新数据。后者可能部门来自公司文件中关于人工智能销量的私营部分数据，以及来自英国现无数字经济查询拜访升级版的更正式查询拜访数据。[82]关于英国企业若何利用消息和通信手艺的年度查询拜访。方针该当是提高这些数据的质量，更屡次地收集它们并更敏捷地使用它们。有了这些数据，该系统就可认为英国的每位工人建立个性化的风险和机遇评估。将利用 O*NET 数据正在使命级别阐发职业，以评估对 AI 的懦弱性，然后利用英国的劳动力市场数据（利用取本演讲中包含的阐发雷同的方式）揣度到地域、部分和职业级别。该系统还将正在获得许可的环境下，连系每个工人奇特特征的数据，以确定工人该当正在成立现有技术组合和劳动力需求增加的范畴针对什么样的再培训课程和工做。将通过数字界面志愿正在线取晚期认识和机遇系统互动，正在那里他们能够拜候通用评估或通过输入额外数据或同意更精细的数据收集（收集抓打消息或从他们的数字 ID 拜候教育记实）来选择自定义评估。这些个性化评估将标识表记标帜影响工人风险情况的要素（例如，他们处置的行业和职业），供给定制的机遇来降低该风险和/或过渡到机遇更高的范畴。小我还能够选择正在风险评估发生变化时收到通知，就像美国信用评分系统的运做体例雷同。 6：让工人从动插手一个新的志愿 LIFESPAN 基金，以减轻赋闲冲击并为再就业工做供给资金。即便支撑培训将来的工人、提高现有劳动力的技术、支撑公司的机遇并帮帮工人顺应不竭变化的劳动力市场，但跟着工人发觉本人正在脚色之间，即将到来的阶段可能仍会带来更高程度的摩擦。政策能够阐扬感化，确保这不会导致进一步的不良成果，例如临时的贫苦、不成持续的信贷利用和住房不平安。正在经合组织国度中（OECD）英国的赋闲布施金程度第三低[83]（以赋闲 6 个月后以前收入的份额权衡）。赋闲布施金不只低，并且有严酷的资历尺度，这意味着若是裁人，大大都工人就没有本色性的平安网。鉴于英国的财务情况严重，这种环境不太可能很快改变。此外，英国度庭的储蓄率较低，而且对应急基金的投资不脚，这些资金可用于正在冲击期间滑润收入。2022 年，英国度庭节流了约 2% 的费用[84]的可安排收入约为欧盟同业的三分之一。我们的 AI 用户查询拜访表白，员工往往不晓得 AI 若何潜正在地改变他们的工做，以及成功转型所需的投资。成立小我 LIFESPAN 基金——“顺应需求的终身收入矫捷性和就业储蓄打算”——为赋闲供给收入缓冲。取目前的养老金模式一样，工人志愿插手 LIFESPAN 基金，将固定比例的收入存入该基金。成立小我 LIFESPAN 基金——“顺应需求的终身收入矫捷性和就业储蓄打算”——为赋闲供给收入缓冲。取目前的养老金模式一样，工人志愿插手 LIFESPAN 基金，将固定比例的收入存入该基金。能够激励工人储蓄，由于如许做能够节流税款，并且他们的雇从会婚配这些供款的一部门。取养老金分歧，若是发生严沉糊口事务（裁人、育儿假、再培训），小我能够正在达到退休春秋之前提取他们的 LIFESPAN 基金，他们临时退出劳动力市场，任何正在退休春秋未利用的资金将从动转入小我的养老金账户。从动将工人注册到具有志愿退出功能的小我 LIFESPAN 账户中。这种对养老金的“帮推”手艺[85]固定缴款职业打算的添加了 10 倍。一种两方缴款模式，即雇员至多缴纳雇从婚配的税前总工资的 1%。然后，员工能够选择将他们的供款弥补到此程度以上，而且仍然能够从节税储蓄中受益，但无需雇从婚配。提前提款津贴，正在工人接管再培训或寻找新工做时供给主要的姑且收入支撑。当员工从就业过渡到赋闲时（例如，因为育儿假或因为裁人而志愿），他们将可以或许提取他们的 LIFESPAN 基金。这种提前提款功能将合用于工做至多两年的员工，届时他们最多能够提取上一年年收入的三分之二，最长可提取两年。此功能对于为员工争取时间并避免处置取他们的技术不婚配的工做的风险至关主要。任何提取的收入都将按凡是的所得税税率纳税——就像现正在的养老金一样。从动将工人注册到具有志愿退出功能的小我 LIFESPAN 账户中。这种对养老金的“帮推”手艺[85]固定缴款职业打算的添加了 10 倍。一种两方缴款模式，即雇员至多缴纳雇从婚配的税前总工资的 1%。