创始人雅各布拥有丰富的职业经历，曾任 Nike 大中华区 CxO负责零售，供应链，数字化；LVMH affiliate Trendy Group CxO负责并购，品牌数字化转型；东方国际Lily女装CxO负责战略及数字化；微软合资公司CxO负责产品及解决方案构架；J&J和Eli Lily医药公司负责IT和Compliance。
AI 驱动变革的快速步伐表明，劳动力市场流失（员工从现有角色转移到新角色）可能会以更快的速度发生。这是劳动力市场充满了许多活力的标志，应该会刺激增长。然而，英国要升级其劳动力市场基础设施，以应对这种变化的速度，为了成功适应 AI，基础设施必须敏捷、响应迅速且动态。
建议 5：为员工创建一个早期意识和机会系统，以便他们就职业道路做出明智的决定。
正如我们已讨论过的，面对技术引起的劳动力市场变化，政府可以试图阻止这种变化并保护各种职业免受其影响。这样做会对经济造成损害，而且很可能是徒劳的。它也会让它寻求支持的人失望：我们的研究发现，蓝领工人更喜欢帮助为变革做准备，而不是试图阻止变革。
技术变革的故事并不新鲜：2018年60%[79]的岗位名称在 1940 年不存在，但是，AI 革命可能带来的变化速度需要新的响应速度，英国需要的是升级其劳动力市场基础设施。
自然，故事的一部分是支持充满了许多活力的劳动力市场的条件，让工人能轻松地在角色和公司之间流动，并能够将资源转移到需要的地方，这是 AI 工具可用于应对 AI 带来的挑战的领域。
对需要转行的员工的传统支持大多分布在在那些已受一定的影响的人——那些最近被裁员或有可能很快受一定的影响的人。但是，鉴于许多人可能对他们的角色可能会受到怎样的影响感到不确定，因此有充分的理由提出这种支持。有足够的数据提供有关 AI 对不同职业途径可能会产生的影响的高质量信息。
根据国际劳工组织的说法，[80]工人调整计划在预期流离失所之前开始时最成功。此外，我们的 AI 用户调查发现，员工（通常是白领）低估了他们被 AI 取代的风险，从而延迟了再培训等预防的方法的应用。
这在英国特别的重要，我们的分析表明，英国超过一半的私营部门任务暴露在某些特定的程度的人工智能自动化中，但大多数风险发生在高度互补的角色中，例如专业技术人员和管理人员（即，很少有角色可以完全被人工智能取代），这表明，如果英国及早采取行动以确保成功的劳动力转型，它可以对生产力产生重大影响。
因此，奖品似乎是巨大的。在设计新的劳动力市场基础设施时，可以从信贷行业汲取灵感。消费者已经从获得有关其信用评分的信息中受益，并且明白他们能够通过遵循信用机构的建议来影响他们未来获得融资的机会，这些机构已经认识到消费者个人数据的模式。
建立由工作和养老金部管理的早期意识和机会系统，该系统使用 AI 至少提前一年预测流离失所的风险。该系统将扩展现有 Jobcentre Plus 快速响应服务的范围和功能，[81]这是反应性的，基于冗余通知。相反，它将为公民提供一种新的公共服务，让他们按需检查他们个人化的流离失所风险。它还将为工人提供量身定制的信息，让他们有机会利用现有技能在当前途径中进行再培训和进步，或采用其他职业途径。
该系统将建立在来自多个来源的基础数据之上：1） 现有的英国宏观经济和微观经济数据（例如，来自转型劳动力调查、HMRC 公司纳税申报表和破产服务）；2） 来自人工智能采用前沿可比国家的国际劳动力市场数据；3） 关于整个英国经济中 AI 采用的新数据。后者可能部分来自公司文件中关于人工智能销量的私营部门数据，以及来自英国现有数字经济调查升级版的更正式调查数据。[82]关于英国企业如何使用信息和通信技术的年度调查。目标应该是提高这些数据的质量，更频繁地收集它们并更迅速地应用它们。
