自2022年11月30日發(fā)布以來，ChatGPT的月活躍用戶數(shù)量已經(jīng)達到大約1億人，創(chuàng)造了最快增長的消費類應(yīng)用紀錄。

雖然AI極大地提高了人們的工作效率。但隨著對不同領(lǐng)域的滲透，促使人們重新審視「技術(shù)取代」的問題。

最新研究則揭示了「拐點」的存在：一旦AI取代效應(yīng)占主導(dǎo)地位，它將無法逆轉(zhuǎn)。

具體而言，作者在理論上，提出了AI進步對自由職業(yè)者影響的「拐點」：在AI能力超越拐點之前，自由職業(yè)者始終從AI的進步中受益；但在AI能力跨越拐點之后，隨著AI的進步，自由職業(yè)者都會變得更加不利。

文章引起了網(wǎng)友對就業(yè)市場的擔(dān)心：

以往的企業(yè)高管或AI專家，更多在理論上，預(yù)測AI的智能水平可以取代人類從事哪些工作。

這次研究不僅提出了一般就業(yè)市場的「拐點猜想」，而且還用數(shù)據(jù)證明了：在不同的在線勞動力市場（online labor markets，OLMs）中，寫作、咨詢、編程相關(guān)崗位更多體現(xiàn)的是取代效應(yīng)，運營、創(chuàng)意更多體現(xiàn)的生產(chǎn)力效應(yīng)。前者表現(xiàn)為工作機會和收入將逐漸減少，而后者卻完全相反。

研究的主要亮點如下：

1. 對在線勞動平臺，翻譯和網(wǎng)頁開發(fā)的實證研究，證實了AI的取代效應(yīng)和生產(chǎn)力效應(yīng)。
2. 利用Cournot競爭模型，在適當(dāng)假設(shè)下得到了「拐點猜想」：隨著AI能力的不斷提升，崗位數(shù)量和報酬水平會先升高（也就是生產(chǎn)力效應(yīng)）；但一旦超過某個閾值后，崗位數(shù)量和報酬水平會不可逆轉(zhuǎn)的下滑（也就是替代效應(yīng)）。
3. 根據(jù)「拐點猜想」，分析了在線勞動平臺上其他崗位，再次證明了AI的能力一旦超過拐點，則會出現(xiàn)不可逆轉(zhuǎn)的替代效應(yīng)。
4. 結(jié)果表明在寫作、咨詢、編程、運營和創(chuàng)意等相關(guān)崗位，AI的取代效應(yīng)依次減弱。

該研究發(fā)表在2025年第58屆夏威夷系統(tǒng)科學(xué)年會上，作者來自新加坡國立大學(xué)、羅切斯特大學(xué)和清華大學(xué)。值得一提的是，他們?nèi)际乔迦A校友。

論文地址：https://scholarspace.manoa.hawaii.edu/server/api/core/bitstreams/4f39375d-59c2-4c4a-b394-f3eed7858c80/content

爭議焦點

這一爭議的核心在于：信息技術(shù)（IT）能夠?qū)⒃S多任務(wù)自動化，從而提升人類勞動的生產(chǎn)力，但也可能導(dǎo)致勞動力被技術(shù)所取代。

這兩種對立的效應(yīng)稱為取代效應(yīng)和生產(chǎn)力效應(yīng)。

這兩股相反的力量相互競爭，共同決定技術(shù)如何最終影響勞動力市場。

在以往的相關(guān)文獻中，技術(shù)本身通常被當(dāng)作黑箱處理，作為生產(chǎn)函數(shù)中的一個因素與人類勞動一起作用于經(jīng)濟。然而，這種宏觀視角的做法忽視了具體技術(shù)的影響，側(cè)重于任意自動化技術(shù)的長期效果。

然而，考慮到當(dāng)前AI技術(shù)的飛速發(fā)展，了解AI對勞動市場的影響顯得尤為重要，尤其是對在線勞動市場（OLM）的影響。

與較為穩(wěn)定的全職工作不同，自由職業(yè)工作更加容易受到市場變化的影響。作者預(yù)計，AI創(chuàng)新對工作市場的影響將首先在自由職業(yè)市場上顯現(xiàn)。

主要內(nèi)容

文章直接回答了一個問題：為什么相同的AI創(chuàng)新，在不同類型的工作中會產(chǎn)生完全相反的效果？

為了解決這一問題，作者收集了跨多個職業(yè)的個人級數(shù)據(jù)，并提出了「拐點假設(shè)」來解釋實證發(fā)現(xiàn)，從而為未來的實證研究和理論分析提供了新的視角。

