생성적 AI, 생산성, 노동 시장 및 선택 행동

[힘힘]

생성적 AI, 생산성, 노동 시장 및 선택 행동

리사 D. 쿡 주지사

2023년 가을, 캐나다 토론토에서 열린 전국경제연구국 인공지능 경제학 컨퍼런스에서

• 공유하다

소개
2018년에도 그랬듯이, 세계적인 AI 연구 및 창업 창업의 중심지인 도시에서 열린 미국 국립경제연구소(NBER) 인공지능(AI) 컨퍼런스에서 여러분께 말씀드리게 되어 기쁘게 생각합니다. AI와 AI가 생산성과 노동 시장에 미치는 영향에 대해 논의합니다. 혁신의 경제학을 연구하는 데 수년을 보낸 사람들을 제외하면 AI가 잠시 시간을 보내고 있는 것 같습니다. AI에 대한 흥분과 두려움이 급증하고 있습니다. ChatGPT에 대한 인기에 힘입어 Google에서 'AI'를 검색하는 횟수는 2022년 이후 전 세계적으로 3배나 증가했습니다. 물론 이 그룹은 첫 번째 NBER AI 컨퍼런스가 여기 토론토에서 열렸던 2017년 초에 그것이 일어날 것이라고 보았고 여러분 중 많은 사람들은 그보다 훨씬 일찍 일어날 것이라고 보았습니다.

나는 주로 자연어 프롬프트에 반응하여 새로운 콘텐츠를 생성하는 생성 AI에 초점을 맞추겠습니다. 1이 청중이 알고 있듯이 이미지 및 텍스트 분류(차별적 AI)는 수년 동안 사용되어 왔으며 매우 효과적입니다. 나는 내 연구에서 기업가의 인구통계학적 특성을 식별하는 데 이를 사용했습니다. 2대조적으로, 효과적인 생성 AI는 매우 최근에 개발되었으며 새로운 것으로의 도약처럼 보입니다. 생성적 AI의 적용은 일상적인 메모 작성의 단조로움을 줄이는 것과 같은 평범한 것부터 단백질 구조 예측 및 약물 발견과 같은 놀라운 것까지 다양합니다.

물론 전문가들은 모든 형태의 AI가 기본적으로 예측을 위한 연습이며 기술적으로는 사실임을 강조합니다. 삼그러나 일반인의 눈에는 튜링 테스트를 통과할 만큼 충분히 뛰어난 챗봇이 AI를 사용하여 필기 내용을 읽는 미국 우체국과 크게 다릅니다. 생성 AI의 일부 사용은 불안할 수 있습니다. 예를 들어, 생성 AI가 개인을 사칭하여 평판을 훼손하거나 개인정보를 침해할 수 있다는 우려가 존재하며 증가하고 있습니다. 더욱이 관찰자들은 AI 모델이 훈련 데이터에서 발견된 편견을 증폭하지는 않더라도 때로는 숨겨서 모기지 승인, 보험료, 의료 진단, 심지어 재판 전 구금에 대한 결정에 해로운 영향을 미친다는 점에 주목했습니다. 4그리고 차별은 단순히 형평성 문제가 아닙니다. 제 연구에서 보여주듯이 차별은 경제성장을 방해하기도 합니다. 5

다음 프레젠테이션에서 살펴보겠지만 AI의 잠재적인 사회적 효과의 범위는 넓습니다. 6일반적으로 저는 방금 언급한 실제 우려 사항을 해결한다면 사무실, 실험실, 공장 및 창고에서의 보다 생산적이고 덜 지루한 작업을 포함하여 생성 AI의 사용으로 인해 경제와 사회에 발생하는 광범위한 이점에 대해 낙관하고 있습니다. 그리고 다른 사람들은 그들을 좋아합니다.

