这篇论文基于对18000名丹麦工人的大规模调查，研究了ChatGPT的采用情况及其对劳动力市场的影响。

研究发现，ChatGPT 的采用率很高，尤其是在年轻和资历较浅的工人中，但存在显著的不平等，女性和低收入工人的使用率显著低于男性和高收入工人。尽管工人普遍认为 ChatGPT 能提高生产力，但雇主限制和培训需求等因素阻碍了其广泛应用。 

研究还发现，性别差异并非源于对 ChatGPT 认知的差异，而是女性面临更多使用障碍，例如培训需求。最终，论文指出ChatGPT的普及加剧了既有的不平等，并建议企业和政府采取措施促进更公平的应用。

原文研究稍长，速览（主要主题和重要发发现）由 GeekSavvy 整理总结。

主要主题：

1. ChatGPT 在易受影响的职业中已被广泛采用，但采用率存在显著的不平等现象。

2. 女性和低收入工人使用 ChatGPT 的可能性较低，而年轻且资历较浅的工人采用速度更快。

3. 工人认为 ChatGPT 具有巨大的生产力潜力，但实际使用中却受到雇主限制和培训需求的阻碍。

4. 尽管 ChatGPT 可能带来时间节省，但许多工人表示不会在能节省时间的任务上投入更多工作时间，这意味着短期内工作任务再分配可能有限。

5. 女性较少采用 ChatGPT 并非因为她们对其潜力的认知较低，而是因为她们更容易面临使用障碍，特别是培训需求。

重要发现：

1. 广泛采用：超过一半的受访工人在易受影响的职业中使用过ChatGPT，41%的人曾在工作中使用过，几乎所有工人都知道它。"ChatGPT 在首次推出仅一年后就得到如此广泛的采用，足以确立其在技术发展史上的里程碑地位。"

2. 不平等现象：女性使用ChatGPT的可能性比男性低16个百分点。"最后，我们发现一个巨大的性别差异：在同一职业中，女性使用 ChatGPT 的可能性比男性低 16 个百分点。" 这种差距在所有职业中普遍存在，即使在控制了其他因素（如工作场所和任务类型）后仍然存在。

3. 生产力潜力：工人估计ChatGPT可以将约三分之一的工作任务所需时间减半。"在易受影响的职业中，工人认为 ChatGPT 具有相当大的生产力潜力，估计它能将约三分之一的工作任务所需时间减半。"

4. 采用障碍：雇主限制和培训需求是阻碍工人使用ChatGPT的主要障碍。"工人报告的主要障碍是雇主对于使用的限制以及他们对于接受培训的需求。"

5. 有限的任务再分配：约40%的工人表示他们不会在那些能由ChatGPT节省时间的任务上投入更多工作时间。"这种低度的跨任务替代意味着，在行业基于该新技术重新组织工作之前，ChatGPT 在短期内可能只带来有限的工作任务再分配。"

6. 性别差异背后的原因：女性更常报告需要培训才能使用ChatGPT。"女性更容易遭遇使用障碍，特别是“培训需求”。"

论文标题及信息

ChatGPT 的不平等采用加剧了工人之间现有的不平等

由麻省理工学院（MIT）剑桥分校的 Simon Jaeger 编辑；2024 年 7 月 24 日收到，2024 年 11 月 26 日被编委会成员 Orley C. Ashenfelter 接收。

意义

通过大规模的代表性调查，我们研究了哪些人采用了 ChatGPT、员工如何预期这项技术将如何影响他们的工作，以及为什么有些员工使用它而其他员工不使用。我们展示了 ChatGPT 的采用障碍如何加剧了一些现有的不平等现象，女性和低收入员工不太可能使用该工具。年轻和经验不足的员工采用 ChatGPT 的速度更快。

