你越強,AI對你的衝擊反而越大?兩份最新研究告訴我們誰受益誰受害

分享至

面對人工智慧衝擊就業市場,不少人開始擔心起自己的工作會被AI取代。應該不少人會告訴你,只要你具有專業領域的頂尖技術,那麼就不用怕被取代了。但……真的是這樣?美國的團隊透過分析研究平臺上的數據發現,在寫作與校對、繪圖產業中,頂尖工作者的工作流失量、報酬量的降低幅度,甚至比其他人還要高。這難道表示,專業技術不再重要了嗎?其實不然。哈佛大學研究團隊發現,當你具有「拆解問題」、「善用AI、與AI分工合作」來解決複雜問題的能力時,在未來將具有更好的競爭力,也不用擔心會被AI取代。

撰文|謝達文

來源:MotionElements

收入減少百分之五,對很多人來說將會有非常大的影響。如果以月薪四萬元計算,百分之五就是兩千元,可能是一些人一整個禮拜的餐費。

三名美國學者研究全球最大的線上外包工作平臺,發現在ChatGPT推出之後,寫作與校對相關工作者的酬勞應聲下跌,跌幅就超過百分之五,而且相關職缺也同步減少(Hui et al.,2023;也可參考Burn-Murdoch,2023)。同樣地,在DALL-E 2和Midjourney這兩大圖像生成AI工具上線之後,接案工作的繪師不但案量變少,而且酬勞也明顯降低。

但是,這可能還不是他們最驚人、最恐怖的發現。

 

當高技能的工作者失去優勢

在思考「誰會被科技取代」的時候,我們經常有一個想像:如果新科技會淘汰一些工作者,那總該是從最弱的人開始淘汰起吧?換句話說,如果我是這個領域的佼佼者,應該是最後被衝擊到的人吧?事實上,我們甚至可能會以為,高技能的工作者更有機會可以利用新科技,反而讓自己的效能更高,更不容易被取代才對。

但這三位學者研究最新的實際資料,發現事情並非如此。在他們研究的平臺Upwork上,表現好的接案工作者會獲得系統給予的「優良標章」;此外,平臺也會讓雇主回報工作結果是否達標,因此可以算出每一位接案工作者的「成功率」。最後,從接案工作者的開價高低,我們也能推知不同工作者在市場競爭中的定位有多高級。

這篇研究藉由這三項指標發現,在寫作與校對產業中,頂尖的工作者「案量流失」跟「酬勞減少」的幅度,不比其他人來得低;而在繪圖領域中,證據甚至讓我們有足夠的信心,可以說頂尖工作者所受到的衝擊反而更大:過去酬勞較高的那群人,在DALL-E 2和Midjourney出現之後,案量減少百分之七,酬勞甚至減少百分之十四,與其他人的減少比例達到統計上的顯著差異──面對生成式AI的潮流,高技能並不保證能夠置身事外。

為何如此?三位作者在這篇研究中沒有提出很詳細的解釋或猜想,但他們提到一個關鍵詞──技能偏向的科技改變(skill-biased technological change,常簡稱為SBTC)。這是勞動經濟學和社會學中的經典概念,簡化來說是這個意思:科技進步會影響工人的生產力,但每位工人進步的幅度可能不一樣;同時,科技進步也會影響雇主對不同工人的需求,但對不同種工人的影響也會不一樣。

傳統上,科技進步通常是讓「高技能」的工人生產力提高更多,而且變得更為搶手。以電腦科技為例:電腦科技越進步,本來就越懂得用電腦的工人,就越能用電腦做到更多事,而老闆們也就更需要會用電腦的人;反過來說,不會電腦的工人能做到的事就越少、越不值錢。換言之,科技進步通常是讓高技能的人賺到更多錢,低技能的人賺更少、甚至失業──事實上,對於美國在1980年代薪資差距為何擴大,這就是經濟學界的主流解釋之一。

就這點而言,AI可能跟這些科技很不一樣:生成式AI本身就可以產出品質很不錯的成品,而且使用的門檻很低,這點反而弭平了高低技能工人之間的差異,業主反而不需要發案給高技能、高收費的自由工作者──要這麼貴?那我不如給AI做就好了!