然后，员工能够选择将他们的供款弥补到此程度以上，而且仍然能够从节税储蓄中受益，但无需雇从婚配。提前提款津贴，正在工人接管再培训或寻找新工做时供给主要的姑且收入支撑。当员工从就业过渡到赋闲时（例如，因为育儿假或因为裁人而志愿），他们将可以或许提取他们的 LIFESPAN 基金。这种提前提款功能将合用于工做至多两年的员工，届时他们最多能够提取上一年年收入的三分之二，最长可提取两年。此功能对于为员工争取时间并避免处置取他们的技术不婚配的工做的风险至关主要。任何提取的收入都将按凡是的所得税税率纳税——就像现正在的养老金一样。 7：改良英国的培训办事，使其愈加个性化、更具成本效益，并旨正在培育 AI 时代的需求技术。正在提示工人就业市场可能发生的变化并帮帮他们过渡之后，评估他们可用的培训供应似乎是明智的。因而，该当：开辟一套面向所有的认证免费正在线课程（取大学合做），沉点关心劳动力需求快速增加的经济部分的技术和资历。通过对再培训成本的税收减免，激励高危行业的公司供给再培训机遇。这确保了公司的积极参取，并为那些没无意识到其职业风险或不肯采纳解救办法的员工供给额外的鞭策，我们的 AI 用户查询拜访参取者支撑此选项。通过从动注册 LIFESPAN 基金（如上所述）来降低再培训的机遇成本，并降低参取再培训的小我的糊口成本，例如，激励私家银行为加入正轨再培训的小我供给更宽松的典质贷款还款假期。扩大英国的学生贷款打算，使小我可以或许正在终身中申请不止一笔贷款，前提是他们选择的课程取技术欠缺的范畴间接相关。更激进地说，该当摸索能否答应 30 岁以上的职业中期工人以姑且收入支撑的形式提取他们的国度养老金，最长可达三年——由响应提高小我的国度养老金春秋或沉返工做岗亭后的边际税率领取。开辟一套面向所有的认证免费正在线课程（取大学合做），沉点关心劳动力需求快速增加的经济部分的技术和资历。通过对再培训成本的税收减免，激励高危行业的公司供给再培训机遇。这确保了公司的积极参取，并为那些没无意识到其职业风险或不肯采纳解救办法的员工供给额外的鞭策，我们的 AI 用户查询拜访参取者支撑此选项。通过从动注册 LIFESPAN 基金（如上所述）来降低再培训的机遇成本，并降低参取再培训的小我的糊口成本，例如，激励私家银行为加入正轨再培训的小我供给更宽松的典质贷款还款假期。扩大英国的学生贷款打算，使小我可以或许正在终身中申请不止一笔贷款，前提是他们选择的课程取技术欠缺的范畴间接相关。更激进地说，该当摸索能否答应 30 岁以上的职业中期工人以姑且收入支撑的形式提取他们的国度养老金，最长可达三年——由响应提高小我的国度养老金春秋或沉返工做岗亭后的边际税率领取。利用晚期认识和机遇系统（如上所述）为面对裁人风险的员工供给再培训机遇。这能够利用 AI 将需求技术（从正在线聘请告白中收集抓取的技术）取现有的学术和职业课程相婚配，统一系统还将通知教育机构技术需求高的范畴的培训差距。取企业和学术界成立安稳的关系，以确保新的 AI 时代培训课程供给雇从注沉的资历。人工智能互补技术（例如提醒工程）和看似不受人工智能影响的技术（定制物理买卖和小我办事）。不异的课程还能够包罗 AI 能力证书，将正在线讲授取私营部分公司的免费练习相连系，旨正在加速 AI 正在整个经济中的采用。利用晚期认识和机遇系统（如上所述）为面对裁人风险的员工供给再培训机遇。这能够利用 AI 将需求技术（从正在线聘请告白中收集抓取的技术）取现有的学术和职业课程相婚配，统一系统还将通知教育机构技术需求高的范畴的培训差距。取企业和学术界成立安稳的关系，以确保新的 AI 时代培训课程供给雇从注沉的资历。这该当包罗关心人取人之间的技术（好像理心和沟通）、人工智能互补技术（例如提醒工程）和看似不受人工智能影响的技术（定制物理买卖和小我办事）。不异的课程还能够包罗 AI 能力证书，将正在线讲授取私营部分公司的免费练习相连系，旨正在加速 AI 正在整个经济中的采用。摸索利用基于成果的融资模式，如社会影响力债券 （SIB），以激励厌恶手艺的群体（特别是年长的员工）提拔技术。