摘要

我们通过与丹麦综合登记数据相关的大规模调查，研究了生成式人工智能的标志 ChatGPT 的采用情况。通过对 11 个职业的 18,000 名工人进行调查，我们发现 ChatGPT 非常普及，尤其是在年轻和经验不足的工人中。然而，也出现了巨大的不平等。女性使用该工具工作的可能性比男性低 16 个百分点。此外，尽管 ChatGPT 有可能提升缺乏专业知识的工人，但 ChatGPT 的用户在它出现之前就已经赚得更多了，即使他们的任期较短。工人看到了 ChatGPT 的巨大生产力潜力，但经常受到雇主限制和培训需求的阻碍。

ChatGPT 的到来标志着生成式人工智能时代的到来，届时许多高技能职业可能会被颠覆（1）。本文研究了哪些人采用了 ChatGPT，员工如何预期它会对他们的工作产生影响，以及为什么有些员工使用它，而有些员工却不使用。

我们与丹麦统计局合作，在 2023 年 11 月至 2024 年 1 月期间对 11 个受影响职业的 18,000 名工人进行了代表性样本调查。我们将调查回复与个人劳动力市场历史、收入、财富、教育和人口统计的登记数据联系起来，以表征 ChatGPT 采用方面的异质性。

我们首先记录了 ChatGPT 在暴露的职业中广泛使用的情况：41% 的工人在工作中使用该工具，采用率从营销专业人员的 65% 到财务顾问的 12% 不等，几乎每个人都知道它。ChatGPT 在首次推出仅一年后就被广泛采用，这巩固了它作为技术史上里程碑式事件的地位。

其次，我们研究所研究的职业，并询问使用 ChatGPT 的工人有何特点。现有证据表明，专业知识较少的工人从 ChatGPT 和其他生成式 AI 中获益最多（2、3 ），这表明该技术可以帮助缓解工人之间现有的不平等（4 ）。与此观点一致，我们发现年轻和经验不足的工人更有可能使用 ChatGPT。具体来说，年龄和经验每增加一岁，使用 ChatGPT 工作的可能性就会降低 0.7 和 0.6 个百分点。然而，尽管任职时间较短，但使用 ChatGPT 的工人在 ChatGPT 出现之前就已经赚得略多，这反映出同群体中成就较高的个体更有可能使用 ChatGPT。最后，我们记录了 ChatGPT 采用方面惊人的性别差距：同行业中，女性使用 ChatGPT 工作的可能性比男性低 16 个百分点。性别差距普遍存在于所有职业中，存在于各种采用措施中，并且在比较同一工作场所中处理相同类型工作任务的同事时仍然存在。

接下来，我们研究了员工预期 ChatGPT 将如何影响他们的工作活动。受调查职业的员工认为 ChatGPT 具有巨大的生产力潜力，估计它可以将大约三分之一的工作任务的工作时间减半。员工表示 ChatGPT 为具有更高专业知识的员工节省的时间较少而不是较多的可能性是普通人的两倍，这与现有证据表明该技术取代了人类的专业知识相一致 ( 2 )。员工预计 ChatGPT 不会在任务之间进行太多替代，约 40% 的员工表示，他们不会执行更多通过 ChatGPT 节省时间的任务。

最后，我们记录了员工认为 ChatGPT 节省的时间只是他们使用该工具的一个微弱预测因素。例如，在那些认为 ChatGPT 可以将完成任务的时间减半的员工中，只有约 23% 的人计划在未来 2 周内使用它。员工报告称，雇主对使用的限制和需要培训是采用该工具的主要障碍。通过随机告知员工 ChatGPT 节省的时间，并观察到使用行为没有发生任何变化，我们确认这些或其他摩擦是阻碍员工利用 ChatGPT 感知到的生产力收益的因果因素。

