مجهز کردن کارکنان به بینشهایی درباره حقوق و مزایا
آمریکاییها هر روز نزدیک به ۳ میلیون پیام به ChatGPT میفرستند تا به آنها کمک کند شکاف اطلاعاتی دستمزد را پر کنند.
اطلاعات دستمزد بر تصمیمهای مهم اثر میگذارد: اینکه افراد برای چه شغلهایی درخواست میدهند، آیا مذاکره میکنند، و اینکه آیا دنبال کردن یک مسیر شغلی خاص ارزشش را دارد یا نه. اما برخلاف قیمتِ بیشتر کالاها، قیمتِ نیروی کار اغلب پیدا کردنش دشوار است و تفسیرش هم سخت است—بهویژه برای کارگرانی که در ابتدای مسیر شغلیشان هستند، حوزه عوض میکنند یا محل زندگیشان را تغییر میدهند.
هوش مصنوعی نوع جدیدی از منبع در بازار کار است. بهجای آنکه از یک کارگر خواسته شود در چندین وبسایت جستجو کند، صفحات پراکندهٔ حقوق را تفسیر کند، یا یک سؤال از نظر اجتماعی پرخطر بپرسد، یک مدل میتواند اطلاعات دستمزد را ترکیب کند و در عرض چند ثانیه یک معیار مرجع بازگرداند. کارگران همین حالا هم به این شکل از ChatGPT استفاده میکنند و به طور متوسط در آمریکا، روزانه نزدیک به ۳ میلیون پیام میفرستند و درباره دستمزد، جبران خدمات یا درآمد میپرسند.
جدیدترین گزارش پژوهشی ما بررسی میکند که آمریکاییها چگونه از ChatGPT برای پر کردن شکاف اطلاعاتی درباره دستمزد استفاده میکنند. آنها اغلب برای دو نوع کمک به ChatGPT مراجعه میکنند: تبدیل حقوق به یک معیار قابل استفاده، و فهمیدن اینکه یک نقش، شرکت، مسیر شغلی، یا ایده کسبوکار در واقعیت ممکن است چقدر درآمد داشته باشد. در میان پیامهای برچسبخوردهٔ مربوط به مقایسه و سنجش دستمزدها، محاسبهٔ حقوق (۲۶٪) از پرسشها را تشکیل میدهد. پس از آن نقش شغلی مشخص (۱۹٪)، کارآفرینی (۱۸٪)، نقش شغلی مشخص در یک شرکت (۱۱٪) و پرسشهای مربوط به شغل یا مسیر شغلی (۱۱٪) قرار دارند. ما این را از طریق تحلیلی مبتنی بر حفظ حریم خصوصی تعیین کردیم که از طبقهبندهای خودکار استفاده میکند و هرگز شامل مشاهده پیامهای فردی توسط انسان نمیشود.
الگوی آن پرسشها اهمیت دارد. جستوجوهای دستمزد مرتبط با شغل در حوزههایی مانند هنر، طراحی، سرگرمی، ورزش و رسانه؛ مدیریت؛ مراقبتهای بهداشتی؛ حملونقل؛ فروش؛ و عملیات کسبوکار و مالی متمرکز هستند. در مقایسه با اشتغال، جستوجوی دستمزد در مشاغل با مهارت بالاتر و کمتر شفاف—مانند حوزههای خلاق، مدیریت، مراقبتهای سلامت، و نقشهای رایانهای و ریاضی—بیش از حد انتظار دیده میشود؛ این موضوع نشان میدهد که تقاضا بیشترین میزان را در جایی دارد که سنجش و مقایسهٔ حقوق دشوارتر است، امکان مذاکره دربارهٔ آن بیشتر است، یا برای تحرک شغلی اهمیت بیشتری دارد. ما یک الگوی مشابه را در پرسشهای مرتبط با کارآفرینی میبینیم که در کارهای خلاقانه و کسبوکارهای خدماتی کوچک متمرکز هستند—حوزههایی که در آنها اغلب هیچ معیار دستمزدِ اعلامشدهای وجود ندارد.
در سراسر صنایع، جستجوی دستمزد در مواردی افزایش مییابد که پرداختها پراکندگی بیشتری دارند و دستمزدها بالاتر هستند. به عبارت دیگر، به نظر میرسد کارکنان زمانی بیش از همه به دنبال اطلاعات مربوط به حقوق میروند که درست دانستن پاسخ اهمیت بیشتری دارد و تشخیص یا برآورد میزان حقوق دشوارتر است. به همین دلیل است که این موضوع فراتر از صرفاً جستجوی دستمزد اهمیت دارد. برداشت نادرست از میزان درآمد بالقوه میتواند باعث شود کارکنان در شغلهای کمدرآمد باقی بمانند، قدرت چانهزنی آنها را تضعیف کند، جابهجایی شغلی را به تأخیر بیندازد یا آنها را از سرمایهگذاری در آموزش و مهارتآموزی منصرف کند. اطلاعات بهتر نمیتواند عدمقطعیت را از بین ببرد، اما میتواند شکلدادن به یک دیدگاه معقول دربارهٔ اینکه کار چقدر دستمزد دارد را آسانتر کند و در نتیجه به مردم کمک کند تصمیمهای بهتری بگیرند.
برای درک بهتر اینکه مدلهای ما چگونه به کارکنان خدمت میکنند، این گزارش همچنین WorkerBench را معرفی میکند؛ تلاشی جدید برای ارزیابی ChatGPT در انجام وظایف مربوط به بازار کار که برای کارکنان ارزشمند هستند. در این معیار سنجش نخست، ما GPT‑5.4 را در برابر دستمزدهای میانه OEWS در سال ۲۰۲۴ در سطح شغلهای ملی و کلانشهری ارزیابی کردیم. در نمونه مشاهدهشده، مدل بسیار دقیق است: پوششدهی بالا است، بایاس کوچک است، و تقریباً همه برآوردهای عددی بسیار نزدیک به معیار مرجع قرار میگیرند.
اطلاعات پرداخت از نظر اقتصادی مهم است، اما اغلب بهدست آوردن آن دشوار یا حساس است. کارگران همین حالا دارند از ChatGPT استفاده میکنند تا آن مشکل را مدیریت کنند، بهویژه در بخشهایی از بازار کار که عدمقطعیت بیشترین است و پیامدها معنادارترین هستند. هدف ما این است که همچنان به بهبود اینکه آن کمک تا چه حد میتواند مفید و قابلاعتماد باشد ادامه دهیم – و از بنچمارکهای ملی فراتر برویم و به سمت سوالات مربوط به جغرافیا، شرکت، سطح، و جبران خدمات حرکت کنیم که کارکنان هر روز واقعاً میپرسند.