AI의 새로운 이점을 육성하고 원치 않는 해악을 방지하는 방법을 고려할 때 혁신에서 더 큰 복지로 향하는 길은 모퉁이 사무실, 정부 등 사회적 맥락에서 개인의 선택을 통해 이루어진다는 점을 명심하는 것이 중요합니다. , 그리고 노동자와 소비자의 마음 속에 그리고 이러한 곳 어디에서나 진보가 정체되거나 가속화될 수 있습니다. 나중에 AI가 생산성과 노동 시장에 영향을 미칠 수 있는 가능성에 대해 몇 가지 생각을 제시한 후 이 지점으로 돌아오겠습니다.

통화 정책 입안자로서 AI에 집중하는 이유는 무엇입니까? 연준의 이중 임무는 고용 극대화와 물가 안정을 촉진하는 것입니다. 기업이 근로자의 생산성을 높이는 기술을 배치하면 안정적인 가격과 일치하는 더 큰 임금 인상을 위한 조건이 조성됩니다. 그리고 경제가 기술 변화에 적응함에 따라 발생하는 노동 시장 조정은 최대 고용에 영향을 미칠 수 있습니다.

AI와 생산성
AI가 경제와 통화 정책에 미치는 영향은 AI가 단순한 앱인지 아니면 더 심오한 앱인지에 따라 달라집니다. 과거에 가장 중요한 혁신은 장기간에 걸쳐 경제를 광범위하게 변화시킨 범용 기술이었습니다. 예를 들어, 우리는 전자 정보 기술에 힘입어 지속적인 변화를 겪고 있으며, 전기화는 20세기 초에도 비슷한 영향을 미쳤습니다. 범용 기술에는 세 가지 주요 특징이 있습니다. (1) 경제 전반에 걸쳐 널리 사용되며, (2) 장기간에 걸쳐 꾸준히 개선되며, (3) 연구 개발(R&D)의 생산성을 높입니다. 7생성 AI가 이러한 기능을 가질 수 있을까요? 나는 각각을 차례로 고려할 것이다.

첫째, 생성 AI가 널리 사용되고 있는가? 가능성을 쉽게 알 수 있고, 널리 활용될 방향으로 나아가고 있는 것 같습니다. 생성적 AI는 의사소통을 보다 효율적으로 만들고 거의 모든 인간 활동과 모든 산업이 의사소통을 포함합니다. 제너레이티브 AI에게 이메일 초안을 작성하고, 회의록을 작성하고, 주제를 조사하게 하면 결과를 검토하고 사실을 확인하고 편집해야 하는 것이 사실입니다. 그럼에도 불구하고 AI의 기여 덕분에 백지 상태에서 시작하는 것보다 시작할 때 목표에 훨씬 더 가까워질 수 있습니다. 경험적 증거는 여전히 불분명하지만, 생성 AI가 컴퓨터 코딩, 고객 서비스, 언어 번역, 로봇 공학을 포함한 다양한 환경에서 생산성을 향상한다는 것을 보여주는 연구 결과가 있습니다. 8

둘째, AI 자체는 시간이 지나면서 꾸준히 개선될 것인가? 돌이켜보면 생성 AI의 핵심인 컴퓨터 언어 모델의 역사는 적어도 1950년대로 거슬러 올라간다. 그러나 최근 몇 년간 LLM(대형 언어 모델)으로 폭발적인 기술 발전이 있었다는 것을 알 수 있다. , 신경망을 사용하는 것이 등장했습니다. 비록 여기 토론토와 다른 곳에서 공동의 노력이 지속적인 혁신을 위한 좋은 징조이기는 하지만, 그러한 폭발적인 발전이 지속될 수 있는지 여부는 공개된 질문입니다. 비유하자면, 1965년 고든 무어(Gordon Moore)가 올바르게 예측한 고체 전자 장치의 지속적인 발전은 멀리서 보면 법칙처럼 보입니다. 그러나 실제로 각각의 새로운 세대의 칩 기술은 겉보기에는 다루기 힘든 문제를 해결하는 수백 명의 과학자와 엔지니어의 공동 노력을 나타냅니다. 9AI 모델 및 구현의 지속적인 개선을 위해서는 모델 아키텍처, 데이터 큐레이션 및 계산의 지속적인 발전이 필수적입니다.

