論文の概要: Displacement Is Endogenous: AI Workers in a Search-and-Matching Labor Market
- arxiv url: http://arxiv.org/abs/2610.14850v1
- Date: Sat, 10 Oct 2026 12:10:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 11:26:52.071579
- Title: Displacement Is Endogenous: AI Workers in a Search-and-Matching Labor Market
- Title（参考訳）: 異動は内在的:AI労働者は検索とマッチングの労働市場にいる
- Abstract要約: 人間の賃金の70%にAIが入ると失業率が4.1ポイント上昇する。
レイオフのマージンは失業した雇用の7.2を占め、5.0の雇用を減らしたが、ほとんどの解雇された労働者は再び仕事を見つける。
低価格のAIは企業を拡大させるため、より広い価格差は変位を減少させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We build a labor market in which AI systems enter as workers: they apply for jobs, pass screenings, get hired, and get dismissed, alongside humans. Firms post vacancies, workers search with friction, and product demand slopes downward. Across 30 seeded runs per configuration, AI entry at 70% of the human wage raises unemployment by 4.1 percentage points (95% CI 3.5 to 4.6) and leaves 12.2 fewer humans employed (CI 10.5 to 13.9). Layoffs dominate when AI is much cheaper than humans: the layoff margin accounts for 7.2 of the lost jobs and reduced hiring for 5.0, though most dismissed workers find work again. A wider price gap reduces displacement, because cheap AI makes firms expand: at price parity, with zero dismissals, the unemployment effect is largest at 9.2 points (CI 8.6 to 9.9), all of it through hiring. That parity result survives cutting AI applications from five per period to one. Demand elasticity decides how many workers AI displaces. Screening changes who gets hired and leaves the displacement total unchanged.
- Abstract（参考訳）: 私たちは、AIシステムが労働者として参入する労働市場を構築します。
企業は、空白、労働者の摩擦による捜索、製品需要の低下を後押ししている。
人間の賃金の70%のAIエントリーは、構成ごとに30回にわたって失業率を4.1ポイント(95% CI 3.5から4.6まで)引き上げ、12.2人(CI 10.5から13.9まで)を削減している。
レイオフはAIが人間よりもはるかに安い場合に支配的であり、レイオフのマージンは失った雇用の7.2を占め、5.0の雇用は減少するが、ほとんどの解雇された労働者は再び仕事を見つける。
安価なAIが企業を拡大させるため、より広い価格差はずれを減少させる: 価格対等で、解雇ゼロの場合、失業効果は9.2ポイント(CI 8.6から9.9)で、雇用を通じて最大である。
その結果、AIアプリケーションを5つから1つに減らすことができる。
需要弾力性は、労働者AIの配置数を決定する。
雇用されたり、変位が全く変わっていない変更をスクリーニングする。
関連論文リスト
- Explore, Execute, Evolve: A Skill Acquisition and Reuse Loop for Embodied Agents [73.9430604100137]
汎用マルチモーダルエージェントは、物理的世界をゼロから推論し、探索することで、高い実行コストを発生させる。
我々は,Explore, Execute, Evolveループを通じて,スキル獲得と再利用を結合するフレームワークであるRoboSkillを紹介した。
LIBERO-10では、RoboSkillは初回成功率を12.5-25.0ポイント改善し、平均実行時間を4エージェントで7.6-72.4%削減した。
論文 参考訳（メタデータ） (2026-09-29T15:25:43Z) - Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility [0.0]
企業が自律的なAIをデプロイするときは、システムに残すべき作業量と、労働者のエンゲージメントを維持するための作業量を決定する必要がある。
我々は、AIが機能する時に作業者より優れるが、正の確率で失敗する2周期モデルを開発した。
企業は、労働者のエンゲージメントを選択し、エンゲージメントは、ベンチマーク以下の労働者の現在のアウトプットを低くするが、学習と浸食によって将来のスキルを変える。
論文 参考訳（メタデータ） (2026-06-27T23:34:23Z) - Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts? [62.386835769570006]
本稿では,大規模言語モデルに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを検討する。
我々は、公共の談話が雇用の変化の先駆けとなる領域と時間枠を特定するために、4つの異なる分析的アプローチを採用している。
調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。
論文 参考訳（メタデータ） (2025-11-20T04:18:25Z) - A roadmap for AI in robotics [55.87087746398059]
AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。
この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
論文 参考訳（メタデータ） (2025-07-26T15:18:28Z) - Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce [45.348336032930845]
作業員がAIエージェントの自動化や強化を望んでいるかを評価するための新しい枠組みを導入する。
我々のフレームワークは、ニュアンスな労働者の欲求を捉えるために、オーディオ強化されたミニインタービューを備えている。
我々はWORKBankデータベースを構築し、1500のドメインワーカーの好みとAI専門家の能力評価を収集する。
論文 参考訳（メタデータ） (2025-06-06T23:05:52Z) - Exponential Shift: Humans Adapt to AI Economies [0.0]
人間は1時間に5000～20,000のトークン(情報の単位)を処理し、AIはそれをはるかに上回っている。
我々は、AI駆動経済への公平な移行を保証するために、4日間のワークウィークや再トレーニングのような6つの戦略を提案する。
論文 参考訳（メタデータ） (2025-04-11T04:43:53Z) - When Trust is Zero Sum: Automation Threat to Epistemic Agency [15.3187914835649]
労働者が仕事を維持している場合であっても、その内部の代理店は格段に格下げされる可能性がある。
人間の従業員と一緒に働くアルゴリズムを設計するなど、仕事の維持にフォーカスしたソリューションは、これらの害を和らげるだけである。
論文 参考訳（メタデータ） (2024-08-16T17:10:19Z) - Ten Hard Problems in Artificial Intelligence We Must Get Right [72.99597122935903]
AIの約束を阻止し、AIのリスクを引き起こすAI2050の「ハード問題」について検討する。
それぞれの問題について、その領域を概説し、最近の重要な作業を特定し、今後の方向性を提案する。
論文 参考訳（メタデータ） (2024-02-06T23:16:41Z) - AI exposure predicts unemployment risk [1.5101132008238312]
AI暴露のどのモデルが仕事の分離や失業リスクを予測するかを評価する。
個々のAI露出モデルは失業率、失業リスク、仕事分離率の予測にはならない。
我々の結果はまた、AI暴露を評価するための動的、文脈認識、検証された方法も求めている。
論文 参考訳（メタデータ） (2023-08-04T15:21:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。