Generative AI and Jobs: A global analysis of potential effects on job quantity and quality
1.1. ISCO data on occupations and tasks 11
1.2. Prompt design and sequence 12
3.1. Automation vs augmentation: distribution of scores across tasks and occupations 24
4.1. Augmentation vs Automation: ILO microdata 30
4.2. Augmentation vs Automation: global estimate 32
4.3. The big unknown 36
5.1 Mitigating the negative effects of automation 38
5.2 Ensuring job quality under augmentation 39
5.3 Addressing the digital divide 40
Appendix 1. Countries with missing ISCO-08 4-digit data: estimation procedure 45
References 47
Acknowledgements and use of GPT 51
Figure 1. Mean automation scores by occupation, based on ISCO and GPT tasks 21
Figure 2. Tasks with medium and high GPT-exposure, by occupational category (ISCO 1-digit) 24
Figure 3. Box plot of task-level scores by ISCO 4d, grouped by ISCO 1d 25
Figure 4. Augmentation vs automation potential at occupational level 27
Figure 5. Occupations with high automation potential 28
Figure 6. Occupations with high augmentation potential 29
Figure 7a. Automation vs augmentation potential: shares of total employment, microdata for 59 countries 30
Figure 7b. Automation vs augmentation potential: shares of total employment in each sex (ILO microdata) 31
Figure 8. Country coverage based on the level of digits in ISCO-08 (ILO data) 33
Figure 9a. Global estimates: jobs with augmentation and automation potential as share of total employment 34
Figure 9b. Automation vs augmentation potential: shares of total employment for each sex (global estimate) 35
Figure 10. Occupations with high automation potential, by ISCO 4-digit and income group 36
Figure 11a. The “Big Unknown”: occupations between augmentation and automation potential 37
Figure 11b. The “Big Unknown”: share of total employment, by income group (global estimate) 37
Figure 11. Share of population not using the internet 41
Figure 12. A classic growth path: income and occupational diversification 42
生成式人工智能和就业:对就业数量和质量的潜在影响的全球分析
1.1. ISCO 职业和任务数据 11
1.2. 提示设计和顺序 12
3.1. 自动化与增强:跨任务和职业的分数分布 24
4.1. 增强与自动化:ILO 微观数据 30
4.2. 增强与自动化:全球估计 32
4.3. 最大的未知数 36
5.1 减轻自动化的负面影响 38
5.2 确保增强下的工作质量 39
5.3 解决数字鸿沟 40
图 1. 基于 ISCO 和 GPT 任务的职业平均自动化得分 21
图 2. 按职业类别划分的具有中度和高度 GPT 暴露的任务(ISCO 1 位数字)24
图 3. ISCO 4d 任务级别得分的箱线图,按 ISCO 1d 25 分组
图 4. 职业层面的增强与自动化潜力 27
图 5. 自动化潜力较高的职业 28
图 6. 具有高增强潜力的职业 29
图 7a。 自动化与增强潜力:总就业份额,59 个国家的微观数据 30
图 7b。 自动化与增强潜力:各性别占总就业人数的比例(国际劳工组织微观数据)31
图 8. 基于 ISCO-08 中数字级别的国家覆盖范围(国际劳工组织数据)33
图 9a。 全球估计:具有增强和自动化潜力的工作占总就业人数的比例 34
图 9b。 自动化与增强潜力:每种性别占总就业人数的比例(全球估计)35
图 10. 具有高自动化潜力的职业,按 ISCO 4 位数和收入组 36 划分
图 11a。 “大未知”:介于增强和自动化潜力之间的职业 37
图 11b。 “大未知数”:按收入群体划分的总就业份额(全球估计)37
图 11. 不使用互联网的人口比例 41
图 12. 经典增长路径:收入和职业多元化 42
每年为数千个企事业和个人提供专业化服务;量身定制你需要的人力资源的资料和报告
相信我们!企业客户遍及全球,提供政府部门、生产制造企业、物流企业、快消品行业专业化咨询服务;个人客户可以提供各类经济管理资料、商业计划、PPT、MBA/EMBA论文指导等。
点此填写您的需求可以QQ联系我们:896161733;也可以电话:18121118831