第三方投资者为 SIB 供给资金，只要正在实现明白定义的社会（例如，提高老年工人的数字熟练度）的环境下（由）领取债券。[87]调整进修设置以确保大大都人都能受益。这可能包罗为某些群体供给更多的小我外展办事，或为脚色离线的员工（如送货司机）供给更多的面临面会议。基于小组的进修能够通过建立进修社区来提取度和完成率。利用 AI 供给分歧言语的培训也将扩大潜正在的进修社区并提高可拜候性。摸索利用基于成果的融资模式，如社会影响力债券 （SIB），以激励厌恶手艺的群体（特别是年长的员工）提拔技术。第三方投资者为 SIB 供给资金，只要正在实现明白定义的社会（例如，提高老年工人的数字熟练度）的环境下（由）领取债券。[87]调整进修设置以确保大大都人都能受益。这可能包罗为某些群体供给更多的小我外展办事，或为脚色离线的员工（如送货司机）供给更多的面临面会议。基于小组的进修能够通过建立进修社区来提取度和完成率。利用 AI 供给分歧言语的培训也将扩大潜正在的进修社区并提高可拜候性。通过这些培训，工人该当可以或许找到新的和更好的脚色，可是，仍有工做要做，以确保将他们取合适的机遇相婚配的过程尽可能高效。一些欧洲曾经指了然标的目的。例如，法国为求职者供给了一个名为 La Bonne Boîte 的公共平台，[88]它预测了将来六个月聘请概率高的公司；爱沙尼亚赋闲安全基金[89]利用 AI 来确定候选人的就业路子并确定找到工做的概率；人工智能也已正在私营部分普遍利用以推进工做婚配——97% 的财富 500 强公司利用从动申请人系统来办理候选人。[90]虽然英国之前测验考试成立工做婚配平台失败了，[91]这些成功的国际试点和手艺前进表白，成功是可能的。正在我们的 AI 用户查询拜访中，蓝领工人强烈支撑这品种型的办事。应支撑开辟新的人工智能驱动的就业婚配平台，要么通过间接委托赞帮的办事，要么供给拜候持无数据的方式，以加强私家建立的办事。该平台应将但愿填补职位空白的雇从取合适这些技术要求的新再培训工人相婚配，它将指点候选人完成整个聘请流程。该平台将供给：职业指点：利用 AI 为小我供给定制，奉告他们现有的技术若何转移到分歧的职业以及他们潜正在的专业成长轨迹。申请协帮：摆设生成式 AI 东西来制做个性化的简历和求职信，这对于正在聘请过程中通过从动决策系统过滤器尤为主要。该平台以至能够通过恰当的选择插手和同意和谈，建立并从动提交工做申请，做为取赋闲布施金资历相关的求职勾当证明。工做婚配：利用机械进修手艺[92]将职位描述中的技术取 CV 和个性化中的技术（例如，针对成功几率较高的职位的保举引擎）进行映照。社会关系：确定方针公司的意愿者、项目校友或聘请人员，候选人能够正在面试过程中联系他们以获得指点，或者利用社交收集阐发等东西做为他们新脚色的职场伙伴。这将有帮于缓解赋闲的布局性妨碍，例如缺乏专业收集。面试预备：供给面试预备东西，例如模仿行为面试、评估测试和保举的阅读材料，这些将以各类的形式供给，以确保可拜候性（能够是年轻工人的聊器人或视障工人的音频辅帮东西）。构和：通过展现薪资比力、供给构和技巧、为候选人获得多个成功的登科通知书以及强调其他杠杆感化，协帮收到录用通知的候选人进行工资和福利构和。职业指点：利用 AI 为小我供给定制，奉告他们现有的技术若何转移到分歧的职业以及他们潜正在的专业成长轨迹。申请协帮：摆设生成式 AI 东西来制做个性化的简历和求职信，这对于正在聘请过程中通过从动决策系统过滤器尤为主要。该平台以至能够通过恰当的选择插手和同意和谈，建立并从动提交工做申请，做为取赋闲布施金资历相关的求职勾当证明。工做婚配：利用机械进修手艺[92]将职位描述中的技术取 CV 和个性化中的技术（例如，针对成功几率较高的职位的保举引擎）进行映照。社会关系：确定方针公司的意愿者、项目校友或聘请人员，候选人能够正在面试过程中联系他们以获得指点，或者利用社交收集阐发等东西做为他们新脚色的职场伙伴。这将有帮于缓解赋闲的布局性妨碍，例如缺乏专业收集。面试预备：供给面试预备东西，例如模仿行为面试、评估测试和保举的阅读材料，这些将以各类的形式供给，以确保可拜候性（能够是年轻工人的聊器人或视障工人的音频辅帮东西）。