GCRI · Yapay Zekâ ve Otonom Sistemler
Emek ve toplumsal etkiler
AI changes which tasks people do, how work is organised, which skills are valued and how information spreads. Effects differ by occupation, country, gender and age, and depend on how firms and governments choose to deploy it. This page sets out how AI affects work and society, how exposure and impacts are measured, and what evidence serves the labour ministries, employers, unions and educators involved.
Labour and social effects on the record.
Labour and social effects: how the risk develops.
Work, education, public trust and inclusion. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Tasks change before jobs do
AI automates or assists specific tasks within occupations. Jobs are reorganised around remaining tasks before they disappear or new ones form.
Exposure is uneven
Clerical and some professional tasks are highly exposed to generative AI, while manual and interpersonal work is less exposed. Women are over-represented in some highly exposed clerical jobs.
Skills and training lag
Workers need new skills to use AI well, and those displaced need retraining. Training sistemleri often respond more slowly than technology adoption.
Information ecosystems shift
Generated content, recommendation systems and synthetic media change how people find and judge information, with effects on trust and public debate.
How labour and social effects is modelled, measured and tested.
Model, varsayımları, verileri ve belirsizliği, bir bilim insanının veya mühendisin kontrol edeceği biçimde. Yapılar yayımlanmış yöntemleri izler. Çizilen değerler bulgu değil, açıklayıcıdır.
Sistem modeli
The couplings between the systems in labour and social effects: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
AI’s effects on work vary across domains.
- SağlıkBağlantıClinical and administrative tasks are exposed differently.What to watchTask exposure by occupation
- GıdaBağlantıAgricultural work is less exposed to generative AI than clerical work.What to watchExposure by sector
- EnerjiBağlantıGrid operations need new digital skills.What to watchBeceri açıkları
Labour studies are designed for the Üstel Teknoloji serisi. The ILO’s 2023 working paper estimates exposure, not job loss, and finds clerical work most exposed.
- Firm-level adoption studies.
- Worker surveys on task change.
Neyin ve ne kadar iyi ölçüldüğü.
Her gösterge birimini, sıklığını, ardındaki kaynak türünü ve bir değerin taşıyacağı kanıt etiketini taşır. Hiçbir değer gösterilmez: değerleri bir program kendi yetkisi altında sağlar.
| Gösterge | Birim | Sıklık | Kaynak türü | Etiket |
|---|---|---|---|---|
| Employment in occupations highly exposed to AI | percent of employment | değerlendirme başına | Exposure studies using occupational data | TAHMİNİ |
| Firms using AI | percent of firms | yıllık | Business surveys | BİLDİRİLMİŞ |
| Workers using AI tools at work | percent of workers | per survey | Labour force and worker surveys | BİLDİRİLMİŞ |
| AI-related job postings | share of postings | aylık | Online job posting data | GÖZLENEN |
| Participation in AI skills training | percent of workforce | yıllık | Training surveys | BİLDİRİLMİŞ |
| Wage changes in exposed occupations | percent change | yıllık | Wage statistics | Yayımlanmış istatistikler |
Kanıtın nereden geldiği.
Her biri lisans sınıfıyla birlikte, adı belirtilmiş kamuya açık veri kümeleri ve kurumsal kayıtlar. Anlaşmaya dayalı kaynaklar yalnızca koşullarına göre kullanılır ve asla yeniden yayımlanmaz.
| Kaynak | Sağladıkları | Lisans sınıfı |
|---|---|---|
| ILO studies on generative AI exposure of occupations | Occupational exposure estimates by country and gender | Public, ILO terms |
| OECD Employment Outlook and AI in work studies | Evidence on AI adoption and labour effects | Public, OECD terms |
| Eurostat ICT usage in enterprises survey | Share of enterprises using AI | Open, Eurostat reuse policy |
| Online job posting data such as Lightcast summaries | Demand for AI skills | Commercial; public summaries (to check) |
| Stanford AI Index | Compiled indicators on AI adoption, investment and labour | Public, licence to check |
Kim karar verir ve kanıt neye hizmet eder.
Yapay Zekâ ve Otonom Sistem prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Kim karar verir | Soru | Bu sayfanın hizmet ettiği kanıt |
|---|---|---|
| Labour ministries | Which workers and sectors need transition support | Exposure analyses; adoption tracking |
| Employers and unions | How to introduce AI at work and share its gains | Adoption and wage evidence |
| Eğitim and training bodies | Which skills to teach and to whom | Skills demand evidence |
Bu konunun ürettiği çıktılar
- Occupational exposure analyses by sector, gender and region
- Adoption tracking from business and worker surveys
- Evaluation designs for AI training programmes
- Evidence notes for social dialogue on AI at work
What researchers ask about social effects.
