人類學元分析：工人再培訓帶來的回報有限，可能不足以應對大規模人工智慧取代

人工智慧研究公司 人類的 已經發表了全面的 report 這顯示工人再培訓計畫雖然在統計上具有顯著意義，但經濟效益卻不大。這項發現對於尋求減輕人工智慧驅動的勞動力市場潛在衝擊的政策制定者來說具有相當大的分量。

這份報告由獨立研究員大衛·魯德曼 (David Roodman) 和 Anthropic 公司的馬克西姆·馬森科夫 (Maxim Massenkoff) 共同撰寫，提出了一種全新的人工智慧加速薈萃分析方法。在該方法中，Anthropic 公司的 Claude 模型提取了大部分基礎資料並編寫了所有分析程式碼。該分析基於自 20 世紀 70 年代以來在美國開展的 56 項隨機對照試驗，並結合了來自歐洲的實驗證據，對政府和非營利組織的培訓計劃進行了迄今為止最系統的評估之一。

平均而言，這些項目會產生正面但有限的效果。每提供一個培訓名額，就業率大約提高兩到三個百分點，年收入大約增加1,000美元，而平均每位參與者的成本約為13,000美元。從財政角度來看，政府可以透過增加稅收和減少公共福利支出來收回一半以上的支出，這意味著這些幹預措施總體上大致收支平衡。 

該報告將這些發現置於人類學研究所更廣泛的經濟研究議程中，該議程旨在追蹤人工智慧在各職業和產業的普及情況。儘管在公眾和專家調查中，再培訓仍然是應對技術性失業最受歡迎的政策措施，但作者提醒，歷史經驗表明，如果高級自動化大規模取代工人，當前的計劃架構可能不足以應對。

行業專案與複製挑戰

少數「產業項目」打破了平均水準的低迷，成為顯著的例外。這些計畫與高需求產業的雇主密切合作，篩選求職者，設計針對特定職業的課程，並將畢業生直接安排就業。諸如Year Up和Per Scholas之類的項目，使參與者的收入比平均水平高出數倍，有效地發揮了勞動力市場中介的作用，將那些被忽視的人才與願意建立人才儲備的雇主進行匹配。 

然而，報告強調，這些成功經驗難以複製。領先模式的高度複製往往在新地點失敗，這表明有效性取決於脆弱的、特定於環境的因素，包括深厚的本地關係、篩選率極高的招生流程（淘汰超過80%的申請者）以及多年積累的組織成熟度。

鑑於大多數研究計畫的目標人口是低收入或就業不穩定的群體，而非可能需要多年技能再培訓的中年白領，作者得出結論：現有的再培訓基礎設施與人工智慧大規模取代現有職位的情景並不匹配。他們的核心建議是，在任何危機發生之前，立即投資於最有前景的模式的示範、評估和推廣。 

具體而言，他們提議迅速擴大一項領先的行業計劃，以改善水井狀況。defi研究人員對一批工人進行了研究，同時嚴格衡量了就業和收入結果。 Anthropic 的經濟未來研究基金旨在支持此類研究，這反映出人們日益達成共識，即了解再培訓的局限性對於迎接快速自動化時代至關重要。