构和：通过展现薪资比力、供给构和技巧、为候选人获得多个成功的登科通知书以及强调其他杠杆感化，协帮收到录用通知的候选人进行工资和福利构和。AI 东西和使用法式曾经被普遍用于改善员工福祉。新呈现的表白，总的来说，人工智能似乎取更高的工做对劲度相关，《评论员》（Commentators）[93]的做者暗示，人工智能能够“帮帮恢复因太多工人和工做而得到的质量、地位和能动性”。然而，正在某些环境下，人工智能也存正在可能恶化工做质量的风险。[94]我们的 AI 用户查询拜访强调了一些担心，即员工将面对压力，要求员工达到不切现实的强度程度，以及监视员工所涉及的就业和聘请特定东西的潜正在影响。的感化该当是确保人工智能支撑工人福利和组织出产力，同时将风险降至最低。鉴于最新一波人工智能手艺仍处于起步阶段，面对的次要挑和之一是人工智能的采用环境，因而短期内的沉点应包罗生成更清晰图景的办法——分享最佳实践以加速采用并确定需要更安稳护栏的风险范畴。 9：通过调整转型劳动力查询拜访 （TLFS） 来生成更好的工人福利数据，为监管和政策制定供给消息。对人工智能对整个经济中的就业质量的程度和影响的消息很少。英国技术和就业查询拜访[95]收集一些关于工做质量（工做强度、工做不平安感）的消息，但每 4 到 6 年才进行一次。[96]查询拜访），以及对于那些如许做的人，提出一系列问题，领会人工智能若何通过其正在决策、健康和平安、工做强度、工人和工做乐趣方面的感化来影响工人福利。[97] 10：成立 AI 相关工做场合披露工做组 （TAWD），分享取影响员工的 AI 东西相关的最佳雇从实践。该当成立一个新的 AI 相关工做场合披露工做组，该工做组将遵照取成功的“天气相关财政消息披露工做组”（Taskforce on Climate-Related Financial Disclosures —TCFD）[99]雷同的准绳，该法案设想了一个披露框架并推进了雇从对这些披露的接管。该打算将是志愿的，但会激励公司正在合理的贸易秘密范畴内披露消息（例如，正在披露对新系统的严沉投资之前，时间畅后可能是恰当的），披露的环节范畴应涵盖最佳实践和风险办理。我们激励雇从供给以下消息：工人福利：它对工人的益处（例如改善健康和平安、削减聘请、改善福利、减轻普通和反复的使命），以帮帮凸起和分享最佳实践。风险办理：该系统能否用于任何“高风险”或“高影响”的劳动力决策（聘请息争雇、规律处分等），取聘请或相关）。正在大大都环境下，这将涉及披露雇从曾经被期望收集的消息。例如，雇从需要为高风险数据处置进行影响评估（请消息专员办公室 （Information Commissioner’s Office —ICO） 指南[100]），并激励正在其网坐上发布此内容（或贸易消息的摘要）。[101]采用过程：该手艺正在工做场合的采用体例以及能否事先征询了工人。多项国际研究表白，工人和办理人员之间的对话能够带来更好的绩效和更好的工做前提，包罗正在采用新手艺时。[102]正在我们的 AI 用户查询拜访中，员工敬业度被视为确保司理和人力资本代表立异和负义务地采用的环节。披露此类消息将再次推进采用这些东西的最佳实践的共享。工人福利：它对工人的益处（例如改善健康和平安、削减聘请、改善福利、减轻普通和反复的使命），以帮帮凸起和分享最佳实践。风险办理：该系统能否用于任何“高风险”或“高影响”的劳动力决策（聘请息争雇、规律处分等），以及曾经采纳了哪些管理法式和流程来办理风险（例如，取聘请或相关）。正在大大都环境下，这将涉及披露雇从曾经被期望收集的消息。例如，雇从需要为高风险数据处置进行影响评估（请消息专员办公室 （Information Commissioner’s Office —ICO） 指南[100]），并激励正在其网坐上发布此内容（或贸易消息的摘要）。[101]采用过程：该手艺正在工做场合的采用体例以及能否事先征询了工人。多项国际研究表白，工人和办理人员之间的对话能够带来更好的绩效和更好的工做前提，包罗正在采用新手艺时。[102]正在我们的 AI 用户查询拜访中，员工敬业度被视为确保司理和人力资本代表立异和负义务地采用的环节。