Editorial Ekonomi & Bisnis
Open AccessOA2023
Dampak kecerdasan artifisial terhadap pasar tenaga kerja di negara berkembang: metode baru dengan ilustrasi untuk Lao PDR dan Viet Nam perkotaan
Makalah ini mengusulkan metodologi baru untuk menerjemahkan ukuran dampak AI dari AS ke negara berkembang dengan membandingkan deskripsi tekstual aktivitas kerja. Dengan SBERT, makalah ini menilai kesesuaian okupasi untuk machine learning di Lao PDR dan Viet Nam perkotaan, dan menemukan bahwa pekerja Viet Nam lebih terkonsentrasi pada okupasi yang terdampak AI.
Francesco Carbonero; Jeremy Davies; Ekkehard C. Ernst; F. Fossen; Daniel K. Samaan; Alina Sorgnerยท Journal of evolutionary economicsยท 2023ยท DOI 10.1007/s00191-023-00809-7
Masalah inti
Kecerdasan artifisial (AI) sedang mengubah pasar tenaga kerja secara global, tetapi penelitian sebagian besar berfokus pada ekonomi maju dan mengabaikan negara berkembang. Dampak AI terhadap pasar tenaga kerja berbeda antarnegara karena perbedaan struktur okupasi dan komposisi tugas dalam okupasi. Makalah ini mengisi celah tersebut dengan mengusulkan metodologi baru untuk menerjemahkan ukuran dampak AI yang sudah ada, yang dikembangkan untuk AS, ke negara-negara pada berbagai tingkat pembangunan ekonomi. Metode ini menilai kesamaan semantik antara deskripsi tekstual aktivitas kerja di AS dan keterampilan pekerja yang diperoleh dari survei di negara lain. Para penulis menerapkan pendekatan ini menggunakan ukuran kesesuaian aktivitas kerja untuk machine learning dari Brynjolfsson et al. (2018) untuk AS dan survei STEP Bank Dunia untuk Lao PDR dan Viet Nam. Pendekatan ini memungkinkan pencirian sejauh mana pekerja dan okupasi di suatu negara terkena digitalisasi destruktif (menempatkan pekerja pada risiko penggantian) versus digitalisasi transformatif (menguntungkan pekerja). Para penulis menemukan bahwa pekerja di Viet Nam perkotaan, dibandingkan Lao PDR, lebih terkonsentrasi pada okupasi yang terdampak AI, sehingga memerlukan adaptasi atau berisiko mengalami penggantian sebagian. Metode berbasis kesamaan semantik tekstual menggunakan SBERT lebih menguntungkan dibandingkan pendekatan yang memindahkan skor dampak AI antarnegara menggunakan crosswalk kode okupasi.
Inovasi
Para penulis mengusulkan metode baru untuk menilai dampak AI terhadap pasar tenaga kerja di negara berkembang dengan memanfaatkan kesamaan semantik tekstual. Gagasan intinya adalah membandingkan deskripsi tekstual aktivitas kerja dari AS, yang memiliki ukuran dampak AI, dengan deskripsi keterampilan dan tugas dari survei di negara lain. Secara spesifik, mereka menggunakan skor kesesuaian aktivitas kerja untuk machine learning dari Brynjolfsson et al. (2018) untuk AS, yang berbasis pada basis data O*NET. Untuk negara berkembang, mereka menggunakan survei STEP (Skills Toward Employment and Productivity) Bank Dunia, yang menyediakan informasi rinci tentang keterampilan dan tugas pekerja. Metode ini memakai Sentence-BERT (SBERT), model pemrosesan bahasa alami mutakhir, untuk menghitung kesamaan semantik antara aktivitas kerja AS dan respons survei negara berkembang. Hal ini memungkinkan pemetaan skor dampak AI ke okupasi di negara berkembang tanpa bergantung pada crosswalk kode okupasi, yang dapat tidak tepat karena perbedaan klasifikasi okupasi dan komposisi tugas antarnegara. Pendekatan ini membedakan antara digitalisasi destruktif, ketika pekerja berisiko tergantikan, dan digitalisasi transformatif, ketika pekerja memperoleh manfaat dari AI. Metode ini diilustrasikan menggunakan data dari Lao PDR dan Viet Nam perkotaan.
Pendahuluan
Kecerdasan artifisial (AI) sedang mengubah pasar tenaga kerja secara global, tetapi penelitian sebagian besar berfokus pada ekonomi maju dan mengabaikan negara berkembang. Dampak AI terhadap pasar tenaga kerja berbeda antarnegara karena perbedaan struktur okupasi dan komposisi tugas dalam okupasi. Makalah ini mengisi celah tersebut dengan mengusulkan metodologi baru untuk menerjemahkan ukuran dampak AI yang sudah ada, yang dikembangkan untuk AS, ke negara-negara pada berbagai tingkat pembangunan ekonomi. Metode ini menilai kesamaan semantik antara deskripsi tekstual aktivitas kerja di AS dan keterampilan pekerja yang diperoleh dari survei di negara lain. Para penulis menerapkan pendekatan ini menggunakan ukuran kesesuaian aktivitas kerja untuk machine learning dari Brynjolfsson et al. (2018) untuk AS dan survei STEP Bank Dunia untuk Lao PDR dan Viet Nam. Pendekatan ini memungkinkan pencirian sejauh mana pekerja dan okupasi di suatu negara terkena digitalisasi destruktif (menempatkan pekerja pada risiko penggantian) versus digitalisasi transformatif (menguntungkan pekerja). Para penulis menemukan bahwa pekerja di Viet Nam perkotaan, dibandingkan Lao PDR, lebih terkonsentrasi pada okupasi yang terdampak AI, sehingga memerlukan adaptasi atau berisiko mengalami penggantian sebagian. Metode berbasis kesamaan semantik tekstual menggunakan SBERT lebih menguntungkan dibandingkan pendekatan yang memindahkan skor dampak AI antarnegara menggunakan crosswalk kode okupasi.
Mengapa penting
Kontribusi utama makalah ini adalah pengembangan metode yang mengatasi keterbatasan pemindahan ukuran dampak AI antarnegara menggunakan crosswalk kode okupasi. Dengan membandingkan langsung deskripsi tekstual aktivitas kerja, metode ini menangkap heterogenitas komposisi tugas dalam okupasi antarnegara, yang krusial untuk menilai dampak AI secara akurat. Temuan menyoroti bahwa negara berkembang tidak homogen dalam keterpaparan terhadap AI; Viet Nam perkotaan, dengan ekonomi dan struktur okupasinya yang lebih maju, menghadapi keterpaparan AI yang lebih besar daripada Lao PDR. Hal ini memiliki implikasi kebijakan penting: pekerja di Viet Nam mungkin memerlukan pelatihan ulang dan strategi adaptasi untuk menghadapi efek transformatif dan destruktif AI, sedangkan Lao PDR mungkin memiliki lebih banyak waktu untuk bersiap. Para penulis mencatat bahwa metode ini dapat diperluas ke negara lain yang memiliki data survei. Namun, mereka juga mengakui batasan, seperti ketergantungan pada ukuran dampak AI berbasis AS dan kualitas data survei. Secara keseluruhan, studi ini menyediakan alat yang berharga bagi pembuat kebijakan dan peneliti untuk memahami dan memitigasi dampak AI terhadap pasar tenaga kerja di ekonomi berkembang.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