01 材料和方法

ChatGPT 是生成式 AI 聊天机器人中的明显领先者，占据了网站总流量的 80% 到 90%；详情请参阅SI 附录第 2.A 节。

丹麦的数据基础设施为研究 ChatGPT 的采用提供了理想的环境。具体来说，每个丹麦人都有一个数字邮箱，丹麦统计局可以使用它来发送调查邀请。我们将调查与丹麦统计局的行政登记册联系起来，这为这项研究提供了两个优势。首先，我们观察到所有工人的详细职业代码，这使我们能够将调查针对暴露职业的个人。其次，登记册包含大量有关个人的信息，使我们能够研究工人劳动力市场历史、收入、财富、教育和人口统计数据的异质性。

1.1 职业

我们利用 Eloundou 等人的专家评估来确定接触 ChatGPT 的职业。( 1 )。我们使用他们的“直接接触 (E1)”指标，该指标询问访问 ChatGPT 是否可以将普通工人以相同质量完成任务所需的时间减半。SI附录第 1.A.1 节描述了该指标，我们在本文中将其称为“生产力”。

Eloundou 等人 ( 1 ) 结合使用人工评估和 GPT 提示，对 O*NET 数据库中详细工作活动 (DWA) 中 ChatGPT 的时间效率进行分类。我们复制了 Eloundou 等人 ( 1 ) 的 GPT 评级，并进行了微调，以对 ONET 中最详细的工作职责进行分类。

我们纳入了所有符合以下条件的职业：i) 至少有一项工作任务与 ChatGPT 接触；ii) 由一组定义明确的 ISCO 代码捕获；iii) 包含足够多的工人进行统计分析；详情请参阅SI 附录第 1.A.3 节。最终的职业列表包括会计师、客户支持专家、财务顾问、人力资源专业人士、IT 支持专家、记者、法律专业人士、营销专业人士、办公室文员、软件开发人员和教师。

我们在调查中为每种职业列出了六项代表性工作任务。SI附录第 1.A.4 节详细介绍了我们的选择算法，SI 附录第 6 节列出了每种职业最终的工作任务。

1.2 调查

我们的调查重点关注员工在工作任务中对 ChatGPT 的使用和看法。调查包括一项实验，告知员工专家对其工作任务中 ChatGPT 的评估，并进行后续跟进，以了解治疗效果是否持续。SI附录第 1.B 节描述了调查的各个部分，SI 附录第 8 节列出了完整的问卷。

1.2.1 样本

我们邀请了 11 个受调查职业的 10 万名工人在 2023 年 11 月至 2024 年 1 月期间参与我们的调查，并在工人初步回应后的两周内进行跟踪调查。SI附录第 7 节中的邀请函告知了受邀者有关数据处理的信息，并在参与调查前征求了他们的同意。我们在 AEA-RCT-R-0012527 上预先注册了我们的调查和实验，并获得了哥本哈根大学的 IRB 批准。

主要调查获得了约 18,000 份有效且完整的回复，我们将这些回复用于主要分析。SI附录第 1.C 节描述了我们的回复率。

我们对调查回复的代表性和质量进行了多次检查。在SI 附录第 1.C.1 节中，我们首先确保样本在可观察指标上代表总体，包括年龄、性别、经验、收入和财富。其次，根据参考文献 7 ，我们使用随机参与激励措施来表明我们的研究结果在控制工人参与调查的潜在意愿方面也具有稳健性。

在SI 附录第 1.C.2 节中，我们交叉检查了调查结果是否与行政登记册中记录的变量相符，包括工人的职业和经验。此外，我们还表明，主要调查和后续调查中的重复测量具有很强的相关性。

02 采用 ChatGPT

2.1 跨职业采用

图 1展示了我们 11 个职业对 ChatGPT 的采用情况，其中面板 ( A )报告了工人是否曾经使用过它，面板 ( B )报告了他们在过去 2 周内的使用情况。