- Which tasks can current AI perform well, and how does that map onto occupations?
- Does AI substitute for workers, complement them or change what their jobs consist of?
- How does AI change learning and assessment in education?
- How do errors, opacity and misuse affect trust, and who is excluded?
Tasks, not jobs.
Jobs are bundles of tasks. AI tends to automate or assist specific tasks, such as drafting, summarising, coding or classifying images, which changes the content of jobs rather than simply removing them. Whether that raises productivity and wages or displaces workers depends on how organisations redesign work and how gains are shared.
In education, AI can personalise support but also undermine assessment and the learning that comes from effort. Trust depends on experience: visible errors, unexplained decisions and synthetic content erode it, while accountable use can build it. People with limited digital access, skills or language support risk exclusion.
Evidence on social effects.
- 01
Task exposure analysis
Mapping AI capabilities onto occupational task data. Exposure is not the same as displacement.
- 02
Field and natural experiments
Studying workplaces and classrooms that adopt AI, using sosyal ve davranış bilimi. Early studies may not generalise.
- 03
Surveys of trust and use
Measuring how people use and perceive AI. Attitudes change quickly and vary by context.
- 04
Yetenek değerlendirmesi
Linking what sistemleri can actually do, from Yapay zekâ değerlendirme ve güvence mühendisliği, to claims about social effects.
Nasıl incelendiği ve yöntemlerin söyleyemeyecekleri.
- 01Sosyal ve davranış bilimleriİnsan gözetimi çalışmaları · Etkilenen topluluk araştırması · İşyerinde benimseme çalışmalarıBurada uygulanır
- 02Olasılık ve istatistikKıyaslama puanlarındaki belirsizlik · Kalibrasyon değerlendirmesi · Denetim örneklemesiBurada uygulanır
- 03Yapay zekâ ve makine öğrenmesiDağılım kayması analizi · Belirli bir kullanım için ince ayar · Yorumlanabilirlik yöntemleriBurada uygulanır
- 04Robotik ve otomasyonSenaryo tabanlı test · İşbirlikçi robot güvenliği · Çalışma alanı izlemeBurada uygulanır
Where this page’s references lead.
Bu sayfanın karşılaştırıldığı kuruluşlar ve belgeler. Durumlar ve sürümler değişir; her bağlantı yayımlayan kuruluşa gider.
Sorular ve yanıtlar.
Will AI take jobs?
What is occupational exposure to AI?
Who is most exposed to generative AI?
Will AI cause mass unemployment?
Which workers are most exposed?
How does this topic relate to Future of Work and Skills?
Does the platform advise employers?
Bu sayfadan kanıt katkısında bulunun.
Raporlar is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-postaGW-GCRI geçidiBu sayfadan gönderinKanıt, bir düzeltme, bir vaka, bir yöntem, bir inceleme, bir çeviri veya profil girdisi. Bu sayfayla etiketlenmiş olarak gelir; böylece sayfanın sahibi editör onu alır.
- ZenodoAçık depoDepolayın ve topluluğa gönderinKendi kaydınızı ORCID iD'nizle Zenodo'da yayımlayın, ardından orada Reports topluluğuna gönderin. Küratörler inceler; DOI sizde kalır.
- RaporlarGCRIKatkıda bulunmanın tüm yollarını görünKatkı türleri, her birinin nasıl incelendiği, alacağınız atıf, lisans ve asla kabul edilmeyenler.
Hiçbir zaman kişisel veri, hassas altyapı ayrıntısı veya paylaşma hakkınız olmayan hiçbir şey göndermeyin. Bir katkı kullanılmadan önce incelenir. Katkıyı göndermek yazarlık veya editoryal hak sağlamaz ve sponsorluk hiçbir zaman bir bulgu satın almaz.
Bir yöntem, bir veri seti ya da bir soru getirin.
Bilgi ve başvurular bugün açıktır. Bir başvuru bir referans numarası alır ve bir sonraki adımı belirtir; başvurular, ödemeler, işlem kapasitesi tahsisleri ve kayıtlar yalnızca ekipleri, koşulları ve inceleme kapasiteleri mevcut olduğunda açılır.
Hukuki belgeler.
Bu sitedeki haritalar, veriler ve şekiller bağlam ve genel bilgi amacıyla gösterilir. Tavsiye, tahmin ya da uyarı değildir; bilgilerin sınırları Sorumluluk Reddi ve Veri Bildirimleri'nde açıklanmıştır.