有了这些数据，该系统就可以为英国的每位工人创建个性化的风险和机会评估。将使用 O*NET 数据在任务级别分析职业，以评估对 AI 的脆弱性，然后使用英国的劳动力市场数据（使用与本报告中包含的分析类似的方法）推断到地区、部门和职业级别。该系统还将在获得许可的情况下，结合每个工人独特特征的数据，以确定工人应该在建立现有技能组合和劳动力需求增长的领域针对什么样的再培训课程和工作。
公民将通过数字界面自愿在线与早期意识和机会系统互动，在那里他们可以访问通用评估或通过输入额外数据或同意更精细的数据收集（网络抓取信息或从他们的数字 ID 访问教育记录）来选择自定义评估。这些个性化评估将标记影响工人风险状况的因素（例如，他们从事的行业和职业），提供定制的机会来降低该风险和/或过渡到机会更高的领域。个人还可以选择在风险评估发生变化时收到通知，就像美国信用评分系统的运作方式类似。
建议 6：让工人自动加入一个新的自愿 LIFESPAN 基金，以减轻失业冲击并为再就业工作提供资金。
即使支持培训未来的工人、提高现有劳动力的技能、支持公司的机会并帮助工人适应不断变化的劳动力市场，但随着工人发现自己在角色之间，即将到来的阶段可能仍会带来更高水平的摩擦。政府政策可以发挥作用，确保这不会导致进一步的不良结果，例如暂时的贫困、不可持续的信贷使用和住房不安全。
在经合组织国家中（OECD）英国的失业救济金水平第三低[83]（以失业 6 个月后以前收入的份额衡量）。失业救济金不仅低，而且有严格的资格标准，这意味着如果裁员，大多数工人就没有实质性的安全网。鉴于英国的财政状况紧张，这种情况不太可能很快改变。
此外，英国家庭的储蓄率较低，并且对应急基金的投资不足，这些资金可用于在冲击期间平滑收入。2022 年，英国家庭节省了约 2% 的费用[84]的可支配收入约为欧盟同行的三分之一。我们的 AI 用户调查表明，员工往往不知道 AI 如何潜在地改变他们的工作，以及成功转型所需的投资。
建立个人 LIFESPAN 基金——“适应需求的终身收入灵活性和就业储蓄计划”——为失业提供收入缓冲。与目前的养老金模式一样，工人自愿加入 LIFESPAN 基金，将固定比例的收入存入该基金。
可以激励工人储蓄，因为这样做可以节省税款，而且他们的雇主会匹配这些供款的一部分。与养老金不同，如果发生重大生活事件（裁员、育儿假、再培训），个人可以在达到退休年龄之前提取他们的 LIFESPAN 基金，他们暂时退出劳动力市场，任何在退休年龄未使用的资金将自动转入个人的养老金账户。
自动将工人注册到具有自愿退出功能的个人 LIFESPAN 账户中。这种对养老金的“助推”技术[85]固定缴款职业计划的成员增加了 10 倍。
一种两方缴款模式，即雇员至少缴纳雇主匹配的税前总工资的 1%。然后，员工可以选择将他们的供款补充到此水平以上，并且仍然可以从节税储蓄中受益，但无需雇主匹配。
提前提款津贴，在工人接受再培训或寻找新工作时提供重要的临时收入支持。当员工从就业过渡到失业时（例如，由于育儿假或由于裁员而自愿），他们将能够提取他们的 LIFESPAN 基金。这种提前提款功能将适用于工作至少两年的员工，届时他们最多可以提取上一年年收入的三分之二，最长可提取两年。此功能对于为员工争取时间并避免从事与他们的技能不匹配的工作的风险至关重要。任何提取的收入都将按通常的所得税税率征税——就像现在的养老金一样。
建议 7：改进英国的成人培训服务，使其更加个性化、更具成本效益，并旨在培养 AI 时代的需求技能。