具體而言，作者從頗受歡迎的在線勞動平臺收集了數(shù)據(jù)。通過采用雙重差分（Difference-in-Difference, DiD）設(shè)計，發(fā)現(xiàn)在線勞動力市場中自由職業(yè)者受ChatGPT的影響，呈現(xiàn)兩種不同情況：

1）翻譯與本地化OLM的取代效應(yīng)，表現(xiàn)為工作機會和收入的減少；

2）網(wǎng)頁開發(fā)OLM的生產(chǎn)力效應(yīng)，表現(xiàn)為工作機會和收入的增加。

為了理解AI對自由職業(yè)者產(chǎn)生不同影響的原因，作者建立了Cournot競爭模型。

在競爭模型中，AI因為取代效應(yīng)降低了市場潛力，但生產(chǎn)力效應(yīng)降低了邊際成本。

盡管是個簡化模型，但它暗示每個職業(yè)都有一個拐點。

在AI達到某一職業(yè)的拐點之前，人類勞動能夠從AI性能的進步中獲益，體驗到的是生產(chǎn)力效應(yīng)。然而，一旦AI超越拐點，進一步提升AI性能，將對人類勞動產(chǎn)生負面影響，展現(xiàn)出取代效應(yīng)。

為了更全面地描繪AI的影響，還進行了額外的實證分析，展示AI如何影響不同類別的市場。這些估算結(jié)果進一步揭示了AI對自由職業(yè)者可能帶來的兩種不同情境。

此外，作者還考慮了ChatGPT 4.0的發(fā)布帶來新的影響，并評估比較了ChatGPT 3.5和4.0的區(qū)別。實證結(jié)果揭示了這兩次AI升級的三種模式：1）兩種取代效應(yīng)；2）從生產(chǎn)力效應(yīng)過渡到取代效應(yīng)；3）兩種生產(chǎn)力效應(yīng)。

值得注意的是，我們還沒有從取代效應(yīng)主導(dǎo)的模式過渡到生產(chǎn)力效應(yīng)主導(dǎo)的模式，這與拐點假設(shè)相一致，表明一旦取代效應(yīng)占主導(dǎo)地位，它將無法逆轉(zhuǎn)。

實證背景

職業(yè)選擇

作者將ChatGPT的發(fā)布視作一個外部沖擊。ChatGPT于2022年11月30日發(fā)布，并對多種任務(wù)產(chǎn)生了顯著影響。它是第一個獲得主流認可的GenAI工具，因此成為研究AI沖擊的理想對象。

在自由職業(yè)平臺中，作者重點關(guān)注了兩個受AI影響較大的工作市場，即翻譯與本地化和網(wǎng)頁開發(fā)，這兩個領(lǐng)域的LLM在執(zhí)行相關(guān)任務(wù)時表現(xiàn)出了出色的能力。

首先，LLM在實際環(huán)境中完成各種翻譯任務(wù)的能力已經(jīng)得到驗證。

研究人員和從業(yè)者已表明，ChatGPT與流行的翻譯工具（如Google Translate和DeepL）不相上下，并且能生成上下文相關(guān)的內(nèi)容。ChatGPT在某些語言考試中的表現(xiàn)甚至優(yōu)于人類。

因此，作者選擇了翻譯與本地化OLM作為研究AI影響的一個重點。

其次，近期研究發(fā)現(xiàn)，使用GitHub Copilot時，網(wǎng)頁開發(fā)人員實現(xiàn)HTTP網(wǎng)頁的速度可以提升55.8%。

網(wǎng)頁開發(fā)工作涉及多種任務(wù)，要求具備全面的技能，如編程能力、系統(tǒng)規(guī)劃和設(shè)計專長。

雖然ChatGPT不能完全獨立完成所有任務(wù)，但在調(diào)試代碼和識別功能等方面，它已能夠為人類程序員提供支持。因此，作者選擇了網(wǎng)頁開發(fā)OLM作為分析的另一個重點。

最后，作者選擇了建筑設(shè)計OLM作為對照組，因為已有研究表明這是ChatGPT影響最小的行業(yè)之一。

將ChatGPT集成到像3D Max等建筑設(shè)計軟件，仍處于概念階段，AI還不能獨立實施實際項目。因此，建筑設(shè)計OLM中的自由職業(yè)者可以作為一個良好的對照組。

