ChatGPT对美国劳动力市场信息不对称的冲击

美国人每天向 ChatGPT 发送近 300 万条信息，以缩小薪酬信息差。

薪酬信息影响着重大决策：申请哪些职位、是否进行薪酬谈判，以及特定的职业道路是否值得追求。但与大多数市场不同，劳动力市场往往难以获取且不易解读 — 对于职场新人、转行者或跨地区流动的人士而言，情况尤为如此。

综述：劳动力市场的“信息摩擦”

劳动力市场存在诸多信息摩擦。搜索信息成本高昂；询问薪酬可能在社交上显得尴尬或存在风险；非正式的人际网络使得工资信息分配不均。近期的薪酬透明化改革减少了部分摩擦，但这些改革在不同职业、公司和地区仍不完善且存在差异。其结果是，即使是稍微降低形成可信工资预期的成本，也可能对劳动者的福祉产生重要影响。

搜索成本是指任何使了解某份工作的薪酬或你在别处可能获得的收入变得困难的因素：时间、精力、缺乏透明度，甚至社交风险（例如，担心因询问而遭到报复或感到尴尬）。劳动者在获取准确的工资信息方面面临着相当高的搜索成本。例如，尽管近期信息有所增加，但仍有大量招聘广告未包含薪酬信息——薪资面议。

基于劳动力市场特性，产生了猎头或人力资源服务商的中介。OpenAI的这篇报告展示了美国人如何用AI来调查岗位薪酬信息，无需职场人士在多个网站搜寻、解读零散的工资页面或冒着社交风险去打探消息。美国职场人士已经开始以此种方式使用 ChatGPT，平均每天发送近 300 万条信息，咨询有关薪资、福利或收入的问题。

此外，即使某个职位有薪资信息，通常也不清楚市场薪资水平是多少，以及该薪资是否可协商。当工资“可协商”但无人明说时，劳动者面临一个额外的信息问题：“协商薪资可以吗？” 总的来说，薪资协商出奇地少见：只有三分之一的求职者会进行协商。一项大规模的实地实验表明，仅在招聘广告中说明薪资可协商，就会显著改变行为：它将申请中的性别差距减少了约 45%，并使启动协商的比例几乎增加了两倍。

当你急需一份工作时，你无法花费数周时间收集薪资情报或货比三家。因此，有证据表明，当劳动者更可能持有不准确的信念，并且在“压力之下”做出工作接受决策时，工资信息的搜索成本会产生更大的影响。

与职业相关的工资搜索在技能要求更高或透明度更低的领域更为普遍，而与创业相关的搜索则集中在创意工作和小型服务行业。

工资信息对弱势劳动者尤其有帮助。例如：专业网络较少的劳动者（新进入劳动力市场者、新移民、职业转换者、小型劳动力市场的从业者）获取工资信息的非正式渠道可能较少。这使得公共或基于平台的工资数据更具价值。

基于之前的开源情报分析，我们可以看到AI预期人力资源相关的暴露风险较高（7分，满分10分），目前观测到的暴露分数为（0.4，满分1），已经观测到AI替代该职业技能的最高程度较高（0.9，满分1）。

延伸思考：正如2028智能危机一文中提到的，人的精力有限，因此大数据杀熟成为可能，而AI Agent不会疲劳，可以真正的货比三家，实现没有中间商赚差价——从而引发对中介行业的冲击。

人们对潜在收入有准确的概念吗？

准确的潜在工资信息会影响关键决策：向何处申请工作、是否接受录用、是否协商薪资、是留在当前职业道路还是离开。

在求职过程的更早阶段，当劳动者权衡不同培训和教育的财务成本和时间投入与在特定领域可能的收入时，对未来收入的感知就至关重要。

许多劳动者常常对其它潜在工作或机会的薪酬缺乏准确了解，即使这些岗位与他们目前的工作类似且地理位置相近。研究人员还发现，人们倾向于以他们当前的收入为锚点。因此，他们很难估计如果换到另一家公司的类似岗位，他们的薪酬可能会高出多少。在他们的主要示例中，那些实际换工作后薪资变化约为 10% 的劳动者，仅根据当前薪资预期变化约为 1%。

甚至在人们进入劳动力市场之前，对收入的信念就很重要。在一项研究中，学生对教育回报的感知极低，尽管实际测得的教育回报很高，这表明对收入的不准确信念如何影响对技能的投资。同样的逻辑也体现在失业者决定哪些工作“值得接受”时。研究表明失业者愿意接受的最低工资，发现这些劳动者的保留工资每周仅下降 0.05%–0.14%，这表明在失业期间，工资预期的向下调整非常缓慢。如果劳动者对应该接受何种工资水平的内心判断出现偏差，他们可能会进行超出必要时间的求职，或者坚持等待不太可能出现的录用通知。