Бывший сотрудник ФРС с десятилетним стажем сравнил динамику рынка труда с циклом повышения ставок, начатым FOMC в марте 2022 года. По его словам, вакансии в профессиях, наиболее подверженных влиянию ИИ, достигли пика тогда же и начали падать — за восемь месяцев до появления ChatGPT.
Я поднимаю этот вопрос, потому что существует широко распространенное убеждение и паника, что ИИ разрушает работу белых воротничков начального уровня, и дипломы колледжа больше не стоят этого. Некоторые ссылаются на работу Стэнфордской лаборатории цифровой экономики, которая сообщает, что работники в возрасте от 22 до 25 лет в наиболее подверженных воздействию ИИ профессиях отстают примерно на 19 процентов от сверстников в менее подверженных воздействию областях, разрыв, который увеличился за последний год.
Что говорят данные о вакансиях и ставках?
Давайте рассмотрим доказательства и сроки. Занна Искенко и Фабьен Курто Милле, проанализировав 238 миллионов вакансий, связали снижение вакансий с циклом ужесточения и отметили, что профессии, подверженные воздействию ИИ, имеют тенденцию к кластеризации в информационных, финансовых и профессиональных услугах, секторах, особенно чувствительных к процентным ставкам. Институт экономической политики добавляет, что молодые работники без высшего образования, чьи профессии имеют отрицательный балл по воздействию ИИ, также наблюдали аналогичный рост уровня безработицы за тот же период. Если ИИ является виновником этого снижения занятости, то почему страдают и незащищенные работники?
Справедливости ради исследователи из Стэнфорда говорят о том, чего не скажут обычные СМИ: это «описательные модели, а не каузальные оценки», и они «не видят широкого перемещения рабочих мест по всей экономике, связанного с ИИ». Они также соответствующим образом отодвинули мою историю денежно-кредитной политики, указав, что наиболее уязвимые рабочие места не являются, в целом, наиболее чувствительными к ставкам, и что разрыв в занятости для молодых работников в открытых профессиях продолжает расширяться, даже когда ставки снизились.
Правда в том, что еще слишком рано точно знать, что произойдет с рынком труда, поскольку ИИ по-прежнему используется в нашей экономике, потому что невозможно отделить влияние перекрывающихся шоков в режиме реального времени. Тем не менее, компании и другие организации должны принимать дорогостоящие решения о найме, образовании и регулировании, как будто они уже знают ответ на этот вопрос.
Почему фирмы меньше нанимают новичков?
Таким образом, по мере того, как организации борются с последствиями ИИ для рабочей силы и общего рынка труда, одно стало очень ясным в данных. Фирмы не увольняют своих младших сотрудников; они нанимают их меньше, и это снижение концентрации найма там, где ИИ автоматизирует работу, а не там, где он ее дополняет. И этот факт может быть одним из ответов на опровержение Стэнфордской командой моего тезиса о денежно-кредитной политике.
Подумайте, почему фирмы не увольняют своих младших сотрудников, и спросите, что они получали все эти годы, когда нанимали этих младших сотрудников? Они явно не нанимали их для своей производительности. Документ помощника первого года был проверен партнером и часто должен был быть переделан, и история пациента, которую врач-резидент удалил в 2 часа ночи, часто должна была быть переснята лечащим врачом. При любом честном учете работы это было непродуктивно. Но фирмы и организации купили его в любом случае, потому что именно так вы превращаете младшего сотрудника в старшего партнера. Результатом процесса был побочный продукт, и формирование этого сотрудника было смыслом процесса, и то, что они произвели, помогло компенсировать затраты.
В картину приходит ИИ, который теперь может выполнять работу младшего аналитика, поэтому фирмы меньше инвестируют в этих наемных работников, и трубопровод, который превращает младших в старших. Мэтт Бин наблюдал за этим механизмом в операционных за годы до ChatGPT, поскольку хирургические роботы тихо стоили жителям того времени, которое сделали их хирургами. Работодатели по-прежнему хотят опытных людей, но многие просто перестали финансировать процесс, который производит опыт.
Что делать работодателям с наймом младших?
Что должны делать работодатели? Прекратите относиться к найму младших сотрудников как к линии затрат, которую автоматизация только что стерла. Это никогда не было операционным расходом; это было неправильно обозначенное капитальное вложение, механизм, с помощью которого фирма производила своих будущих партнеров. В то время как ИИ, возможно, взял часть производственной стоимости, созданной ранее младшим сотрудником, ценность обучения остается, и теперь оно должно финансироваться более преднамеренно, чем предполагалось. Это означает переосмысление предлагаемого обучения, предлагаемых вакансий, а также наставничества и коучинга, которые они получают, и все это в интересах выработки суждения будущих старших специалистов.
Университеты сталкиваются с той же проблемой с другой стороны, и я говорю это как бывший декан и президент университета. Доктор философии — это обучение, финансируемое продуктивной ценностью работы наших учеников, и редакторы Nature предупредили этой весной, что исследователи ранней карьеры теперь сталкиваются с опасностью того, что «задачи, которые имеют решающее значение для их обучения, поскольку ученые выполняются машиной». Доказательства в классе указывают в том же направлении: студенты учатся, когда инструмент ограничен, чтобы усилия не могли быть пропущены, и не учатся, когда он передает ответы. У одного из моих старых боссов, техасца, была отличная поговорка: «Нет трения, нет тяги». Формирование суждения требует трения, решения сложных проблем, неудачи, а затем повторения. Получение правильного ответа не является смыслом. Как говорили наши любимые учителя математики: «Покажи свою работу».
Существует версия этого перехода, в которой ИИ выполняет рутинную работу, и целое поколение никогда не получает повторений и испытывает трения, которые превращают талант в суждение. Ничто в технологии не делает этот результат неизбежным. Это происходит только в том случае, если работодатели продолжают формирование бронирования в качестве стоимости, которую они могут, наконец, сократить, а университеты продолжают сертифицировать работу, проделанную машиной.
Данные о публикациях восстановятся, когда цикл найма повернется; это всегда так. Что не восстановится само по себе, так это старая сделка, в которой производство спокойно платило за образование. Восстановление этой сделки, нарочно и по чьему-то бюджету, является реальным вопросом ИИ перед нами.
Вопросы и ответы
Почему падение вакансий в профессиях, подверженных ИИ, началось до появления ChatGPT?
Бывший сотрудник ФРС связал это с циклом повышения ставок, начатым FOMC в марте 2022 года. По его словам, вакансии в таких профессиях достигли пика тогда же и начали падать за восемь месяцев до появления ChatGPT.
Что говорят исследователи из Стэнфорда о своих выводах?
Стэнфордская лаборатория цифровой экономики сообщает, что работники 22–25 лет в наиболее подверженных ИИ профессиях отстают примерно на 19 процентов от сверстников. Однако сами исследователи называют это описательными моделями, а не каузальными оценками.
Почему фирмы меньше нанимают младших сотрудников, а не увольняют их?
Фирмы не увольняют младших, а нанимают их меньше там, где ИИ автоматизирует работу, а не дополняет её. Раньше найм новичков был инвестицией в будущих старших специалистов, теперь ИИ выполняет часть их работы, и фирмы перестали финансировать этот процесс.
