“時雨潤無聲”：AI20259①黃益平為北京大學數(shù)字金融研究中心主任，北京大學博雅特聘教授、北京大學國家發(fā)展研究院院長；王202520259一、內(nèi)容提 二、研究背 三、研究方 四、主要研究發(fā) （一）AI訓練的整體影 對收入的影 對客戶滿意度的影 對服務(wù)標準程度的影 （二）分人群的AI訓練影 不同性別的AI訓練影響差 不同年齡段的AI訓練影響差 不同所在區(qū)域的AI訓練影響差 （三）AI訓練作用機制的初步分 AI身份與性格設(shè)計的影 AI情緒設(shè)定的影 五、總結(jié)與討 參考文獻 202520259人工智能的培訓對于勞動者能力的影響：AI20243體訓練（AI），AIAI研究結(jié)果顯示：AI著的訓練增益。相較于傳統(tǒng)訓練方式，AI客戶滿意度、服務(wù)標準性等方面均有顯著的積極影響。具體而言，AI14.02%、日均29.46%，29.70%。且組間差距很小。同時，女性在收入、男性在減少差評率、45AI具備負面、對抗性與不少于三階段情緒時，AI79.79%，質(zhì)檢不合格數(shù)量下降A(chǔ)I（2）應(yīng)當直AIAIAI第一，崗位暴露度測算奠定了研究基礎(chǔ)。Felten等（2018）首次提出將AIO*NETAI并建立標準化指標體系。后續(xù)Felten（2023）將該方法擴展至大語言模型，GPT類模型的通用性，指出約八成勞動力可能受到至少10%的影響。張丹丹等合，揭示了大語言模型對中國勞動市場的差異化影響。這表明，AI但以上研究存在一個較大的現(xiàn)實制約：缺乏對于勞動者個體層面真實的AIBrynjolfsson517935%，而經(jīng)驗豐富的高技能員工幾乎未受影響。AIAIAIAI51214971AI樹（CausalTree）的基礎(chǔ)上的擴展，具備更強的穩(wěn)健性，是一種用于評估“某CATEAI（一）AIAI2AI14.02%。3AI13.56%；而在上崗后六個月內(nèi)的日均按鍵差評的數(shù)量降低了29.46%；而若以日均調(diào)研差評率計算，這兩個數(shù)字分別為55.1226.57%。4AI29.70%。相較于服（二）分人群的AI（CATE不同性別的AI5AI11.75%。6AI的獲益是相對更小的，特別是前兩個月的整體水平，AI不同年齡段的AI以下、30-45457AIAIAI45收入增加了12.62%，30歲以下群體、30-45歲群體的這個數(shù)字則為12.11%和AI著特征是使用門檻的大幅度降低，驅(qū)動智能的不再是代碼而是自然語言，在ChatGPT3.5（Prompt）流中已制定好的指令則可以進一步降低使用門檻——客戶智能體的目標是模仿8AI性質(zhì)則體現(xiàn)的更加明顯，4533.46%，這一程度大于其他年齡AI不同所在區(qū)域的AIAI9AI（三）AIAI（Dominance（Influence①美國心理學家威廉·莫爾頓·1928年提出，MarstonWMEmotionsofnormalpeople[M].NewYork,NY:HarcourtBrace&Company,1928.同樣，在劇本設(shè)計中，AIAI10AI40.08%，27.91%AI27.42%的效果。11AI47.22%，復雜性格42.08%AI34.51%的效果。AI12AIAI9.37%。而負面情緒、多階段情緒的訓練則提升不大。13AI79.79%，負面情緒與多階段情緒帶來約14AI49.40%、48.44%、49.33%，AI34.51%的改善。于客服能力及工作表現(xiàn)的提升作用。研究結(jié)果表明，AI訓練能夠有效地提升新AI15AI故而我們提出一個猜測，AIAIAIAI應(yīng)用的目標是否該被錨定在效率之上？不同主體、不同時間窗口的思考會得AIAIAIAcemoglu,Daron,DavidAutor,JonathonHazell,andPascualRestrepo.“ArtificialIntelligenceandJobs:EvidencefromOnlineVacancies.”JournalofLaborEconomics,vol.40,no.S1,2022,pp.Athey,Susan,andGuidoW.Imbens.“RecursivePartitioningforHeterogeneousCausalEffects.”ProceedingsoftheNationalAcademyofSciences,vol.113,no.27,2016,pp.7353–7360.Babina,Tania,etal."Artificialintelligence,firmgrowth,andproductinnovation."JournalofFinancialEconomics151(2024):Eloundou,Tyna,SamManning,PamelaMishkin,andDanielRock.“GPTsAreGPTs:LaborMarketImpactPotentialofLLMs.”Science,vol.384,no.6702,2023,pp.1306–08.Felten,Edward,ManavRaj,andRobertSeamans.“AMethodtoLinkAdvancesinArtificialIntelligencetoOccupationalAbilities.”AmericanEconomicAssociationPapersandProceedings,vol.108,2018,pp.Felten,Ed,ManavRaj,andRobertSeamans."HowwilllanguagemodelerslikeChatGPTaffectoccupationsandindustries?."arXivpreprintarXiv:2303.01157(2023).Korinek,Anton,andDonghyunSuh.ScenariosfortheTransitiontoAGI.NBERWorkingPaperno.32255,NationalBureauofEconomicResearch,2024.Wager,Stefan,andSusanAthey.“EstimationandInferenceofHeterogeneousTreatmentEffectsUsingRandomFo