披露此类消息将再次推进采用这些东西的最佳实践的共享。该工做组还应发布关于披露勾当的年度审查，本演讲将沉点引见雇从的一些最佳实践。按照这一评估，该工做组可认为最通明的公司授予“通明的人工智能黄金尺度”，这取雇从承认打算 （Employer Recognition Scheme —ERS） 金（Gold Awards）等雷同的打算相呼应[103]。为了进一步激励人们接管消息披露，正在投标合同时，还应将通明人工智能黄金尺度用做积极标记，雷同于伦敦的优良工做尺度。[104]该工做组还能够操纵从收养流程披露中学到的经验，并发布关于整合员工声音的最佳实践指南，指点文件中凡是缺乏这些消息[105]取 AI 的采用相关。的首要使命该当是确保雇从理解并可以或许履行他们目前的法令义务，并正在问题呈现之前把握法令。英国有大量立法，为工人正在利用人工智能东西时供给取数据收集、处置和相关的办法。然而，该法令的某些方面很难遵照，并且相对未经测试或未知，这可能会导外或居心的不妥行为，特别是对于没有特地人力资本资本的中小企业。例如，环绕从动决策的法令——取工做质量相关的环节关心范畴之一——令人迷惑。有一系列法令测试和很容易惹起争议，这意味着存正在分歧程度的合规性，包罗领会哪些东西属于立法范畴。起首，ICO 可能需要更多指点，以帮帮阐明完全从动化决策的寄义，以及应使用完全从动化决策的前提，还应建立更多的接触点来该指南。为此，AI 营业参谋机械人（ 3）能够整合此指南，并充任人力资本同事，以提高雇从理解和履行法令的义务的能力。通过取专业机构合做，例如英国特许人事取成长协会 （CIPD） 的专业收集，能够创制更多的接触点。若是这不起感化——而且 ICO 及其合做伙伴（包罗 CIPD）正在取雇从的互动中发觉该法令仍然导致人们无法做出投资决策——该当考虑立法能否以及若何供给更大的清晰度。别的，立法的范畴也可能需要扩大。跟着手艺的快速成长以及对决策取 AI 之间界面的领会越来越多，法令需要跟上它们所带来风险的现实。因而，可能需要点窜办法以及公司何时必需使用这些办法。例如，有一些新呈现的表白，即便人类参取此中（已确定的保障办法之一），他们也可能沉申从动决策，而无需恰当审查这些条目。正在一项研究中，人工监测员不太可能调整包含大错误的，因而无法做为告急中缀。[106] 12：提高英国担任监管 AI 对工做场合影响的三个监管机构的法律能力，并成立其测试和认证监管手艺 （regtech） 东西的能力，以帮帮公司把握法令。消息专员办公室（ICO），担任施行 UK 通用数据条例 （PR） 和 2018 年数据保的合规性，[108]取数据现私和相关。平等取委员会，担任施行 2010 年《平等法案》和 1998 年《法案》，涉及利用 AI 东西和从动决策中的蔑视和。消息专员办公室（ICO），担任施行 UK 通用数据条例 （PR） 和 2018 年数据保的合规性，[108]取数据现私和相关。平等取委员会，担任施行 2010 年《平等法案》和 1998 年《法案》，涉及利用 AI 东西和从动决策中的蔑视和。迄今为止，这些监管机构一曲正在通过艰辛挣扎[109]来建立应对 AI 时代的能力和能力。问题往往不正在于这些机构的法令，而正在于缺乏恪守和施行现有立法的资本。科学、立异和手艺部比来拨款 1000 万英镑的有时限资金，以帮帮监管机构处理这些缺口并建立需要的东西，但该小额基金由 90 个监管机构共享。[110]相反，该当赞帮一个项目，将三个跨部分工做相关的监管机构结合起来。该法式应具有两个功能：鉴于 AI 手艺的快速成长以及它们可能对将来工做发生的不确定影响，该当采纳以场景为导向的方式来制定面向将来的 AI 政策，正如经济学家 Anton Korinek 所的那样。[114]除了实施上述“不成惜”政策外，还应进行场景阐发，以确定可能实现的替代将来范畴、取每种场景相关的可能性和风险，以及决定哪种场景最终成为现实的环节驱动要素。场景阐发曾经正在内部进行，但需要赐与更多的注沉，并取应急打算相连系，应急打算是制定适用打算的政策预备工做，包罗触发点，从今天的劳动力市场过渡到更激进的将来。