在提醒工人就业市场可能发生的变化并帮助他们过渡之后，评估他们可用的培训供应似乎是明智的。因此，政府应该：
开发一套面向所有公民的认证免费在线课程（与开放大学合作），重点关注劳动力需求快速增长的经济部门的技能和资格。
通过对再培训成本的税收减免，激励高危行业的公司提供再培训机会。这确保了公司的积极参与，并为那些没有意识到其职业风险或不愿独立采取补救措施的员工提供额外的推动，我们的 AI 用户调查参与者支持此选项。
通过自动注册 LIFESPAN 基金（如上所述）来降低再培训的机会成本，并降低参与再培训的个人的生活成本，例如，鼓励私人银行为参加正规再培训的个人提供更宽松的抵押贷款还款假期。
扩大英国的学生贷款计划，使个人能够在一生中申请不止一笔贷款，前提是他们选择的课程与技能短缺的领域直接相关。更激进地说，政府应该探索是否允许 30 岁以上的职业中期工人以临时收入支持的形式提取他们的国家养老金，最长可达三年——由相应提高个人的国家养老金年龄或重返工作岗位后的边际税率支付。
使用早期意识和机会系统（如上所述）为面临裁员风险的员工提供再培训机会。这可以使用 AI 将需求技能（从在线招聘广告中网络抓取的技能）与现有的学术和职业课程相匹配，同一系统还将通知教育机构技能需求高的领域的培训差距。
与企业和学术界建立牢固的关系，以确保新的 AI 时代培训课程提供雇主重视的公认资格。这应该包括关注人与人之间的技能（如同理心和沟通）、人工智能互补技能（例如提示工程）和看似不受人工智能影响的技能（定制物理交易和个人服务）。相同的课程还可以包括 AI 能力证书，将在线教学与私营部门公司的免费实习相结合，旨在加快 AI 在整个经济中的采用。
为了确保不落后于较少使用数字技术或不太适应 AI 时代技术的群体，政府应该：
探索使用基于结果的融资模式，如社会影响力债券 （SIB），以鼓励厌恶技术的群体（尤其是年长的员工）提升技能。第三方投资者为 SIB 提供资金，只有在实现明确定义的社会成果（例如，提高老年工人的数字熟练度）的情况下（由政府）支付债券。[87]
调整学习设置以确保大多数人都能受益。这可能包括为某些群体提供更多的个人外展服务，或为角色离线的员工（如送货司机）提供更多的面对面会议。基于小组的学习能够最终靠创建学习社区来提高参与度和完成率。使用 AI 提供不同语言的成人培训也将扩大潜在的学习社区并提高可访问性。
通过这些培训，工人应该能够找到新的和更好的角色，但是，仍有工作要做，以确保将他们与合适的机会相匹配的过程尽可能高效。
一些欧洲政府已经指明了方向。例如，法国为求职者提供了一个名为 La Bonne Boîte 的公共平台，[88]它预测了未来六个月招聘概率高的公司；爱沙尼亚失业保险基金[89]使用 AI 来确定候选人的就业途径并确定找到工作的概率；人工智能也已在私营部门广泛使用以促进工作匹配——97% 的财富 500 强公司使用自动申请人跟踪系统来管理候选人。[90]尽管英国之前尝试建立工作匹配平台失败了，[91]这些成功的国际试点和技术进步表明，成功是可能的。在我们的 AI 用户调查中，蓝领工人强烈支持这种类型的服务。
政府应支持开发新的人工智能驱动的就业匹配平台，要么通过直接委托政府资助的服务，要么提供访问政府持有数据的方法，以增强私人构建的服务。该平台应将希望填补职位空缺的雇主与符合这些技能要求的新再培训工人相匹配，它将指导候选人完成整个招聘流程。该平台将提供：
职业指导：使用 AI 为个人提供定制建议，告知他们现有的技能如何转移到不同的职业以及他们潜在的专业发展轨迹。