图1丨按职业和性别划分的 ChatGPT 采用情况。该图显示了不同职业中 ChatGPT 的采用情况，按男性 (M) 和女性 (F) 工人划分。面板 ( A ) 绘制了使用 ChatGPT 完成核心工作任务、使用 ChatGPT 进行工作、使用过 ChatGPT 和了解 ChatGPT 的工人比例。面板 ( B ) 显示了工人在过去两周内对 ChatGPT 的使用情况，报告他们是否拥有 ChatGPT 的有效 Plus 订阅、是否使用 ChatGPT 完成核心工作任务、是否使用 ChatGPT 进行工作以及是否使用 ChatGPT。“核心任务”对工人的工作“非常重要”或“极其重要”。示例：该图基于所有已完成的调查回复。

ChatGPT 在受影响的职业中广泛存在。超过一半的工人使用过它，41% 的人在工作中使用它，21% 的人在核心工作任务中使用过它。†几乎所有工人都知道 ChatGPT。

不同职业的采用率有所不同，其中营销专家和记者（写作必不可少）的采用率最高，约为 64%。‡处理敏感信息的职业（例如财务顾问和会计师）的采用率最低，约为 18%。

并非所有曾经使用过 ChatGPT 的员工都仍在积极使用它。在过去的两周内，34% 的人使用过它，29% 的人用它来工作，16% 的人用它来完成核心任务，7% 的人拥有有效的 Plus 订阅。

2.2 职业范围内的采用

表 1深入研究了受影响的职业，并询问使用 ChatGPT 工作的员工有何特征。

表1丨该表比较了不同职业的从业者，并询问那些使用 ChatGPT 工作的人的特点。第 (1) 至 (5) 列表示单变量回归，控制了职业固定效应。第 (6) 列报告了多元回归的估计值，该回归也控制了职业固定效应。第 (7) 列添加了工作场所和任务重要性 FE。括号中为 SE。所有特征均基于 2022 年的登记变量。经验是从事相关职业的年限。收入是总劳动收入。净财富是实际资产、金融资产和养老金储蓄的总和减去优先债务、其他私人债务和公共债务的总和，在第 5 和第 95 个百分位数处进行缩尾处理。样本：该表基于所有可链接到注册表数据的完整调查答复。

现有研究表明，专业知识较少的工人从 ChatGPT 和其他生成式 AI 中获益最多（2、3 ）。与此观点一致，我们发现年轻和经验不足的工人更有可能使用 ChatGPT。具体来说，年龄和相关职业经验每增加一年，使用 ChatGPT 进行工作的可能性就会降低 0.7 和 0.6 个百分点。

然而，尽管任期较短，但在 ChatGPT 出现之前，使用 ChatGPT 的工人的收入略高，这反映出能力更强的工人更有可能使用 ChatGPT。§这些采用模式表明，能力较差的工人可能需要进一步的帮助才能获得生成式人工智能的好处。比较第 (6 )列中的条件相关性表明，通过让工人年轻 15 岁、经验不足 17 岁，或者将其收入提高 122%，可以将 ChatGPT 使用率提高 10 个百分点。

表 1的最后一行记录了 ChatGPT 采用方面惊人的性别差距：女性使用 ChatGPT 的可能性比同一职业的男性低约 16 个百分点。图 1显示，性别差距在各个职业中普遍存在，SI 附录第 2.C.2 节显示，这种差距适用于各种采用措施。

如何解释 ChatGPT 使用方面的巨大性别差异？首先，控制第 (6) 栏中工人的其他特征，性别差距仅略微缩小至 14 个百分点。其次，比较同一工作场所内的员工并控制第 (7) 栏中工人的详细任务组合，性别差距缩小至 12 个百分点。换句话说，女性工人使用 ChatGPT 较少的主要原因并不是因为她们专注于不同的工作任务或具有其他可观察到的特征。在下面的第4.4节中，我们将研究工人的信念或采用障碍是否导致了 ChatGPT 使用方面的性别差距。

03 关于 ChatGPT 的信念

表 2研究了工人预期 ChatGPT 将如何影响他们的工作任务。‖第 (1) 列显示，工人认为 ChatGPT 在他们的职业中具有巨大的生产力潜力，估计它可以将普通工人约 37% 的工作任务的工作时间缩短一半。

