Antropisk metaanalyse: Omskoling af arbejdstagere giver beskedne afkast, sandsynligvis utilstrækkeligt til massefordrivelse med kunstig intelligens
Kort sagt
Antropisk rapport: Omskoling af arbejdstagere giver beskedne gevinster, sandsynligvis utilstrækkelige til AI-forskydning; sektorprogrammer klarer sig bedre, men modstår replikering.
AI-forskningsvirksomhed Antropisk har udgivet en omfattende indberette hvilket indikerer, at omskolingsprogrammer for arbejdstagere giver statistisk signifikante, men beskedne økonomiske fordele, resultater der har betydelig vægt, i takt med at politikere søger at afbøde potentielle AI-drevne forstyrrelser på arbejdsmarkedet.
Rapporten, der er skrevet i samarbejde med den uafhængige forsker David Roodman og Anthropics Maxim Massenkoff, præsenterer en ny AI-accelereret metaanalyse, hvor virksomhedens Claude-model udtrak størstedelen af de underliggende data og skrev al analytisk kode. Analysen trækker på 56 randomiserede kontrollerede forsøg, der er udført i USA siden 1970'erne, sammen med eksperimentelle beviser fra Europa, og tilbyder en af de mest systematiske vurderinger til dato af offentlige og nonprofitorganisationers uddannelsesinitiativer.
I gennemsnit har programmerne positive, men begrænsede effekter. For hver person, der tilbydes en uddannelsesplads, stiger beskæftigelsen med cirka to til tre procentpoint, og den årlige indtjening stiger med cirka 1,000 USD, målt i forhold til en gennemsnitlig omkostning pr. deltager på omkring 13,000 USD. Fra et finanspolitisk perspektiv får regeringerne mere end halvdelen af disse udgifter dækket gennem yderligere skatteindtægter og reducerede offentlige ydelser, hvilket betyder, at interventionerne stort set går i nul samlet set.
Rapporten placerer disse resultater inden for Anthropics bredere økonomiske forskningsdagsorden, som sporer spredningen af AI på tværs af erhverv og brancher. Selvom omskoling fortsat er den mest populære politiske reaktion på teknologisk arbejdsløshed i offentlige og ekspertundersøgelser, advarer forfatterne om, at historiske resultater tyder på, at nuværende programarkitekturer sandsynligvis vil vise sig utilstrækkelige, hvis avanceret automatisering fortrænger arbejdstagere i betydelig grad.
Sektorprogrammer og replikeringsudfordringen
En bemærkelsesværdig undtagelse fra de beskedne gennemsnit kommer fra en lille klynge af "sektorprogrammer" - initiativer, der samarbejder intensivt med arbejdsgivere i efterspurgte brancher for at screene ansøgere, designe erhvervsspecifikke læseplaner og placere kandidater direkte i job. Programmer som Year Up og Per Scholas har øget deltagernes indtjening med flere multipla af gennemsnittet og fungerer effektivt som arbejdsmarkedsformidlere, der matcher oversete talenter med arbejdsgivere, der er villige til at forpligte sig til ansættelsespipelines.
Rapporten understreger dog, at disse succeser har vist sig vanskelige at gentage. Højtydende kopier af førende modeller har ofte fejlet på nye steder, hvilket tyder på, at effektiviteten afhænger af skrøbelige, kontekstspecifikke faktorer, herunder dybe lokale relationer, meget selektive optagelsesprocesser, der filtrerer mere end 80 procent af ansøgerne fra, og organisatorisk modenhed, der er udviklet over år.
I betragtning af at de fleste undersøgte programmer var målrettet lavindkomstpersoner eller personer med begrænset beskæftigelse snarere end funktionærer midt i karrieren, der muligvis har brug for flere års omskoling, konkluderer forfatterne, at den eksisterende omskolingsinfrastruktur er dårligt tilpasset et scenarie med udbredt AI-forskydning. Deres centrale anbefaling er at investere øjeblikkeligt i at demonstrere, evaluere og skalere de mest lovende modeller, før en krise opstår.
Specifikt foreslår de en hurtig udvidelse af et førende sektorprogram for et velfungerendedefined kohorte af arbejdere, samtidig med at resultaterne af beskæftigelse og indtjening måles grundigt. Anthropics Economic Futures Research Fund er positioneret til at støtte sådanne undersøgelser, hvilket afspejler en voksende konsensus om, at forståelse af begrænsningerne ved omskoling er afgørende for at forberede sig på en æra med hurtig automatisering.
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Alisa, en dedikeret journalist ved MPost, specialiserer sig i krypto, AI, investeringer og det omfattende område af Web3. Med et skarpt øje for nye trends og teknologier leverer hun omfattende dækning for at informere og engagere læserne i det stadigt udviklende landskab af digital finans.
Flere artikler
Alisa, en dedikeret journalist ved MPost, specialiserer sig i krypto, AI, investeringer og det omfattende område af Web3. Med et skarpt øje for nye trends og teknologier leverer hun omfattende dækning for at informere og engagere læserne i det stadigt udviklende landskab af digital finans.