셋째, 생성 AI가 R&D의 생산성을 높이는가? 문헌 검토 및 집필과 관련하여 과학적 과정의 효율성 향상 가능성은 분명합니다. 그러나 AI는 훨씬 더 깊이 들어가 데이터와 이전 연구에서 패턴을 발견하여 연구자에게는 발생하지 않았을 수도 있는 테스트용 가설을 생성할 수 있습니다. 정확히 이 주제에 대한 Ludwig와 Mullainathan의 작업이 곧 발표될 것입니다.

전체적으로 생성 AI는 범용 기술로서 유망해 보입니다. 물론, 오늘 아침 Eloundou, Manning, Mishkin 및 Rock 프레젠테이션을 통해 이 질문에 대해 훨씬 더 깊이 있게 알아볼 것입니다. 그들은 작업을 통해 미국 인력의 80%가 적어도 업무 중 일부가 생성 AI로 변환되는 것을 보게 될 것이라는 사실을 발견했습니다. 해당 논문의 저자는 이러한 변화가 얼마나 빨리 일어날지에 대한 입장을 취하지 않습니다. 나도 마찬가지입니다. 그러나 우리는 역사적으로 혁신에서 생산성까지의 여정이 때로는 길고 고르지 못한 여정이었다는 것을 알고 있습니다. 자주 인용되는 예로는 1890년대 미국에서 처음 사용되었지만 1920년대까지 제조 생산성을 높이지 못한 전기 발전기가 있습니다. 10하지만 지금 상황은 그 예에서 알 수 있는 것보다 조금 더 희망적입니다. 즉, 발명과 채택 사이의 지연이 19세기 이래로 상당히 줄어들었습니다. 11생성 AI의 채택은 확실히 빠른 속도로 일어나고 있습니다. 그럼에도 불구하고, 적절한 보완 투자가 이루어진 경우에만 기술의 완전한 이점을 얻을 수 있습니다. 12여기에는 기업 구조 및 경영 방식의 변화, 근로자 교육, 사용 자본 혼합 조정 등이 포함될 수 있습니다. 마지막 지점에서는 이미 엄청난 양의 정보 기술이 존재하는 세계에 AI가 배포될 것이기 때문에 우리가 먼저 출발할 수 있습니다. 역사적으로 생산성 증가의 상당 부분은 깨끗한 상태에서 시작한 기업의 진입과 적응이 느린 기업의 퇴출을 통해 이루어졌기 때문에 새로운 비즈니스 형성도 분명히 중요한 역할을 할 것입니다. 13

노동 시장 효과
모든 혁명적 기술과 마찬가지로, 생산성에서 노동 시장으로 관심을 돌릴 때 많은 사람들은 사라질 수 있는 일자리에 초점을 맞춰 우려를 표명하는 반면, 다른 사람들은 어떤 일자리가 이를 대체할지에 초점을 맞춥니다. 경제사를 보면 여기에는 조심스러운 낙관론이 담겨 있습니다. 세상이 마차에서 자동차로 전환되면서 마구간 노동자를 위한 일자리는 사라지고 자동차 정비사 일자리가 그 자리를 대신했습니다. 14신기술은 일부 유형의 노동을 대체할 수 있지만, 이를 통해 창출되거나 보완되는 일자리의 생산성과 소득도 높일 수 있습니다. 그에 따른 소비 증가는 전반적인 노동 수요를 증가시킬 수 있습니다. 그럼에도 불구하고 대체 효과는 집중되고 생산성 효과는 더욱 확산될 수 있습니다. 따라서 경제 전반에 걸쳐 많은 근로자가 혜택을 받는 반면, 더 적은 수의 근로자가 부정적인 영향을 가장 많이 받습니다. 컴퓨터화된 공작 기계의 도입이 숙련된 기계공을 대체하고 개인용 컴퓨터가 많은 일상적인 사무 및 행정 업무를 쓸모없게 만든 것처럼 AI의 광범위한 채택은 일부 근로자에게는 어려운 전환이 될 것입니다. 15

