Pagbibigay sa mga manggagawa ng mga insight tungkol sa kompensasyon

Ang impormasyon tungkol sa sahod ay humuhubog sa mahahalagang desisyon: kung anong mga trabaho ang inaaplayan ng mga tao, kung makikipagnegosasyon sila, at kung sulit bang tahakin ang isang partikular na landas ng karera. Pero di tulad ng presyo ng karamihan sa mga produkto, ang presyo ng paggawa ay kadalasang mahirap hanapin at mahirap bigyang-kahulugan—lalo na para sa mga manggagawang nagsisimula pa lang sa mga karera nila, lumilipat ng larangan, o lumilipat ng lokasyon.

Ang AI ay isang bagong uri ng mapagkukunan sa labor-market. Sa halip na atasan ang isang manggagawa na maghanap sa maraming website, mag-interpret ng mga kalat-kalat na page tungkol sa sahod, o magtanong ng delikadong tanong na panlipunan, puwedeng i-synthesize ng isang modelo ang impormasyon sa sahod at magbalik ng benchmark sa loob ng ilang segundo. Ginagamit na ng mga manggagawa ang ChatGPT sa ganitong paraan, na nagpapadala ng halos 3 milyong mensahe kada araw, average sa US, na nagtatanong tungkol sa sahod, kompensasyon, o kita.

Sinusuri ng aming pinakabagong ulat sa pananaliksik kung paano ginagamit ng mga Amerikano ang ChatGPT para isara ang agwat sa impormasyon tungkol sa sahod. Kadalasan, pumupunta sila sa ChatGPT para sa dalawang uri ng tulong: gawing magagamit na benchmark ang sahod, at maunawaan kung magkano ang posibleng kitain sa totoong buhay sa isang posisyon, kumpanya, landas ng karera, o ideya sa negosyo. Sa mga may label na mensahe sa wage-benchmarking, ang pagkalkula ng sahod ay bumubuo ng 26% ng mga tanong, sinundan ng partikular na posisyon (19%), pagnenegosyo (18%), partikular na posisyon sa isang kumpanya (11%), at mga tanong tungkol sa trabaho o karera (11%). Natukoy namin ito sa pamamagitan ng pagsusuring nagpapanatili ng privacy na gumagamit ng mga automated na classifier at hindi kailanman kinasasangkutan ang isang taong tumitingin sa mga indibidwal na mensahe.

Mahalaga ang pattern ng mga tanong na iyon. Ang mga paghahanap ng sahod na nauugnay sa trabaho ay nakatuon sa mga larangan tulad ng sining, disenyo, entertainment, sports, at media; pamamahala; pangangalagang pangkalusugan; transportasyon; pagbebenta; at mga operasyon sa negosyo at pananalapi. Kaugnay ng employment, ang wage search ay nag-o-over index sa mga mas mataas ang skill at mas hindi transparent na mga trabaho gaya ng mga creative field, management, healthcare, at mga computer at mathematical na posisyon, na nagpapahiwatig na pinakamalakas ang demand kung saan mas mahirap i-benchmark ang sahod, mas nadadaan sa negosasyon, o mas mahalaga sa career mobility. Nakikita namin ang katulad na pattern sa mga tanong na may kinalaman sa entrepreneurship, na nakapokus sa malikhaing trabaho at maliliit na negosyong tungkol sa serbisyo—mga larangang kadalasan ay walang nakapost na benchmark ng sahod.

Sa iba't ibang industriya, tumataas ang paghahanap sa sahod kung saan mas nagkakaiba-iba ang bayad at kung saan mas mataas ang mga sahod. Sa madaling salita, tila mas naghahanap ang mga manggagawa ng impormasyon tungkol sa sahod kapag mas mahalaga ang pagkakaroon ng tamang sagot at kapag mas mahirap basahin ang sahod. Kaya naman mas mahalaga ito kaysa sa paghahanap lang ng sahod. Ang hindi pagkakaunawa sa mga posibleng kita ay maaaring magpanatili sa mga manggagawa sa mas mababang sahod na trabaho, magpahina sa kapangyarihan sa negosasyon, magpaudlot ng mga paglipat ng karera, o magpahina ng loob sa pamumuhunan sa edukasyon at pagsasanay. Hindi maaalis ng mas mahusay na impormasyon ang kawalan ng katiyakan, pero puwede nitong gawing mas madali ang pagbuo ng makatuwirang pananaw sa kung magkano ang bayad sa trabaho at sa gayon ay makatulong sa mga tao na gumawa ng mas mahusay na mga desisyon.

Para mas maunawaan kung paano nagsisilbi ang aming mga modelo sa mga manggagawa, ipinapakilala rin ng ulat ang WorkerBench, isang bagong pagsisikap para suriin ang ChatGPT sa mga gawain sa labor market na mahalaga sa mga manggagawa. Sa unang benchmark na ito, sinuri namin ang GPT‑5.4 laban sa mga median na sahod ng 2024 OEWS sa antas ng pambansang propesyon at metro. Sa naobserbahang sample, napakataas ng katumpakan ng modelo: mataas ang coverage, maliit ang bias, at halos lahat ng mga numerikong pagtatantiya ay napakalapit sa benchmark.

Ang impormasyon tungkol sa sahod ay mahalaga sa ekonomiya, pero kadalasan ay mahirap o sensitibong makuha. Ginagamit na ng mga manggagawa ang ChatGPT para harapin ang problemang iyon, lalo na sa mga bahagi ng labor market kung saan pinakamataas ang kawalang-katiyakan at kung saan pinakamakahulugan ang mga nakataya. Ang aming layunin ay patuloy na pagbutihin kung gaano kapaki-pakinabang at mapagkakatiwalaan ang tulong na iyon – lumalampas sa mga pambansang benchmark patungo sa mga tanong tungkol sa heograpiya, kumpanya, antas, at kompensasyon na aktuwal na itinatanong ng mga manggagawa araw-araw.