 

在AI幫助下,低技能者追平高技能者

而另一份最新研究 (Dell'Acqua et al., 2023) 既能補充這個現象,讓我們更瞭解背後的成因,也能幫助我們找到不那麼悲觀的理由,看到在AI時代專業技能將扮演的角色。

這群研究者同樣發現,生成式AI對低技能的工作者幫助反而比較大,所以對高技能的人不利,會消弭高技能者的優勢。團隊在一間大型顧問公司展開實驗,發現AI可以提升所有人的報告寫作品質,但提升的幅度不同:根據外部評分的結果,「低技能組」使用AI後效率大幅提升,工作品質平均分數增加43%,但「高技能組」卻只增加17%。同樣重要的是,在沒有辦法使用ChatGPT時,高低技能組表現差異很大,但可以使用ChatGPT之後,低技能組的表現卻幾乎快要追平高技能組。

回到先前「技能偏向的科技改變」的討論,這意味著對技能較差的人來說,這項科技對生產力的提升反而更明顯,雇主對低技能者的相對需求反而更可能增加──用白話文來說:花那麼多錢請超強的人來幹嘛?找個一般人、讓他用ChatGPT,不也能做得差不多好?

這是否表示大家都不用精進技術了呢?倒也不是。哈佛的團隊發現,在某一類任務上,高技能還是有優勢的,那就是「真的很難」的任務。在他們的研究中,指的是複雜的分析:要先仔細閱讀文字敘述,再來分析統計數據。

 

面對複雜任務,使用AI的策略有兩種

既有質性又有量化,要理解、要比較又要表達,這些事情就是目前AI也無能為力的事情,這使得低技能的人有AI也沒有用,甚至高技能的人也發現AI幫不太上忙。事實上,面對這種任務,可以使用AI之後,人們產出的品質不升反減,平均而言下降19%。

但研究者發現,還是有一些「很厲害」的人,在面對這種任務時依然能夠善用AI。而且他們發現,這些人使用AI的方式並不完全一樣,可以區分為兩大類:一類人是讓AI產生初稿後自行檢查、修正,發現有問題再來修改「詠唱」方式,讓AI產出更好的答案;另一類人則是與AI分工合作,把一些任務交給AI,另一些任務則不假手AI工具,依然交由自己處理。

更具體來說,第一類聰明人會使用的技巧包含:在指令中要求AI以特定「身分」提供答案;要求AI以特定的方式「編輯」先前提供的答案;把任務「拆分」成幾個小步驟,讓AI分別回答;要求AI「提供更多細節」;要求AI「驗證」某一個結果;直接跟AI說「前一個解答為什麼可能是錯的,請重新考慮」。

至於採取第二類的「分工」策略的聰明人,則比較常請AI專注於這些任務:請AI就一個問題提供一般性的資料,幫助自己快速掌握大方向;詢問AI解決問題的可能方式;在自己產出初稿之後,再請AI協助潤飾。

延伸這樣的發現,我們或許可以這麼說:在AI的時代,技能還是重要的,但技能的意義已經不一樣了。如果是那些靠AI就能夠做得很好的技能,用處就很有限,因為雇主可以乾脆改用AI來做就好,或是用較低的酬勞聘請技能較低的人使用AI產出成果。真正吃香的技能,是面對複雜的任務時,「利用AI把事情做得更好」的技能。具體而言,這可能是「判斷AI給的答案不夠好,找到方法要求AI做更好」,也可能是「辨別哪些任務適合AI,把那些任務分給AI做,剩下的自己處理」──在未來的教育中,這樣的技能才是更值得培養的。

 


參考文獻

  1. Hui, Xiang & Reshef & Luofeng Zhou, 2023, “The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market”.
  2. Burn-Murdoch, John, 2023, “Here’s what we know about generative AI’s impact on white-collar work.”, Financial Times.
  3. Dell'Acqua, Fabrizio, Edward McFowland and Ethan R. Mollick, Hila Lifshitz-Assaf, Katherine Kellogg, Saran Rajendran and Lisa Krayer, François Candelon, and Karim R. Lakhani. 2023. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.” Harvard Business School Technology & Operations Mgt. Unit Working Paper No. 24-013.

 


延伸閱讀:【人物專訪】定義問題、拆解問題,1+AI=∞?——專訪呂欣澤教授

(Visited 1,099 times, 2 visits today)

分享至
views