그러나 기술 변화가 노동 시장에 미치는 영향은 단순히 일자리를 창출하고 제거하는 것보다 더 미묘합니다. 노동 경제학자들은 우리가 일을 직업이 아닌 과제의 관점에서 생각하도록 권장합니다. 16기업이 기술 변화에 대응하여 제품 라인과 제품 및 서비스를 생산하는 방법을 재고함에 따라 수행해야 하는 작업의 구성도 변경됩니다. 여기서는 근로자가 제공해야 하는 기술 포트폴리오가 중요합니다. 다양한 기술 조합이 필요한 새로운 직위로 이동할 수 있습니까? 다양한 기술을 갖춘 작업자와 비판적 사고 및 프로젝트 관리와 같은 광범위한 기술을 갖춘 작업자의 경우 대답은 "예"일 수 있습니다. 말을 손질하는 데 고도로 숙련된 마부와 같은 다른 사람들의 대답은 "아니오"일 수 있습니다. 17

생산의 업무 구성이 변화함에 따라 근로자가 필요한 곳으로 이동할 수 있는 능력도 AI에 대응하여 창출된 새로운 일자리에 경제가 얼마나 성공적으로 적응하는지를 결정하는 중요한 요소가 될 것입니다. 예를 들어, 필요한 기술에 대한 시장 신호에 교육과 훈련이 얼마나 빨리 반응할 것인가? AI는 기업 내에서 요구되는 기술 범위에 어떤 영향을 미칠 것이며 이에 대응하여 기업은 어떻게 구조조정을 하게 될까요? 그리고 노동 시장은 구직자를 적절한 공석에 얼마나 효율적으로 연결합니까?

연준이 근로자를 직접적으로 돕기 위한 정책을 설정하는 역할은 없지만 이러한 전환이 쉽거나 고통이 없을 것이라고 말하고 싶지는 않습니다. 노동력의 큰 변화는 근로자가 적응하고 번영할 수 있도록 해결해야 할 혼란과 과제를 야기할 것입니다. AI가 사회 전체에 미치는 이점은 근로자 기술의 적응성, 얼마나 잘 재교육 또는 재배치되는지, 정책 입안자가 이러한 변화로 가장 큰 타격을 받는 그룹을 지원하기로 선택하는 방법에 따라 달라집니다.

선택 행동
생성적 AI가 경제에 광범위한 변화를 가져올 가능성은 분명하지만, 변화의 속도와 정도는 근로자, 관리자, 정책 입안자의 선택에 따라 달라집니다. AI는 예측을 하지만 AI는 선택을 하지 않습니다. 궁극적으로 인간은 여전히 ​​​​통제권을 가지고 있습니다.

직장인들에게 AI로 강화된 경제를 준비하는 것은 까다로운 일이다. 학생들은 학교에서 무엇에 집중해야 합니까? 어떤 대학 및 대학교 과정을 개발하고 의무화해야 합니까? 어떤 종류의 지속적인 교육이 필요합니까? 생성적 AI가 지식 작업을 더욱 효율적으로 만들 것이라고 말해도 무방합니다. 작업자는 하루에 더 많은 연구, 커뮤니케이션, 디자인 등을 수행할 수 있습니다. 그리고 일부 관찰자들은 이것이 그러한 근로자의 수가 적다는 것을 의미한다고 경고할 수도 있지만, 우리가 더 많은 인력을 필요로 할 가능성이 더 높습니다. 결국, 지식 근로자가 한 시간 안에 더 많은 것을 성취할 수 있다면 기업은 지식 근로자를 더 적게 사용하는 것이 아니라 더 많이 사용하려는 인센티브를 갖게 됩니다. 따라서 정보화 시대 전반에 걸쳐 그랬듯이 STEM 기술에 대한 수요는 강력할 것입니다. 그러나 AI 기술은 사회적 기술에 대한 수요 증가도 강화할 수 있습니다. 18일부 직위는 완전히 새로운 것입니다. 이번 주 초에 인디드닷컴(Indeed.com)에서 '생성 AI' 채용 공고를 검색한 결과 '프롬프트 엔지니어', '뉴스룸 생성 AI 리드' 등의 직함을 포함해 2,000개가 넘는 채용 공고가 발견됐다.

