【人工智能】AI 对宏观经济生产力的影响
【人工智能】AI 对宏观经济生产力的影响
近年来，人工智能技术迅速普及，但其对宏观经济生产率的实际影响尚不明确。本文基于对日本工人的大规模调查数据，分析了人工智能在工作场所的使用情况及其对生产率的影响，为理解AI技术的经济效应提供了重要参考。
近年来，人工智能迅速普及，但其对总体生产率的影响尚不明确。本专栏使用原始调查数据来估计人工智能对日本宏观经济生产率的影响。利用人工智能在工作场所的使用及其对工作效率的影响数据，估计宏观层面的劳动生产率将提高 0.5-0.6%。生产率影响可能会随着时间的推移而增加，但额外收益会减少。此外，高薪和高学历工人对人工智能的采用率可能会在短期内扩大整体劳动力市场的不平等。
随着人工智能 (AI) 的迅速传播，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) 提供了各国和各行业的机器人使用情况数据，因此已经开展了许多关于工业机器人对生产力影响的研究（例如 Graetz 和 Michaels 2018、Kromann 等人 2020、Cette 等人 2021、Dauth 等人 2021）。然而，人工智能对生产力的定量影响尚不清楚，主要是因为缺乏有关人工智能使用的统计数据。
最近，有几项研究报告了对特定任务进行随机实验的结果，在这些任务中，人工智能对生产力具有很大的积极影响（例如 Brynjolfsson 等人 2023 年、Kanazawa 等人 2022 年、Noy 和 Zhang 2023 年、Peng 等人 2023 年）。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出宏观经济影响，因为这些研究仅涵盖了客户支持、出租车驾驶、写作任务和软件编程等定义非常狭窄的任务。
Acemoglu (2024) 根据现有的任务级研究，估计人工智能对美国生产力的中期影响为受人工智能影响的任务百分比乘以任务级成本节省。根据他的研究，人工智能的宏观经济影响不可忽略但很小，累计全要素生产率 (TFP) 增幅不到 0.7%。然而，他指出，哪些任务将被自动化以及成本节省多少存在很大的不确定性。最近，Filippucci 等人 (2024) 评估了人工智能带来的总体生产力收益，假设人工智能的成本节省为 30%，并指出人工智能可以在未来十年为美国年度 TFP 增长贡献 0.25-0.6% 。
在此背景下，我使用原始调查数据概述了人工智能的使用情况并估计了其对日本宏观经济生产力的影响.
研究设计
我于 2023 年 9 月和 2024 年 10 月针对被选为日本劳动力代表的 20 岁及以上的日本工人进行了调查。2023 年调查的受访者人数为 13,150 人。2024 年的后续调查发送给了那些回复了 2023 年调查的人，其中 8,633 人回复了调查。分析使用了 8,269 名受访者的数据（不包括 2024 年调查时没有工作的受访者）。
调查主要内容为：（1）工作中人工智能（包括生成式人工智能）的使用情况、（2）使用人工智能完成的任务占比、（3）人工智能对工作效率的影响。第二、三道题只针对回答在工作中使用人工智能的受访者。调查还收集了受访者的性别、年龄、教育背景、行业、职业、工作类型、每周工作时间、年收入等信息。
根据这些问题的答案，我们列出了在工作中使用人工智能的工人百分比（AI_User）、使用人工智能的任务百分比（AI_Taskshare）和效率增益（AI_Efficiency ）。对于人工智能用户，人工智能对工人层面生产力的影响（ AI_Productivity）计算为AI_Taskshare*AI_Efficiency。例如，如果一名工人 30% 的任务使用人工智能，人工智能的效率效应为 20%，那么他的整体工作效率将比不使用人工智能时高 6%。为了计算人工智能对宏观经济生产力的影响，我们用年收入作为权重，除以包括不使用人工智能的人在内的年收入总和，从而对AI_Productivity进行汇总。
虽然这里采用的方法非常简单，而且取决于工人的主观评价，测量误差不可避免，但这种方法的优势在于可以避免因选择性使用人工智能而引起的内生性问题，因为调查询问的是人工智能用户与不使用人工智能的情况相比的效率提升情况。
人工智能对生产力的影响
2024 年秋季AI_User的数量为 8.3%。在 2023 年的调查中，相应的数字为 5.8%（将样本限制为也参与了 2024 年调查的小组受访者时为 5.3%），这表明使用 AI 的工人数量在过去一年中增加了约 1.5 倍。2
AI_User 中使用 AI 的任务比例（AI_Taskshare）平均值为 15.1%。也就是说，即使使用 AI 进行工作，不使用 AI 的任务比例平均也超过 80%。使用 AI 的工作效率（AI_Efficiency）平均值为 25.9%，AI_Productivity 平均值为 5.6%，3 意味着使用 AI 进行工作的员工整体生产力比不使用 AI 的员工高出 5.6%。
用年收入加权AI_Productivity并以所有受访者的年收入总和作为分母计算出的宏观经济生产力影响为 +0.58%（见图 1）。因此，目前我们更倾向于估计宏观层面的劳动生产率比没有 AI 的情况提高 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，则对全要素生产率 (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
打开网易新闻 查看精彩图片
未来可能产生的影响
回答“目前在工作中不使用人工智能，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，未来人工智能的宏观经济影响可能会增加。假设AI_Taskshare和AI_Efficiency与当前人工智能用户的相同，对劳动生产率的宏观经济影响将约为 4 倍：比没有人工智能的情况高出约 2%。考虑到劳动份额，对全要素生产率的影响约为 1.1% 。
然而，额外的生产力收益可能会逐渐减少。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 总结了这两类人工智能用户的比较。新开始使用人工智能的用户的AI_Taskshare和AI_Efficiency都明显低于持续使用人工智能的用户。因此，人工智能的使用对整体工作效率的影响存在显著差异：持续使用人工智能的用户和新使用人工智能的用户的AI_Productivity平均值分别为 7.8% 和 4.4%。这一结果表明，人工智能的传播始于人工智能实施效果较大的工作，并逐渐扩展到其效果较小的工作。如果这种趋势继续下去，随着人工智能用户数量的增加，人工智能对宏观经济生产力的额外贡献可能会逐渐减少。
图2AI新用户与AI持续用户对比
打开网易新闻 查看精彩图片
注：条形表示 95% 置信区间。条形中的数字为平均值。新 AI 用户是指过去一年开始在工作中使用 AI 的用户。
人工智能对劳动力市场不平等的影响
表 1 列出了按教育程度和年收入分类的计算结果。受过高等教育和高薪的工人倾向于在工作中使用人工智能。另一方面，不同工人特征的AI_Taskshare和AI_Efficiency差异有限。换句话说，尽管受教育程度较低和工资较低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，生产率效应并没有太大差异（或略高）。
前面的图 1 还显示了工人教育和年收入类别对总体生产力的影响。受过高等教育和高薪工人类别的生产力影响更大，主要是因为人工智能采用率更高（广泛边际）。上述针对特定任务的最新研究表明，对于同一任务中技能相对较低的工人，人工智能对生产力的影响更大。然而，我的研究结果表明，人工智能的传播可能会扩大整体劳动力市场的不平等，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
打开网易新闻 查看精彩图片
本文原文来自网易新闻