例如，正践约翰·梅纳德·凯恩斯 （John Maynard Keynes） 正在 1930 年代所预测的那样，正在人工智能继续快速成长并可以或许施行更高份额的员工使命的环境下，快速加快出产力增加能够缩短工做周。[115]然而，将社会过渡到更短的工做周并不是一件容易的事，出格是若是人工智能的影响正在整个劳动力市场上感触感染不服衡（这是人工智能用户查询拜访参取者的一个担心）。必需考虑：1） 若何协调整个社会工做时间的改变，例如是激励所有每周工做类似的日期仍是错开工做；2） 临界点可能正在哪里，由于某些行业将比其他行业变化得更快；3） 工资程度该当若何调整，出格是对于自雇人士、兼职合同工或按小时计薪的人；4） 对公共部分劳动力采纳什么方式。以上只是将来潜正在场景的一个例子。其他例子可能会成长到很是分歧的范畴。正在每种环境下，摸索场景的沉点是领会哪些根基驱动要素可能导致它成为现实，能够采纳什么步履来减轻不良后果，并确定什么样的政策组合适合世界分歧国度。人工智能的影响曾经正在整个经济、社会和中感遭到，次要是以细小的体例。正在不久的未来的某个时候，人们对 AI 的情感可能会发生愈加思疑的改变——评论员会环视四周，看到一些风行的使用法式和一些或多或少令人印象深刻的变化，并扣问它能否取许诺的相加。此时的是停下来期待，看看工作若何成长。这将是制定政策的蹩脚根本。即便无法完全领会工做场合 AI 将若何成长、谁会遭到影响以及若何遭到影响，我们也能够自傲地预测变化即将到来。那些受影响的人将获得最好的政策，即充实操纵新手艺所供给的工具，并支撑国度接管它。即便我们正在这个阶段的阐发需要不竭修订，并且此中一些可能很快就会过时，但有充实的来由采纳本演讲中概述的所有步调。我们的方式是环绕利用 AI 供给给我们的东西来处理对其影响的担心而建立的。操纵手艺来加强办事和政策制定的能力必定是一件功德。无论哪种体例，我们都清晰，试图该手艺并不克不及很好地满脚敌手艺影响的担心。支撑手艺、支撑就业、支撑经济的政策不只是可能的，并且势正在必行。我们但愿本演讲中的可认为此类政策指明标的目的。曾经有现实世界的表白，人工智能具有提高经济出产力的潜力。正在一个快速成长的范畴，人工智能影响的大部门目前仍是传说风闻，但虽然如斯，这些个体故事为更多的成长指了然标的目的。例如，加利福尼亚州的公用事业公司承平洋天然气取电力公司操纵人工智能建立了数百个低代码营业处理方案，每年可为公司节流 50 多万小时，每年可节流近 7500 万美元。正在国内，金融科技公司 Klarna 建立了一小我工智能帮理，处置从多言语客户查询到退款处置等使命。正在推出的第一个月内，它就处置了 200 多万次对线 名全职代办署理，并且速度更快、更精确。估计到 2024 年，这将带来跨越 4000 万美元的利润增加。非营利组织英国老龄协会（Age UK）成立了一小我工智能文本转语音东西，用于意愿者取老年人之间的通话，从而加速了平安审核，并将员工的时间从自动通线 次办事呼叫中，该东西节流了 9，500 个工时。这包罗行业研究（如高盛、麦肯锡公司）、学术研究（如麻省理工学院、大学）、超等预测师的看法、多边演讲（如经合组织、国际货泉基金组织）、文章和旧事（包罗《金融时报》、《经济学家》、《华尔街日报》）、来历（如英国教育部、美国国立卫生研究院）、贸易查询拜访（包罗普华永道和 Gartner）、平易近间社会（如健康基金会、取手艺核心）、行业案例研究（包罗 OpenAI、Sparx Maths 和可汗学院），以及取高级人工智能和学术专家的多次会商。我们的文献综述自创了埃里克-布林约尔松（Erik Brynjolfsson）、戴维-奥托（David Autor）和达龙-阿西莫格鲁（Daron Acemoglu）等世界出名经济学家和人工智能专家的研究。我们正在本项目中对人工智能的利用是一个典范，申明了人工智能若何既能节流时间，又能提高工做质量，由于它使做者可以或许采纳比其他方式更精细的方式。这取我们之前的工做（）中利用的类型不异。这种分类还可做为额外的稳健性测试，由于我们解除了 GPT-4 无法指定具体手艺的无限使命中估量节流的时间，这表白该手艺可能尚不存正在。