表2丨下表显示了男性和女性员工对 ChatGPT 的看法（平均值，括号中为 SD）。第 (1) 列报告了使用 ChatGPT 可以将普通员工的工作时间减半的工作任务份额。第 (2) 列显示了员工对其生产力评估（非常）不确定的任务份额[来自第 (1) 列]。第 (3) 至 (5) 列显示了 ChatGPT 分别为具有更多任务专业知识的员工节省更少、相似和更多的时间的工作任务份额。第 (6) 列显示了使用 ChatGPT 可以将员工自己的工作时间减半的工作任务份额。第 (7) 列显示了如果 ChatGPT 可以节省时间，则不会完成更多任务的员工份额。第 (8) 列是将完成更多任务但不会将更多工作时间用于该任务的员工份额。第 (9) 列是如果 ChatGPT 可以节省完成任务的时间，则将更多时间用于该任务的员工份额。示例：第 (1) 至 (5) 列基于所有已完成的调查回复。第 (6) 至 (9) 列重点关注对照组，因为这些调查问题位于治疗页面之后。

表 2 的第 (3) 至 (5) 列报告了员工对 ChatGPT 为在任务上更专业的员工节省的时间是否更少、相似或更多的看法。员工表示 ChatGPT 为具有更多任务专业知识的员工节省的时间更少而不是更多的可能性大约是前者的两倍 (38% vs. 20%)。这些模式与现有关于 ChatGPT 对生产力影响的研究一致 ( 2、10 ) ，表明员工了解技术可以替代人类的专业知识。

表 2的第 (6) 列显示了工人如何看待 ChatGPT 为他们节省的时间。工人对自己从 ChatGPT 中获得的生产力提升持略微怀疑的态度 [与第 (1) 列中的典型工人相比]，他们估计 ChatGPT 可以使他们在约 32% 的工作任务中将工作时间减半。SI附录第 3 节显示，工人将他们的专业水平（尤其是男性）和对正确性的担忧（尤其是女性）列为他们从 ChatGPT 中获得的收益低于普通工人的主要原因。

表 2 的第 (7) 至 (9) 列显示了员工预期 ChatGPT 将如何影响他们的任务产出和时间分配。令人惊讶的是，大约 37% 的员工报告说，如果 ChatGPT 可以节省完成任务的时间，他们就不会执行更多任务。相比之下，约 24% 的员工报告说，他们将把更多的工作时间投入到 ChatGPT 可以节省时间完成的任务上。**有限的跨任务替代表明，在短期内，在行业围绕新技术重新组织工作之前，ChatGPT 可能会导致工作任务之间的重新分配有限。††

最后，表 2显示，不同职业对 ChatGPT 的看法存在很大差异：工人估计的生产力份额的标准差约为 31 个百分点 [第 (1) 列]。此外，大多数工人对 ChatGPT 节省的时间 (非常) 不确定 [第 (2) 列]，女性对她们的评估尤其不确定。

04 信仰与实践

员工对 ChatGPT 的感知收益与他们使用该技术有何关系？首先，已经使用过 ChatGPT 的员工可能对其功能更了解。相反，对 ChatGPT 功能更乐观的员工可能更倾向于使用它。SI附录第 4 节探讨了员工对 ChatGPT 的使用与他们对它的信念之间的联系。我们在下面总结了关键要点。

4.1 先前的使用、信念和预期用途

SI 附录第 4.A 节显示，无论工人实际使用该工具的经验如何，他们都看到了 ChatGPT 巨大的生产力潜力，而实际使用过该工具的工人的估计生产力份额仅略高一些（32.6% 对 30.6%）。

目前尚未使用 ChatGPT 的员工也不打算继续使用它。例如，即使在这些“从未使用过”的人表示 ChatGPT 可以将他们的工作时间减半的任务中，也只有 3.3% 的人打算在未来 2 周内使用它。

