Gi arbeidstakere innsikt om lønn

Lønnsinformasjon former viktige beslutninger: hvilke jobber folk søker på, om de forhandler, og om en bestemt karrierevei er verdt å satse på. Men i motsetning til prisen på de fleste varer, er prisen på arbeidskraft ofte vanskelig å finne og vanskelig å tolke—særlig for arbeidstakere som er tidlig i karrieren, bytter felt eller flytter.

KI er en ny type ressurs i arbeidsmarkedet. I stedet for å kreve at en arbeidstaker søker på tvers av flere nettsteder, tolker spredte lønnssider eller stiller et sosialt risikabelt spørsmål, kan en modell syntetisere lønnsinformasjon og returnere en referanseverdi på sekunder. Arbeidstakere bruker allerede ChatGPT på denne måten og sender nesten 3 million meldinger per dag, i gjennomsnitt i USA, der de spør om lønn, kompensasjon eller inntekt.

Vår nyeste forskningsrapport ser nærmere på hvordan amerikanere bruker ChatGPT for å tette informasjonsgapet om lønn. De bruker oftest ChatGPT til to typer hjelp: å gjøre lønn om til et brukbart referansenivå, og å forstå hva en rolle, et selskap, en karrierevei eller en forretningsidé realistisk sett kan lønne. Blant meldinger som er merket som benchmarking av lønn, utgjør lønnsberegning 26 % av spørsmålene, etterfulgt av en spesifikk rolle (19 %), entreprenørskap (18 %), en spesifikk rolle i et selskap (11 %) og spørsmål om yrke eller karriere (11 %). Vi fastslo dette gjennom en personvernbevarende analyse som bruker automatiserte klassifikatorer, og som aldri innebærer at noen ser på enkeltmeldinger.

Mønsteret i disse spørsmålene er viktig. Yrkesrelaterte lønnssøk er konsentrert i fagområder som kunst, design, underholdning, sport og media; ledelse; helsetjenester; transport; salg; og forretnings- og finansielle operasjoner. Når det gjelder sysselsetting, overindekserer lønnssøk i yrker med høyere kompetansekrav og mindre åpenhet, som kreative fag, ledelse, helsesektoren og data- og matematiske roller, noe som tyder på at etterspørselen er sterkest der lønn er vanskeligere å sammenligne, mer forhandlingsbar eller viktigere for karrieremobilitet. Vi ser et lignende mønster i spørsmål knyttet til entreprenørskap, som er konsentrert i kreativt arbeid og små tjenestebedrifter—områder der det ofte ikke finnes noen offentliggjort referanselønn.

På tvers av bransjer øker lønnssøket der lønnen er mer spredt og lønningene er høyere. Med andre ord ser det ut til at arbeidstakere i størst grad søker etter informasjon om lønn når det er viktigere å få riktig svar og når lønn er vanskeligere å lese. Derfor er dette viktig utover bare lønnsoppslag. Misforståelser om potensielle inntekter kan holde arbeidere i lavtlønnede jobber, svekke forhandlingsstyrken, forsinke karriereskifter eller motvirke investering i utdanning og opplæring. Bedre informasjon kan ikke eliminere usikkerhet, men det kan gjøre det enklere å danne seg et rimelig bilde av hva arbeid betaler seg og dermed hjelpe folk med å ta bedre beslutninger.

For å bedre forstå hvordan modellene våre hjelper arbeidere, introduserer rapporten også WorkerBench, en ny satsing for å evaluere ChatGPT på arbeidsmarkedsoppgaver som er verdifulle for arbeidere. I denne første referansemålingen evaluerte vi GPT‑5.4 opp mot 2024 OEWS medianlønninger på nasjonalt yrkesnivå og metronivå. I det observerte utvalget er modellen svært nøyaktig: dekningen er høy, skjevheten er liten, og nesten alle numeriske estimater ligger svært nær referanseverdien.

Lønnsinformasjon er økonomisk viktig, men ofte vanskelig eller sensitiv å innhente. Arbeidstakere bruker allerede ChatGPT for å navigere i det problemet, særlig i de delene av arbeidsmarkedet der usikkerheten er størst og innsatsen er mest meningsfull. Målet vårt er å fortsette å forbedre hvor nyttig og pålitelig denne hjelpen kan være – ved å gå utover nasjonale referansepunkter og heller se på spørsmålene om geografi, selskap, nivå og kompensasjon som arbeidstakere faktisk stiller hver dag.