人类学元分析：工人再培训带来的回报有限，可能不足以应对人工智能的大规模取代

人工智能研究公司 人类的 已发布一份全面的 报告 这表明工人再培训计划虽然在统计学上具有显著意义，但经济效益却不大。这一发现对于寻求减轻人工智能驱动的劳动力市场潜在冲击的政策制定者来说具有相当大的分量。

这份报告由独立研究员大卫·鲁德曼 (David Roodman) 和 Anthropic 公司的马克西姆·马森科夫 (Maxim Massenkoff) 共同撰写，提出了一种全新的人工智能加速荟萃分析方法。在该方法中，Anthropic 公司的 Claude 模型提取了大部分基础数据并编写了所有分析代码。该分析基于自 20 世纪 70 年代以来在美国开展的 56 项随机对照试验，并结合了来自欧洲的实验证据，对政府和非营利组织的培训计划进行了迄今为止最系统的评估之一。

平均而言，这些项目会产生积极但有限的效果。每提供一个培训名额，就业率大约提高两到三个百分点，年收入大约增加1,000美元，而平均每位参与者的成本约为13,000美元。从财政角度来看，政府可以通过增加税收和减少公共福利支出收回一半以上的支出，这意味着这些干预措施总体上大致收支平衡。 

该报告将这些发现置于人类学研究所更广泛的经济研究议程中，该议程旨在追踪人工智能在各职业和行业的普及情况。尽管在公众和专家调查中，再培训仍然是应对技术性失业最受欢迎的政策措施，但作者提醒，历史经验表明，如果高级自动化大规模取代工人，当前的计划架构可能不足以应对。

行业项目与复制挑战

少数“行业项目”打破了平均水平的低迷，成为显著的例外。这些项目与高需求行业的雇主密切合作，筛选求职者，设计针对特定职业的课程，并将毕业生直接安排就业。诸如Year Up和Per Scholas之类的项目，使参与者的收入比平均水平高出数倍，有效地发挥了劳动力市场中介的作用，将那些被忽视的人才与愿意建立人才储备的雇主进行匹配。 

然而，该报告强调，这些成功经验难以复制。对领先模式的高度复制往往在新地点失败，这表明有效性取决于脆弱的、特定于环境的因素，包括深厚的本地关系、筛选率极高的招生流程（淘汰超过80%的申请者）以及多年积累的组织成熟度。

鉴于大多数研究项目的目标人群是低收入或就业不稳定的群体，而非可能需要多年技能再培训的中年白领，作者得出结论：现有的再培训基础设施与人工智能大规模取代现有岗位的情景并不匹配。他们的核心建议是，在任何危机发生之前，立即投资于最有前景的模式的示范、评估和推广。 

具体而言，他们提议迅速扩大一项领先的行业计划，以改善水井状况。defi研究人员对一批工人进行了研究，同时严格衡量了就业和收入结果。Anthropic 的经济未来研究基金旨在支持此类研究，这反映出人们日益达成共识，即了解再培训的局限性对于迎接快速自动化时代至关重要。