此外，作者通過利用Felten等提出的AI職業(yè)暴露指數(shù)（AIOE）和谷歌搜索量指數(shù)（SVI），評估了ChatGPT對這三個市場的影響程度。

首先，作者將三個市場與AIOE指數(shù)進行映射，將每個市場與AIOE數(shù)據(jù)庫中最相關(guān)的職業(yè)關(guān)聯(lián)起來，并計算出平均AIOE指數(shù)，如圖1所示。

其次，作者通過共同搜索ChatGPT和特定市場名稱，獲得了Google的搜索量指數(shù)（search volume index，SVI），并繪制了圖2中的每周時間趨勢。

結(jié)果表明，建筑設(shè)計OLM受到ChatGPT影響較小，而網(wǎng)頁開發(fā)OLM和翻譯與本地化OLM受到了更顯著的影響，這支持了作者選擇受影響市場和對照市場進行進一步分析。

數(shù)據(jù)與變量

作者通過定位平臺提供的相關(guān)「專業(yè)」分類，識別了上述三種在線勞動力市場中的工人。

由于平臺的數(shù)據(jù)檢索限制，作者獲得了來自建筑設(shè)計OLM的6743名工作者、翻譯與本地化OLM的7582名工作者和網(wǎng)頁開發(fā)OLM的1.5萬名工作者的個人資料和工作歷史。

隨后，剔除了在2022年11月1日之前未接受任何工作的非活躍工作者，并按月將數(shù)據(jù)聚合到個人層面。

在文中，作者將與主要勞動市場相關(guān)的工作定義為「核心工作」，而將其他工作定義為「非核心工作」。通過關(guān)鍵詞搜索，作者確定了自由職業(yè)者的核心工作。隨后，基于工作者在給定月份接受的核心工作來構(gòu)建度量，而非基于已完成的工作。

為了考慮ChatGPT發(fā)布前的潛在影響和假期效應(yīng)，作者排除了2022年11月和12月的數(shù)據(jù)。因此，研究的時間框架涵蓋了沖擊發(fā)生前的六個月和沖擊發(fā)生后的十個月，時間跨度為2022年5月1日至2023年10月31日。

表1提供了主要分析中關(guān)鍵變量的定義和描述性統(tǒng)計數(shù)據(jù)。

職場「雙城記」

識別策略

為了考察AI對自由職業(yè)者的影響，作者使用了以下固定效應(yīng)雙重差分法（DiD）模型進行識別。

為了確保被處理組和控制組的工人可比，作者還使用了傾向得分匹配（PSM）方法，通過考慮工作者的經(jīng)驗、接受的核心工作總數(shù)、工資（即核心工作的平均價格和小時費率）以及工作質(zhì)量（即核心工作的平均評分）來改善樣本平衡。

所有這些變量只考慮了ChatGPT發(fā)布前的工作記錄。

作者采用了1:1最近鄰匹配策略，并排除了落在公共支持公共區(qū)域之外的觀察值。

翻譯與本地化在線市場

第一次分析考察了ChatGPT對翻譯人員的影響，并將建筑設(shè)計OLM的工人作為控制組。

總體而言，論文發(fā)現(xiàn)，與建筑設(shè)計OLM相比，ChatGPT對翻譯與本地化OLM產(chǎn)生了顯著的替代效應(yīng)。

在ChatGPT發(fā)布后，工作者們接受的核心工作數(shù)量的絕對數(shù)顯著下降了9.0%，在相對意義上接受的核心工作數(shù)量也有所減少；從核心工作中獲得的收入也減少了29.7%。

這些結(jié)果表明，ChatGPT具備了足夠的語言理解能力，能夠處理翻譯任務(wù)，從而對該領(lǐng)域的從業(yè)者產(chǎn)生了替代效應(yīng)。

網(wǎng)頁開發(fā)在線市場

作者的第二次分析考察了ChatGPT對網(wǎng)頁開發(fā)人員的影響，同樣將建筑設(shè)計OLM的工作者作為控制組。

與建筑設(shè)計OLM相比，ChatGPT發(fā)布后，網(wǎng)頁開發(fā)人員的交易量平均顯著增加了6.4%。在相對交易量方面也存在類似情況。

此外，ChatGPT的發(fā)布顯著提高了網(wǎng)頁開發(fā)人員的月收入，增加了66.5%。

這些結(jié)果表明，ChatGPT不太可能自動化網(wǎng)頁開發(fā)的過程，而是作為助手來提高了網(wǎng)頁開發(fā)人員的生產(chǎn)力。

