加载中...
The Impact of Generative Artificial Intelligence on Gig Workers' Wages
本文使用双重差分模型估计生成式人工智能技术创新对零工工资的影响，并探究其作用机制。研究发现：2022年11月30日，ChatGPT-3.5发布后，受冲击较大的高暴露度职业主要集中于认知型零工岗位，其日工资水平显著下降约19.9%，且高收入、线上工作、服务业及非高技术行业岗位受影响更大，这主要源于这些岗位任务与生成式人工智能的技术适配性较高。机制分析表明，工资下降主要由岗位需求减少和城市层面职业结构调整驱动，而劳动力供给端的影响有限。
Abstract
This study employs the DID model to explore the impact of generative artificial intelligence technological innovation on gig workers' wages. After the release of ChatGPT-3.5 on November 30, 2022, the highly exposed occupations severely affected are concentrated in cognitive gig positions. The daily wage of these positions has significantly decreased by 19.9%. Furthermore, positions with high incomes, online-based work, those in the service industry, and non-high-tech sectors have experienced more pronounced impacts. Mechanism analysis indicates that the decline in wages is mainly driven by a reduction in job demand and the adjustment of occupational structures at the city level.
生成式人工智能显著降低认知型零工工资约19.9%
以ChatGPT-3.5发布为外生冲击，利用双重差分模型估计，高暴露度职业的日工资平均下降39.545元，约占工资均值的19.9%，在1%水平上显著，经济意义显著。
工资下降存在滞后性并呈持续扩大趋势
事件研究法显示，冲击后第0期及第1期动态效应不显著，自冲击后第2期起持续显著为负，且系数绝对值逐步递增，表明影响具有结构性调整趋势，而非短期扰动。
高收入、线上、服务业及非高技术岗位受影响更大
异质性分析表明，高收入岗位因技能溢价被削弱而工资降幅更大；线上岗位因技术整合迅速而降幅更大；服务业因任务与生成式人工智能契合度高而降幅大于制造业；非高技术行业因任务易被替代而降幅大于高技术行业。
工资下降主要由需求端收缩驱动
机制分析显示，生成式人工智能显著减少了认知型零工岗位的招聘数量，并降低了此类岗位在城市层面的职业结构占比，而企业层面的职业占比变化不显著。劳动力供给端求职人数未显著变化，控制供给后工资效应仍显著。
排除其他生成式人工智能技术与疫情干扰后结果稳健
通过加入后续技术（ChatGPT-4、文心一言）发布时点的交乘项、剔除2023年3月后样本、控制疫情强度及三重差分模型等方法，核心结论均保持稳健，证实ChatGPT-3.5的负向影响是可靠的。
核心解释变量
核心解释变量：交互项 Treat×Post，其中 Treat 表示职业是否为高生成式人工智能暴露度职业（GA I暴露度≥0.5），Post 表示时间是否在2022年12月及以后
被解释变量
被解释变量：零工招聘工资（元/日）
样本与数据
样本为2022年7月至2023年6月中国大型招聘平台58同城发布的约515万条兼职招聘信息，覆盖中国大多数城市，并与天眼查企业数据、国家统计局地区数据及部分省市人社局求职人数数据匹配
识别方法 / 模型设定
识别方法：以2022年11月30日ChatGPT-3.5发布作为外生技术冲击，构建双重差分模型，处理组为高生成式人工智能暴露度职业，对照组为低暴露度职业，控制职业、月份、城市固定效应及地区和企业层面控制变量，标准误聚类到职业层面
内生性及稳健性检验
稳健性检验：①调整GA I暴露度赋分方式；②更改处理组构造方式；③替换被解释变量；④更换机器学习算法；⑤工资前置一期；⑥更换标准误聚类层级；⑦加入高维固定效应；⑧排除其他生成式人工智能技术干扰；⑨控制新冠疫情冲击