申请协助：部署生成式 AI 工具来制作个性化的简历和求职信，这对于在招聘过程中通过自动决策系统过滤器尤为重要。该平台甚至可以通过适当的选择加入和同意协议，创建并自动提交工作申请，作为与失业救济金资格相关的求职活动证明。
工作匹配：使用机器学习技术[92]将职位描述中的技能与 CV 和个性化中的技能（例如，针对成功几率较高的职位的推荐引擎）进行映射。
社会关系：确定目标公司的志愿者、项目校友或招聘人员，候选人可以在面试过程中联系他们以获得指导，或者使用社交网络分析等工具作为他们新角色的职场伙伴。这将有助于缓解失业的结构性障碍，例如缺乏专业网络。
面试准备：提供面试准备工具，例如模拟行为面试、练习评估测试和推荐的阅读材料，这些将以各种媒体的形式提供，以确保可访问性（可以是年轻工人的聊天机器人或视障工人的音频辅助工具）。
谈判：通过展示薪资比较、提供谈判技巧、为候选人获得多个成功的录取通知书以及强调其他杠杆作用，协助收到录用通知的候选人进行工资和福利谈判。
AI 工具和应用程序已经被广泛用于改善员工福祉。新出现的证据表明，总的来说，人工智能似乎与更高的工作满意度有关，《评论员》（Commentators）[93]的作者表示，人工智能可以“帮助恢复因太多工人和工作而失去的质量、地位和能动性”。
然而，在某些情况下，人工智能也存在可能恶化工作质量的风险。[94]我们的 AI 用户调查强调了一些担忧，即员工将面临压力，要求员工达到不切实际的强度水平，以及监督员工所涉及的就业和招聘特定工具的潜在影响。
政府的作用应该是确保人工智能支持工人福利和组织生产力，同时将风险降至最低。鉴于最新一波人工智能技术仍处于起步阶段，政府面临的主要挑战之一是跟踪人工智能的采用情况，因此短期内的重点应包括生成更清晰图景的措施——分享最佳实践以加快采用并确定需要更牢固护栏的风险领域。
建议 9：通过调整转型劳动力调查 （TLFS） 来生成更好的工人福利数据，为监管和政策制定提供信息。
政府对人工智能对整个经济中的就业质量的程度和影响的信息很少。英国技能和就业调查[95]收集一些关于工作质量（工作强度、工作不安全感）的信息，但每 4 到 6 年才进行一次。
[96]调查），以及对于那些这样做的人，提出一系列问题，了解人工智能如何通过其在决策、健康和安全、工作强度、工人监控和工作乐趣方面的作用来影响工人福利。[97]
建议 10：成立 AI 相关工作场所披露工作组 （TAWD），分享与影响员工的 AI 工具相关的最佳雇主实践。
政府应该成立一个新的 AI 相关工作场所披露工作组，该工作组将遵循与成功的“气候相关财务信息披露工作组”（Taskforce on Climate-Related Financial Disclosures —TCFD）[99]类似的原则，该法案设计了一个披露框架并促进了雇主对这些披露的接受。
该计划将是自愿的，但会激励公司在合理的商业机密范围内披露信息（例如，在披露对新系统的重大投资之前，时间滞后可能是适当的），披露的关键领域应涵盖最佳实践和风险管理。我们鼓励雇主提供以下信息：
工人福利：它对工人的好处（例如改善健康和安全、减少招聘偏见、改善福利、减轻平凡和重复的任务），以帮助突出和分享最佳实践。
风险管理：该系统是否用于任何“高风险”或“高影响”的劳动力决策（招聘和解雇、纪律处分等），以及已经采取了哪些治理程序和流程来管理风险（例如，与招聘偏见或监控有关）。在大多数情况下，这将涉及披露雇主已经被期望收集的信息。例如，雇主需要为高风险数据处理进行影响评估（请参阅信息专员办公室 （Information Commissioner’s Office —ICO） 指南[100]），并鼓励在其网站上发布此内容（或保护商业敏感信息的摘要）。[101]