기업에서 AI 배포의 성공 여부는 교육, 조직 개편, 제품 개발에 대한 투자와 같은 전략적 결정에 달려 있습니다. AI의 잠재력을 가장 잘 활용하는 것으로 보이는 기존 기업과 AI 기반 비즈니스 모델을 통해 등장할 혁신적인 신생 기업에 자금 조달이 가능해야 합니다.

정부 각계각층의 정책입안자들 역시 변화하는 세계에 맞서야 할 것입니다. 중요한 것은 정책 분야(의료, 소비자 금융, 보험 등)에서 의사결정자는 자신의 선택이 영향을 받는 그룹에 미치는 영향을 숙고해야 할 법적, 윤리적 의무가 있다는 것입니다. 이러한 맥락에서 의사결정 과정에 대한 통찰력이 없는 AI 블랙박스는 가치가 제한적입니다. 정책 입안자로서 나는 모델이 생성한 예측이 그 이면의 추진 요인에 대한 그럴듯한 설명과 결합되지 않은 경우 회의적인 눈으로 바라보고 있습니다. 보다 일반적으로, 이해관계자가 결정에 대해 이의를 제기할 기회가 있을 때, 그들은 결정이 어떻게 내려졌는지 이해할 자격이 있습니다. 이는 제가 이 그룹의 2018년 회의에서 연설할 때 강조한 문제입니다. 19그래서 저는 기술 영역과 사용자 사이의 격차를 해소하는 데 도움이 될 수 있는 "설명 가능한 AI"의 진전을 보는 데 특히 관심이 있습니다. 20

간단히 말해서, 모든 기술적 변화와 마찬가지로 생성적 AI의 영향은 특정 ​​사회 및 제도적 맥락에서 인간 선택 행동의 측면에서 이해되어야 합니다. 생성적 AI는 소비자, 기업, 정책 입안자가 선택할 수 있는 선택권을 변화시킬 것입니다. 공교롭게도 경제학자들은 선택 행동을 연구하기 때문에 우리는 AI와 복지에 관한 논쟁에 기여하고 이 흥미로운 추세의 궤적을 예측할 수 있는 좋은 위치에 있습니다. 고려할 수 있는 몇 가지 질문은 다음과 같습니다. AI의 일자리 창출 잠재력을 포착하는 동시에 AI로 인한 노동력 중단을 제한할 수 있는 방법이 있습니까? AI의 이점을 활용하려면 어떤 새로운 교육과 기술 개발이 필요합니까? AI가 경제에 얼마나 빨리 영향을 미치는지 더 잘 파악하기 위해 생산성 측정을 개선할 수 있습니까?

저는 이 그룹이 오늘 발표될 많은 흥미롭고 사려 깊은 논문을 포함하여 AI 경제학에 대한 이러한 질문과 기타 질문에 대해 가치 있고 통찰력 있는 작업을 계속해서 생산하게 되어 기쁘게 생각합니다.

감사합니다.

