Anthropic công bố báo cáo đánh giá hiệu quả các chương trình đào tạo lại lao động trước làn sóng AI

Chúng tôi xin chia sẻ một bài đánh giá về các bằng chứng liên quan đến những chương trình đào tạo lại người lao động, được đồng tác giả bởi nhà nghiên cứu độc lập David Roodman và Maxim Massenkoff từ Anthropic.

Đào tạo lại người lao động là lựa chọn chính sách phổ biến nhất để giảm thiểu sự gián đoạn thị trường lao động do AI gây ra. Trong báo cáo này, các tác giả đã điều tra xem liệu những chương trình này có hiệu quả hay không khi đối mặt với sự gián đoạn đáng kể trên thị trường lao động.

Bài đánh giá này là một phần trong công việc của nhóm Nghiên cứu Kinh tế của chúng tôi về tác động của AI đối với nền kinh tế. Chỉ số Kinh tế (Economic Index) của chúng tôi theo dõi cách AI đang được sử dụng trong các ngành nghề và lĩnh vực khác nhau. Đầu năm nay, chúng tôi đã công bố một khuôn khổ để đo lường tác động của AI đối với thị trường lao động và xác định những công việc có khả năng bị ảnh hưởng cao nhất. Khuôn khổ Chính sách Kinh tế (Economic Policy Framework) của chúng tôi đề ra các phản ứng chính sách khả thi, bao gồm đào tạo lại người lao động, trên nhiều kịch bản khác nhau. Chúng tôi muốn hiểu rõ các bằng chứng đằng sau mỗi phản ứng chính sách này.

Bài đánh giá dựa trên 56 nghiên cứu ngẫu nhiên tại Hoa Kỳ, được tổng hợp trong một phân tích tổng hợp (meta-analysis) mới, cùng với các bằng chứng thực nghiệm từ châu Âu. Trung bình, các chương trình đào tạo việc làm mang lại kết quả tích cực nhưng khiêm tốn: với mỗi người được cung cấp một suất đào tạo, tỷ lệ việc làm tăng từ hai đến ba điểm phần trăm và thu nhập tăng khoảng 1.000 USD mỗi năm, trong khi chi phí bỏ ra là khoảng 13.000 USD. Nếu tính cả nguồn thu thuế tăng thêm và việc giảm các khoản chi trả phúc lợi, chính phủ thu hồi được hơn một nửa số tiền đã chi, và nhìn chung các chương trình này đạt mức hòa vốn.

Một nhóm nhỏ các "chương trình theo ngành" (sector programs) — những chương trình hợp tác với các nhà tuyển dụng trong các ngành có nhu cầu cao và đưa người lao động trực tiếp vào làm việc trong lĩnh vực đó — mang lại lợi ích lớn gấp nhiều lần. Tuy nhiên, các nỗ lực nhân rộng những chương trình này thường thất bại. Các tác giả kết luận rằng nếu AI thay thế người lao động trên quy mô lớn, các chương trình đào tạo lại hiện có có thể sẽ không đáp ứng được yêu cầu.

Khuyến nghị trọng tâm của họ là cần đầu tư ngay vào việc thử nghiệm, đánh giá và mở rộng các chương trình hứa hẹn nhất, bao gồm cả nỗ lực mở rộng nhanh chóng một chương trình hàng đầu cho một nhóm người lao động cụ thể và đo lường kết quả một cách nghiêm ngặt. Quỹ Nghiên cứu Tương lai Kinh tế (Economic Futures Research Fund) của chúng tôi được thiết kế để tài trợ cho các cuộc điều tra về những vấn đề như thế này.

Nội dung liên quan

Tìm hiểu thêm về khả năng toán học của Claude

Một phiên bản nghiên cứu chưa được phát hành của Claude đã đạt được những bước tiến trong một bài toán liên quan đến giả thuyết Riemann. Nó đã cải thiện cận dưới lâu nay về tỷ lệ các nghiệm của hàm zeta Riemann thỏa mãn giả thuyết này, tăng từ 41,6% lên 67,2%.

Đọc thêm

Khám phá các lỗ hổng mật mã với Claude

các thuật toán mật mã. Cuộc tấn công đầu tiên làm suy yếu đáng kể HAWK, một lược đồ chữ ký số được xây dựng cho một thế giới tương lai nơi máy tính lượng tử có khả năng phá vỡ các tiêu chuẩn hiện tại. Cuộc tấn công thứ hai xác định một cách thức mới để tấn công AES giảm vòng (round-reduced AES), loại mật mã đối xứng được sử dụng rộng rãi nhất.

Đọc thêm

Dự án Pilot: Liệu AI có thể điều khiển máy bay không người lái?

Hợp tác với Andon Labs, chúng tôi đã phát triển một loạt các đánh giá mới nhằm kiểm tra khả năng sử dụng máy bay không người lái của các mô hình AI, đỉnh điểm là một tiêu chuẩn đo lường mới: Drone-Bench.

Đọc thêm