可能是因為網(wǎng)頁開發(fā)工作需要多方面的知識和精心的規(guī)劃，而ChatGPT從互聯(lián)網(wǎng)文本中學(xué)習(xí)，難以成為合格的網(wǎng)頁開發(fā)人員，從而對網(wǎng)頁開發(fā)人員產(chǎn)生了生產(chǎn)力效應(yīng)。

拐點猜想

AI與職業(yè)的局部轉(zhuǎn)折點

為了探討為什么AI的進步對不同職業(yè)市場中的工人產(chǎn)生不同的影響，作者構(gòu)建了一個微觀模型來分析AI在作者實證背景中的作用。

考慮一個Cournot競爭模型，其中有n個工人，每個工人都以相同的邊際成本提供相同的服務(wù)。

這個模型包含三個基本概念。

首先，職業(yè)代表市場中的一種工作類別，在本研究的背景下通常被稱為OLM（職業(yè)勞動市場）。其次，工作是發(fā)布在自由職業(yè)平臺上的具體項目或任務(wù)。最后，任務(wù)是成功完成工作所需的最小認知單元。該模型基于由多個任務(wù)組成的工作。

假設(shè)邊際成本為(1?a)c，其中c>0，a∈[0, 1]。作者將a解釋為在提供服務(wù)過程中，AI能夠成功完成任務(wù)的百分比。因此，c表示工人在沒有使用任何AI幫助的情況下的邊際成本。

服務(wù)的市場需求由以下公式確定：

其中p為價格，qi為工人i提供的服務(wù)數(shù)量，S(a)表示市場潛力。S(a)隨著a的增加而遞減。

對于那些AI技術(shù)更為熟練的潛在雇主，AI可以更可靠且更能勝任他們發(fā)布的主要工作，這使得他們更傾向于用AI替代人工勞動。

隨著AI的改進，即a的增加，更多潛在的雇主會進入這一類別，從而減少市場潛力。此外，S(a)可能是凹函數(shù)的，因為技術(shù)的采用通常隨著技術(shù)的成熟而加速。

有幾種可能的機制。

首先，隨著AI表現(xiàn)的提高，更多的雇主將使用它，這會產(chǎn)生更多的口碑推薦，從而促進更多的采用。

其次，由于更多雇主使用AI，會產(chǎn)生積極的外部效應(yīng)，因為AI的使用傳播了專業(yè)知識和最佳實踐。

第三，創(chuàng)新型企業(yè)將開發(fā)專門的軟件來幫助特定職業(yè)使用AI，因為隨著AI變得越來越強大，它能夠幫助完成這一類工作。作者對技術(shù)假設(shè)進行了約束：|S′(0)|<c和|S'(1)|>c，以避免出現(xiàn)不相關(guān)的情況。

工人的目標是獲取最大利潤：

最后的Nash均衡（Nash equilibrium）狀態(tài)下的價格、利潤和收入為

附加一些對S(a)函數(shù)的技術(shù)性假設(shè)，最后作者的得到了「拐點猜想」：

簡而言之，在AI的能力比較低時，a小于「拐點」，相關(guān)崗位數(shù)量和利潤會隨著AI能力的增加而增加；但當(dāng)AI的能力足夠大時，a大于「拐點」，AI能力越強，相關(guān)崗位的數(shù)量、收益、利潤越少，被AI消滅的崗位數(shù)量越多。而且一旦超越拐點，替代效應(yīng)將無法逆轉(zhuǎn)。

其他崗位分析

利用其他市場的交易數(shù)據(jù)，論文研究了AI在不同職業(yè)勞動市場（OLM）中的異質(zhì)性影響。

在主分析中包含的職位類別之外，作者為每個額外的類別選擇了一個特定的職業(yè)勞動市場，并采用與主分析相同的方法進行研究。

不同模型的結(jié)果（見表6）揭示了AI的兩種不同效應(yīng)，表明不同職業(yè)有不同的拐點。

此外，作者進一步考慮了2023年3月14日發(fā)布的ChatGPT 4.0作為AI的第二次升級，并估算了ChatGPT 3.5和4.0對上述十一種職業(yè)勞動市場（OLM）的影響。