---

1. 내가 여기서 표현하는 견해는 나 자신의 견해이며 연방준비제도이사회나 연방공개시장위원회의 견해가 아닙니다. 텍스트로 돌아가기

2. Lisa D. Cook, Matt Marx, Emmanuel Yimfor(2022), " 흑인 고성장 스타트업 자금 조달 ", NBER 연구 보고서 시리즈 30682(매사추세츠주 케임브리지: 전미 경제 연구국, 11월)를 참조하세요. 텍스트로 돌아가기

3. 예측으로서의 AI에 대해서는 Ajay Agrawal, Joshua S. Gans 및 Avi Goldfarb(2019), "인공 지능: 예측 자동화의 모호한 노동 시장 영향", Journal of Economic Perspectives, vol. 33(봄), 31~50페이지. 텍스트로 돌아가기

4. 형사 사법에 대해서는 Laurel Eckhouse, Kristian Lum, Cynthia Conti-Cook 및 Julie Ciccolini(2019), "편견의 계층: 위험 평가 문제 이해를 위한 통합 접근 방식", 형사 사법 및 행동, vol . 46(2월), pp. 185–209. AI의 편향 완화에 대한 더 광범위한 논의는 Xavier Ferrer, Tom van Nuenen, Jose M. Such, Mark Coté, Natalia Criado(2021), "Bias and Discrimination in AI: A Cross-Disciplinary Perspective", IEEE Technology 및 사회 매거진, vol. 40(6월), 72~80페이지. 텍스트로 돌아가기

5. Lisa D. Cook, Janet Gerson 및 Jennifer Kuan(2022), "핑크와 블랙의 혁신 격차 해소", 기업가 정신 및 혁신 정책과 경제, vol. 1, 43~66페이지. 텍스트로 돌아가기

6. Charles I. Jones(2023), "AI 딜레마: 성장 대 실존 위험", 연구 보고서, 9월 12일을 참조하세요. 텍스트로 돌아가기

7. 범용 기술의 정의에 대해서는 Boyan Jovanovic 및 Peter L. Rousseau(2005), "General Purpose Technologies," in Philippe Aghion 및 Steven N. Durlauf, eds., Handbook of Economic Growth, vol . 1B(암스테르담: Elsevier), pp. 1181–224. 텍스트로 돌아가기

8. 생성 AI의 효과에 대한 증거를 제공하는 실증적 논문은 금융 서비스, 컴퓨터 프로그래밍, 콜센터, 글쓰기 등 다양한 작업에 걸쳐 있습니다. 금융 서비스에 대해서는 Tracy Yang, Tian Lu, Beibei Li 및 Lu Xianghua(2020), "부채 추심 개인화: 강화 학습 및 현장 실험 결합", ICIS 2020 Proceedings, 12월 14일을 참조하십시오. 컴퓨터 프로그래밍에 대해서는 Sida Peng, Eirini를 참조하십시오. Kalliamvakou, Peter Cihon 및 Mert Demirer(2023), " 개발자 생산성에 대한 AI의 영향: GitHub Copilot의 증거(PDF) " 미출판 논문, Cornell University, arXiv, 2월. 콜센터의 경우 Erik Brynjolfsson, Danielle Li 및 Lindsay R. Raymond(2023), " 직장에서의 생성적 AI를 참조하세요.," NBER 연구 보고서 시리즈 31161(매사추세츠주 케임브리지: 전미 경제 연구국, 4월). 집필에 대해서는 Shakked Noy 및 Whitney Zhang(2023), "생성 인공 지능의 생산성 효과에 대한 실험적 증거" 작업 문서를 참조하십시오. , 3월 10일; Emma van Inwegen, Zanele T. Munyikwa 및 John J. Horton(2023), " 구직자의 이력서에 대한 알고리즘 작성 지원으로 채용이 증가합니다 ." NBER 연구 보고서 시리즈 30886(매사추세츠주 케임브리지: 전미 경제 연구국) , 1월) 본문으로 돌아가기