更普遍地说，员工估计 ChatGPT 节省的时间对他们使用该工具的影响并不大。即使在之前使用过 ChatGPT 并估计它可以将工作时间减少一半的员工中，也只有 36.3% 的人打算使用它。

4.2 采用摩擦

SI 附录第 4.B 节探讨了为什么员工不打算使用 ChatGPT，尽管他们表示 ChatGPT 可能会让他们执行的任务的工作时间减少一半。最重要的原因与公司政策有关：42% 的员工报告称他们需要接受培训才能使用 ChatGPT，36% 的员工报告称雇主积极限制他们的使用。对在工作中变得多余或依赖技术的“生存恐惧”是最不重要的采用障碍，只有不到 9% 的员工报告称这些恐惧是不使用 ChatGPT 的原因，尽管它节省了时间。

采用过程中的摩擦有助于解释不同职业在使用 ChatGPT 方面的系统性差异（图 1）。例如，虽然 82% 的财务顾问报告说通过 ChatGPT 节省了大量时间，但他们在采用过程中遇到了摩擦，而只有 35% 的软件开发人员报告了同样的情况。相关的摩擦也因职业而异。处理敏感信息的职业（如财务顾问和法律专业人士）更有可能受到雇主限制。教师等不太依赖 IT 的职业报告说，他们需要接受培训才能使用 ChatGPT，而软件开发人员则不太担心这一点。客户服务代表避免使用 ChatGPT，因为他们担心被取代或对技术产生依赖。最后，在新闻和教学等以写作为核心能力的职业中，员工们抵制 ChatGPT，因为它会降低他们对工作的乐趣。

由于 ChatGPT 不需要特殊的技术培训，因此报告的培训需求似乎令人惊讶。部分表示需要培训可能反映出人们不愿意尝试，因为当关注实际尝试过该工具的员工时，摩擦减少了 28%。尽管如此，即使在使用过该工具并表示它可以将工作时间减半的员工中，也有 13% 的人表示，他们在工作中使用该工具之前需要接受培训。

最后，值得注意的是，所述的采用摩擦与工人的预期用途有关，而个人的意图往往未能体现在行为中（13）。事实上，虽然工人估计节省的时间与预期用途之间的相关性已经很弱，为 27%，但与他们之前实际用途的相关性甚至更低，为 19%。

4.3 信息处理

员工信念在采用 ChatGPT 中起着什么因果作用？为了评估这个问题，SI 附录第 4.C 节向一组随机参与者展示了专家对 ChatGPT 节省时间的评估。

信息处理成功改变了员工的信念，其效果在 2 周后的跟踪调查中持续存在。然而，尽管改变了信念，信息处理对员工对 ChatGPT 的预期使用效果不大，并且对他们在 2 周后实际使用该工具没有影响。

在我们的背景下，对采用的弱化影响与第4.2节中记录的摩擦一致，因为工人指出雇主的限制和培训的需要是他们不对转变的信念做出反应的原因。更一般地说，信息提供实验往往无法影响行为（14）。

4.4 性别差距

为什么采用 ChatGPT 的女性这么少？在图 2中，我们研究了员工信念和采用摩擦在推动 ChatGPT 使用中的性别差距方面所起的作用。

图2丨按性别划分的信念、预期用途和摩擦。该图显示了工人估计从 ChatGPT 中节省的时间、工具的预期用途以及工作任务中的采用摩擦之间的关系。这些数字按男性和女性工人分开。该图为每种职业分配了每种性别的统一权重，确保任何性别差异不会反映职业构成的差异。面板 ( A ) 显示了工人估计从 ChatGPT 在其工作任务中节省的时间（内圈）与他们打算在工作任务中（未来 2 周内）使用 ChatGPT 的计划（外圈）之间的关系。面板 ( B ) 显示了工人报告的不打算使用 ChatGPT 的原因，尽管他们表示它可以节省大量时间。该图重点关注工人期望在未来 2 周内执行的任务。被排除的工作任务（工人不期望执行）占男性（女性）工人报告的节省大量时间的任务的 19%（23%）。由于工人可能会报告多种摩擦原因，因此原因条的总和可能超过 100%。须代表 95% 的置信区间。示例：该数字基于对照组的所有已完成调查回复。