本演讲侧沉于人工智能对私营部分的影响。相关对公共部分潜正在影响的阐发，请我们的晚期演讲：。当然，对这些职业的需求也有可能通过其他体例削减，此中可能涉及更高的从动化程度--例如，跟着需要较少维修的电动摩托车的开辟，对摩托车机械师的需求可能会下降，可是，这些历程曾经进行了一段时间，虽然可能会加快，但对目前存正在的这些职位进行归纳综合仍然是合理的。材料来历：TBI 对国度统计局劳动力查询拜访数据的阐发：TBI 对国度统计局劳动力查询拜访数据的阐发。这种环境曾经正在实践中呈现。例如，城市大学 (的一项研究演讲指出，大公司（具有 100 名以上员工的公司）的人工智能采用率为 20%，而小公司（具有 5 至 19 名员工的公司）的采用率不到 3%。我们假定出产率每提高 1%，劳动力需求就会添加 0。57%，畅后一年：Victoria Morén 和 Elias Wändal，《经济增加的就业弹性》，2019 年。这不包罗小企业利用定制人工智能系统节流的 7。2%的总劳动力时间，也不包罗小企业利用人工智能高成本设备节流的 0。8%的时间。就业率的增加是按照我们的演讲《健康带来繁荣》中的就业率阐发揣度出来的：投资于英国防止性保健的宏不雅经济案例》中的就业率阐发，取英国国度统计局的生齿预测相吻合。我们通过度析英国劳动力查询拜访（UK Labour Force Survey）获得了这一估量值，该查询拜访按照赋闲时间的长短对赋闲人员进行了细分。正在我们的设想中，我们通过将两个相邻时间段（例如，少于 6 个月和 6-12 个月）之间的赋闲人数差值削减 10%来替代人工智能支撑的就业婚配的影响--这意味着这些人会找到工做，就业程度也会响应提高。人工智能用户查询拜访包罗来自四个次要经济部分的 16 名办理人员和工人，此中既有蓝领工人，也有白领工人。所有参取者都有正在工做场合采用或利用人工智能东西的一些经验。这项研究由设想研究机构 STBY 担任，分为两个阶段：第一阶段是一系列研讨会和，切磋正在工做场合采用人工智能的相关机缘和问题；第二个阶段是取同样的参取者进行一系列的研讨会，以切磋正在工做场合采用人工智能的机缘和问题。提出新的处理方案。可能的问题包罗：a) 您正在多大程度上同意或分歧意以下说法？人工智能帮帮我更快地做出决策；人工智能帮帮我做出更好的决策；我喜好人工智能协帮我做出决策；b) 人工智能从动完成或创制了哪些使命？这些使命能否大多是反复性的/复杂的/的？c) 人工智能若何改变了您施行使命的速度？d) 能否有人工智能系统持续您工做的方方面面？此外，还通过负义务的手艺采用部分（The Responsible Technology Adoption Unit — RTA）制定了人工智能生命周期分歧阶段的框架，包罗合规和审计（）以及全球手艺尺度，这些尺度可帮帮公司削减、蔑视和现私。此外，工党已建议通过归并帮工和劳工办理局、就业尺度监察局和国度最低工资股，成立一个公允工做机构。正在人工智能决策的布景下，公允工做署也能够正在施行公允就业做法和工利方面阐扬感化，例如，若是人工智能被用于违反就业法的雇用或解雇做法。曾经有现实世界的表白，人工智能具有提高经济出产力的潜力。正在一个快速成长的范畴，人工智能影响的大部门目前仍是传说风闻，但虽然如斯，这些个体故事为更多的成长指了然标的目的。例如，加利福尼亚州的公用事业公司承平洋天然气取电力公司操纵人工智能建立了数百个低代码营业处理方案，每年可为公司节流 50 多万小时，每年可节流近 7500 万美元。正在国内，金融科技公司 Klarna 建立了一小我工智能帮理，处置从多言语客户查询到退款处置等使命。正在推出的第一个月内，它就处置了 200 多万次对线 名全职代办署理，并且速度更快、更精确。估计到 2024 年，这将带来跨越 4000 万美元的利润增加。非营利组织英国老龄协会（Age UK）成立了一小我工智能文本转语音东西，用于意愿者取老年人之间的通话，从而加速了平安审核，并将员工的时间从自动通线 次办事呼叫中，该东西节流了 9，500 个工时。