9. Hassan N. Khan, David A. Hounshell, Erica RH Fuchs(2018), "무어의 법칙 끝의 과학 및 연구 정책", Nature Electronics, vol. 1(1월), 14~21페이지. Moore의 초기 예측은 나중에 비용 효율적인 집적 회로의 구성 요소 수가 2년마다 두 배로 늘어날 것이라고 수정되었습니다. Gordon E. Moore(1965), "Cramming More Components on Integrated Circuits", Electronics, vol. 38(8), 114~17페이지; Gordon E. Moore(1975), "디지털 통합 전자 장치의 발전", Technical Digest 1975, International Electron Devices Meeting, IEEE, pp. 11–13. 텍스트로 돌아가기

10. Paul A. David(1990), "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox", American Economic Review, vol. 80(5월), pp. 355–61. 텍스트로 돌아가기

11. Diego Comin, Danial Lashkari 및 Martí Mestieri(2021), "장기 소득 및 가격 효과에 따른 구조적 변화", Econometrica, vol. 89(1월), pp. 311–74. 텍스트로 돌아가기

12. Erik Brynjolfsson, Daniel Rock, Chad Syverson(2021), "생산성 J-곡선: 무형자산이 범용 기술을 보완하는 방법", American Economic Journal: Macroeconomics, vol. 13(1월), pp. 333–72. 텍스트로 돌아가기

13. Ryan Decker, John Haltiwanger, Ron Jarmin 및 Javier Miranda(2014), "미국 일자리 창출 및 경제적 역동성에서 기업가 정신의 역할", Journal of Economic Perspectives, vol. 28(여름), 3~24페이지. 텍스트로 돌아가기

14. Max Neufeind, Jacqueline O'Reilly, Florian Ranft 편집, Work in the Digital Age (런던: Rowman & Littlefield International), pp 에서 Georgios Petropoulos(2018), "인공 지능이 고용에 미치는 영향"을 참조하세요. .119–32. 텍스트로 돌아가기

15. Leah Platt Boustan, Jiwon Choi, David Clingingsmith(2022), " 조립 라인 이후의 자동화: 미국의 컴퓨터화된 공작 기계, 고용 및 생산성(PDF) ", NBER Working Paper Series 30400(매사추세츠주 케임브리지) 참조 : 전국경제조사국(National Bureau of Economic Research), 8월, 10월 개정); David H. Autor 및 David Dorn(2013), "저숙련 서비스 일자리의 성장과 미국 노동 시장의 양극화", American Economic Review, vol. 103(8월), 1553~97페이지. 텍스트로 돌아가기

16. David H. Autor, Frank Levy 및 Richard J. Murnane(2003), "최근 기술 변화의 기술 내용: 실증적 탐구", Quarterly Journal of Economics, vol. 118(11월), 1279~333페이지; Daron Acemoglu 및 Pascual Restrepo (2018), "인간과 기계 사이의 경쟁: 성장, 요소 공유 및 고용에 대한 기술의 의미", American Economic Review, vol. 108(6월), pp. 1488–542. 텍스트로 돌아가기

17. 일자리를 잃은 근로자가 직면한 어려움에 대해서는 David Hummels, Jakob R. Munch, Lars Skipper, and Chong Xiang(2012), "Offshoring, Transition, and Training: Evidence from Danish Matched Worker-Firm Data," American을 참조하십시오 . 경제 리뷰, vol. 102(5월), 424~428페이지. 텍스트로 돌아가기

18. David J. Deming(2017), "노동 시장에서 사회적 기술의 중요성 증가", Quarterly Journal of Economics, vol. 132(11월), 1593~640페이지. 텍스트로 돌아가기

19. Lisa Cook(2018), "인간이 실패할 때 AI 기반 결정 또는 작업 아웃소싱의 결과", 9월 13~14일 토론토에서 열린 NBER 인공 지능 경제학 컨퍼런스 2018에서 발표된 내용을 참조하세요. 텍스트로 돌아가기

20. Pantelis Linardatos, Vasilis Papastefanopoulos 및 Sotiris Kotsiantis(2021), "Explainable AI: A Review of Machine Learning Interpretability Methods", Entropy, 23, 18을 참조하세요 . 텍스트로 돌아가기

최종 업데이트: 2023년 9월 22일