采用方面的性别差异并不反映平均信念的差异，因为女性对 ChatGPT 节省的时间的乐观程度与男性差不多 [面板 ( A ) 的内圈]。‡‡此外，女性对 ChatGPT 的使用在时间节省方面的适应性略优于男性 [面板 ( A )的外圈] 。

然而，女性更有可能面临采用方面的摩擦，特别是在培训方面。面板 ( B ) 显示了工人报告不打算使用 ChatGPT 的原因，尽管他们表示使用 ChatGPT 可能会使他们执行的工作任务的工作时间减半。这些工作任务分别占女性和男性工人报告节省大量时间的任务的 60% 和 53%。¶¶在受影响的工人中，45% 的女性报告说她们需要接受培训才能使用 ChatGPT。相比之下，男性的使用往往受到雇主限制和数据保密的限制。（SI 附录，第 3 节显示，女性也更有可能说她们“不知道如何”使用 ChatGPT，这是她们从中获得的收益较低的原因。）， [Carvajal 等人（15）在对挪威 514 名大学生的调查实验中发现了类似的性别差距。特别是，他们记录了女学生使用 ChatGPT 的次数要少得多，她们在编写 ChatGPT 提示方面不太熟练，并且对禁止使用 ChatGPT 的禁令更为敏感。]

最后，采用方面的性别差异并不反映女性的信念对有关该技术的信息反应较弱。相反，SI 附录第 4.C.5 节显示，女性对信息处理的反应更强烈，但面临着阻碍她们采用的障碍。

05 结论

ChatGPT 的问世是技术史上的里程碑事件。推出一年后，ChatGPT 在相关职业中广泛使用，为用户节省了大量时间。本文记录了其采用的障碍如何加剧了现有的不平等现象，女性和低收入工人不太可能使用 ChatGPT。我们的研究结果基于一项与丹麦综合登记数据相关的大规模代表性调查。

到目前为止，该技术的快速普及是由工人开始使用这项技术的个人决定推动的，许多雇主扮演着被动或倒退的角色。展望未来，企业可以在促进生成式人工智能（如 ChatGPT）的进一步采用方面发挥关键作用。事实上，许多目前不使用 ChatGPT 的工人报告说，雇主正在限制他们的使用，或者他们需要接受培训才能使用它。因此，通过提供生产使用指南或促进员工培训，雇主可以帮助更多工人释放生成式人工智能的生产力潜力。

企业或政府采取积极主动的方式来推动生成式人工智能的进一步应用，也有助于缓解当前 ChatGPT 应用中的三个令人担忧的模式。首先，尽管生成式人工智能有可能缓解现有的不平等现象，但目前使用 ChatGPT 的工人在 ChatGPT 出现之前的收入略高。因此，缺乏专业知识的工人可能需要进一步的帮助才能从生成式人工智能中获益。

其次，我们的分析显示，在采用方面存在惊人的性别差距，女性使用 ChatGPT 的可能性要小得多。有计划地培训员工可能有助于解决这一性别差距，因为许多女性表示，她们需要接受培训才能使用 ChatGPT。

最后，许多工人表示，在 ChatGPT 提高生产力的任务中，他们不会扩大产出。然而，随着公司围绕 ChatGPT 等生成式人工智能重组工作流程，生产力的提高也可能带来更大的产出扩张，最终促进经济增长。

数据、材料与软件可获得性 

程序数据将在 Open Science Framework 上公开。数据本身无法共享。本研究使用了丹麦统计局研究服务器上的专有微观数据。有兴趣的研究人员可通过丹麦统计局研究服务部门申请数据访问：

https: //www.dst.dk/en/TilSalg/Forskningsservice/Dataadgang