这包罗行业研究（如高盛、麦肯锡公司）、学术研究（如麻省理工学院、大学）、超等预测师的看法、多边演讲（如经合组织、国际货泉基金组织）、文章和旧事（包罗《金融时报》、《经济学家》、《华尔街日报》）、来历（如英国教育部、美国国立卫生研究院）、贸易查询拜访（包罗普华永道和 Gartner）、平易近间社会（如健康基金会、取手艺核心）、行业案例研究（包罗 OpenAI、Sparx Maths 和可汗学院），以及取高级人工智能和学术专家的多次会商。我们的文献综述自创了埃里克-布林约尔松（Erik Brynjolfsson）、戴维-奥托（David Autor）和达龙-阿西莫格鲁（Daron Acemoglu）等世界出名经济学家和人工智能专家的研究。我们正在本项目中对人工智能的利用是一个典范，申明了人工智能若何既能节流时间，又能提高工做质量，由于它使做者可以或许采纳比其他方式更精细的方式。这取我们之前的工做（）中利用的类型不异。由于我们解除了 GPT-4 无法指定具体手艺的无限使命中估量节流的时间，这表白该手艺可能尚不存正在。本演讲侧沉于人工智能对私营部分的影响。相关对公共部分潜正在影响的阐发，请我们的晚期演讲：。当然，对这些职业的需求也有可能通过其他体例削减，此中可能涉及更高的从动化程度--例如，跟着需要较少维修的电动摩托车的开辟，对摩托车机械师的需求可能会下降，可是，这些历程曾经进行了一段时间，虽然可能会加快，但对目前存正在的这些职位进行归纳综合仍然是合理的。材料来历：TBI 对国度统计局劳动力查询拜访数据的阐发：TBI 对国度统计局劳动力查询拜访数据的阐发。这种环境曾经正在实践中呈现。例如，城市大学 (的一项研究演讲指出，大公司（具有 100 名以上员工的公司）的人工智能采用率为 20%，而小公司（具有 5 至 19 名员工的公司）的采用率不到 3%。我们假定出产率每提高 1%，劳动力需求就会添加 0。57%，畅后一年：Victoria Morén 和 Elias Wändal，《经济增加的就业弹性》，2019 年。这不包罗小企业利用定制人工智能系统节流的 7。2%的总劳动力时间，也不包罗小企业利用人工智能高成本设备节流的 0。8%的时间。就业率的增加是按照我们的演讲《健康带来繁荣》中的就业率阐发揣度出来的：投资于英国防止性保健的宏不雅经济案例》中的就业率阐发，取英国国度统计局的生齿预测相吻合。我们通过度析英国劳动力查询拜访（UK Labour Force Survey）获得了这一估量值，该查询拜访按照赋闲时间的长短对赋闲人员进行了细分。正在我们的设想中，我们通过将两个相邻时间段（例如，少于 6 个月和 6-12 个月）之间的赋闲人数差值削减 10%来替代人工智能支撑的就业婚配的影响--这意味着这些人会找到工做，就业程度也会响应提高。人工智能用户查询拜访包罗来自四个次要经济部分的 16 名办理人员和工人，此中既有蓝领工人，也有白领工人。所有参取者都有正在工做场合采用或利用人工智能东西的一些经验。这项研究由设想研究机构 STBY 担任，分为两个阶段：第一阶段是一系列研讨会和，切磋正在工做场合采用人工智能的相关机缘和问题；第二个阶段是取同样的参取者进行一系列的研讨会，以切磋正在工做场合采用人工智能的机缘和问题。提出新的处理方案。可能的问题包罗：a) 您正在多大程度上同意或分歧意以下说法？人工智能帮帮我更快地做出决策；人工智能帮帮我做出更好的决策；我喜好人工智能协帮我做出决策；b) 人工智能从动完成或创制了哪些使命？这些使命能否大多是反复性的/复杂的/的？c) 人工智能若何改变了您施行使命的速度？d) 能否有人工智能系统持续您工做的方方面面？此外，还通过负义务的手艺采用部分（The Responsible Technology Adoption Unit — RTA）制定了人工智能生命周期分歧阶段的框架，包罗合规和审计（）以及全球手艺尺度，这些尺度可帮帮公司削减、蔑视和现私。此外，工党已建议通过归并帮工和劳工办理局、就业尺度监察局和国度最低工资股，成立一个公允工做机构。正在人工智能决策的布景下，公允工做署也能够正在施行公允就业做法和工利方面阐扬感化，例如，若是人工智能被用于违反就业法的雇用或解雇做法。