以下是用于估算的固定效應(yīng)雙差分（DiD）模型。

根據(jù)「拐點猜想」，只有三種可能的結(jié)果：

1）持續(xù)保持生產(chǎn)力效應(yīng)：AI在兩次升級后仍低于拐點。

2）從生產(chǎn)力效應(yīng)轉(zhuǎn)變?yōu)槿〈?yīng)：AI在第一次升級后沒有達到拐點，但在第二次升級后超過了拐點。

3）持續(xù)保持取代效應(yīng)：AI在第一次升級后超過拐點，并在第二次升級后繼續(xù)超過拐點。

表7中呈現(xiàn)的結(jié)果證實了這三種結(jié)果同時存在，而且沒有任何市場經(jīng)歷能從取代效應(yīng)轉(zhuǎn)變?yōu)樯a(chǎn)力效應(yīng)。

這一發(fā)現(xiàn)表明，一旦AI越過了某項工作的拐點，隨著進一步升級，AI不可能恢復(fù)到拐點以下。

具體結(jié)論與建議

與寫作相關(guān)的OLM（例如，專業(yè)與商業(yè)寫作）特別容易受到取代效應(yīng)的影響。

與咨詢相關(guān)的OLM（例如，國際法與移民法）通常為客戶提供專門的建議以支持其決策，隨著ChatGPT能力和知識庫的擴展，這些領(lǐng)域可能越來越面臨取代效應(yīng)。

與編程相關(guān)的OLM（例如，網(wǎng)頁開發(fā)），在這些領(lǐng)域，ChatGPT表現(xiàn)良好，目前正經(jīng)歷生產(chǎn)力的提升。然而，ChatGPT有可能取代程序員，并最終導(dǎo)致未來的取代效應(yīng)。

相比之下，與運營相關(guān)的OLM（例如，項目管理）和創(chuàng)意相關(guān)的OLM（例如，攝影）需要大量的人際互動、專門知識或創(chuàng)造性思維，而ChatGPT在這些方面的能力較弱。因此，這些市場可能會繼續(xù)經(jīng)歷顯著的生產(chǎn)力提升。

與以往在宏觀層面進行AI與勞動關(guān)系的研究相比，新模型是在微觀層面上進行的，結(jié)合了大語言模型的內(nèi)在特性和工作特征。這些發(fā)現(xiàn)對未來工作具有重要的實踐意義。

從工作者的角度來看，這項研究突出了AI的雙重作用。一方面觀察到某些市場的衰退，促使個人重新考慮職業(yè)道路。與此同時，鼓勵從業(yè)者與AI合作，提升生產(chǎn)力，并在繁榮的市場中抓住機會。

平臺方面，也建議進行戰(zhàn)略性資源重新配置，如創(chuàng)建基于AI的新型工作市場。在快速發(fā)展的數(shù)字經(jīng)濟中，這些調(diào)整將有助于平臺保持競爭優(yōu)勢。

作者簡介

夏威夷系統(tǒng)科學(xué)年會，全稱Hawaii International Conference on System Sciences，簡稱HICSS，是信息系統(tǒng)技術(shù)領(lǐng)域歷史最悠久的科學(xué)會議。

自1968年以來，它吸引了世界各地來自學(xué)術(shù)界、工業(yè)界和政府機構(gòu)的高水平學(xué)者和專業(yè)人士，來展示他們的前沿研究。過去的五十年中，在HICSS上發(fā)表的研究論文有效促進了全球范圍內(nèi)信息系統(tǒng)和技術(shù)的創(chuàng)新和發(fā)展。

Dandan Qiao，2018.07-至今任新加坡國立大學(xué)信息與分析系統(tǒng)助理教授。

她在2018年獲得清華大學(xué)信息系統(tǒng)博士學(xué)位，本科畢業(yè)于北京郵電大學(xué)信息系統(tǒng)專業(yè)，曾在2015.08-2017.09期間前往德克薩斯大學(xué)奧斯汀分校進行訪學(xué)。

Huaxia Rui，目前任羅切斯特大學(xué)西蒙商學(xué)院施樂計算機與信息系統(tǒng)講座教授。

從2000-2007年，他在清華大學(xué)攻讀控制理論與工程學(xué)士和碩士學(xué)位，之后前往德克薩斯大學(xué)奧斯汀分校攻讀經(jīng)濟學(xué)系碩士和麥考姆斯商學(xué)院博士。

博士畢業(yè)后，入職羅切斯特大學(xué)西蒙商學(xué)院，先后任助理教授、終身副教授、教授。

Qian Xiong，目前是清華大學(xué)與新加坡國立大學(xué)聯(lián)合培養(yǎng)博士生。2020年，于武漢大學(xué)獲得土木工程工學(xué)學(xué)士學(xué)位。