采用过程：该技术在工作场所的采用方式以及是否事先咨询了工人。多项国际研究表明，工人和管理人员之间的对话可以带来更好的绩效和更好的工作条件，包括在采用新技术时。[102]在我们的 AI 用户调查中，员工敬业度被视为确保经理和人力资源代表创新和负责任地采用的关键。披露此类信息将再次促进采用这些工具的最佳实践的共享。
该工作组还应发布关于披露活动的年度审查，本报告将重点介绍雇主的一些最佳实践。根据这一评估，该工作组可以为最透明的公司授予“透明的人工智能黄金标准”，这与雇主认可计划 （Employer Recognition Scheme —ERS） 金奖（Gold Awards）等类似的政府计划相呼应[103]。为了进一步鼓励人们接受信息披露，在招标政府合同时，还应将透明人工智能黄金标准用作积极标志，类似于伦敦的良好工作标准。[104]该工作组还可以利用从收养流程披露中学到的经验，并发布关于整合员工声音的最佳实践指南，指导文件中通常缺乏这些信息[105]与 AI 的采用有关。
建议 11：澄清并传播关于自动决策的指南，并在必要时动态调整其工人保护立法。
政府的首要任务应该是确保雇主理解并能够履行他们目前的法律责任，并在问题出现之前驾驭法律环境。
英国有大量立法，为工人在使用人工智能工具时提供与数据收集、处理和监控相关的保护措施。然而，该法律的某些方面很难遵循，而且相对未经测试或未知，这可能会导致意外或故意的不当行为，尤其是对于没有专门人力资源资源的中小企业。
例如，围绕自动决策的法律——与工作质量相关的关键关注领域之一——令人困惑。有一系列法律测试和警告很容易引起争议，这意味着存在不同程度的合规性，包括了解哪些工具属于立法范围。
首先，ICO 可能需要更多指导，以帮助阐明完全自动化决策的含义，以及应应用完全自动化决策的条件，还应创建更多的接触点来传播该指南。为此，AI 业务顾问机器人（建议 3）可以整合此指南，并充当人力资源同事，以提高雇主理解和履行法律规定的责任的能力。通过与专业机构合作，例如英国特许人事与发展协会 （CIPD） 的专业网络，可以创造更多的接触点。
如果这不起作用——并且 ICO 及其合作伙伴（包括 CIPD）在与雇主的互动中发现该法律仍然导致人们无法做出投资决策——政府应该考虑立法是否以及如何提供更大的清晰度。
另外，立法的范围也可能需要扩大。随着技术的快速发展以及对决策与 AI 之间界面的了解越来越多，法律需要跟上它们所带来风险的现实。因此，可能需要修改保护措施以及公司何时必须应用这些措施。例如，有一些新出现的证据表明，即使人类参与其中（已确定的保障措施之一），他们也可能重申自动决策，而无需适当审查这些条款。在一项研究中，人工监测员不太可能调整包含大错误的建议，因此无法作为紧急中断。[106]
建议 12：提高英国负责监管 AI 对工作场所影响的三个监管机构的执法能力，并建立其测试和认证监管技术 （regtech） 工具的能力，以帮助公司驾驭法律环境。
信息专员办公室（ICO），负责执行 UK 通用数据保护条例 （GDPR） 和 2018 年数据保护法的合规性，[108]与数据隐私和保护相关。
平等与人权委员会，负责执行 2010 年《平等法案》和 1998 年《人权法案》，涉及使用 AI 工具和自动决策中的歧视和偏见。
迄今为止，这些监管机构一直在通过艰苦挣扎[109]来构建应对 AI 时代的能力和能力。问题往往不在于这些机构的法律权力，而在于缺乏遵守和执行现有立法的资源。科学、创新和技术部最近拨款 1000 万英镑的有时限资金，以帮助监管机构解决这些缺口并创建必要的工具，但该小额基金由 90 个监管机构共享。[110]相反，政府应该资助一个项目，将三个跨部门工作相关的监管机构联合起来。该程序应具有两个功能：
鉴于 AI 技术的快速发展以及它们可能对未来工作产生的不确定影响，政府应该采取以场景为导向的方法来制定面向未来的 AI 政策，正如经济学家 Anton Korinek 所倡导的那样。[114]
除了实施上述“不遗憾”政策外，政府还应进行场景分析，以确定可能实现的替代未来范围、与每种场景相关的可能性和风险，以及决定哪种场景最终成为现实的关键驱动因素。
场景分析已经在政府内部进行，但需要给予更多的重视，并与应急计划相结合，应急计划是制定实用计划的政策准备工作，包括触发点，从今天的劳动力市场过渡到更激进的未来。
例如，正如约翰·梅纳德·凯恩斯 （John Maynard Keynes） 在 1930 年代所预测的那样，在人工智能继续快速发展并能够执行更高份额的员工任务的情况下，快速加速生产力增长可以缩短工作周。[115]然而，将社会过渡到更短的工作周并不是一件容易的事，特别是如果人工智能的影响在整个劳动力市场上感受不均衡（这是人工智能用户调查参与者的一个担忧）。政府必须考虑：1） 如何协调整个社会工作时间的转变，例如是鼓励所有公民每周工作相似的日期还是错开工作；2） 临界点可能在哪里，因为某些行业将比其他行业变化得更快；3） 工资水平应该如何调整，特别是对于自雇人士、兼职合同工或按小时计薪的人；4） 对公共部门劳动力采取什么方法。
以上只是未来潜在场景的一个例子。其他例子可能会发展到非常不同的领域。在每种情况下，探索场景的重点是了解哪些基本驱动因素可能导致它成为现实，政府可以采取什么行动来减轻不良后果，并确定什么样的政策组合适合世界不同国家。
AI 为未来的工作提供了巨大的可能性，为了利用这些，政府需要为未来做规划。
人工智能的影响已经在整个经济、社会和政治中感受到，主要是以微小的方式。在不久的将来的某个时候，人们对 AI 的情绪可能会发生更加怀疑的转变——评论员会环顾四周，看到一些流行的应用程序和一些或多或少令人印象深刻的变革，并询问它是否与承诺的革命相加。此时的诱惑是停下来等待，看看事情如何发展。
这将是制定政策的糟糕基础。即使无法完全了解工作场所 AI 将如何发展、谁会受到影响以及如何受到影响，我们也可以自信地预测变化马上就要来临。那些受影响的人将得到最好的政策，即充分利用新技术所提供的东西，并支持国家接受它。
即使我们在这个阶段的分析需要不断修订，而且其中一些可能很快就会过时，但有充分的理由采取本报告中概述的所有步骤。我们的方法是围绕使用 AI 提供给我们的工具来解决对其影响的担忧而构建的。利用技术来增强政府服务和政策制定的能力肯定是一件好事。
无论哪种方式，我们都清楚，试图阻止该技术并不能很好地满足对技术影响的担忧。支持技术、支持就业、支持经济的政策不仅是可能的，而且势在必行。我们希望本报告中的建议可以为此类政策指明方向。
已经有现实世界的证据表明，人工智能具有提高经济生产力的潜力。在一个快速发展的领域，人工智能影响的大部分证据目前仍是传闻，但尽管如此，这些个别故事为更多的发展指明了方向。例如，加利福尼亚州的公用事业公司太平洋天然气与电力公司利用人工智能创建了数百个低代码业务解决方案，每年可为公司节省 50 多万小时，每年可节省近 7500 万美元。在国内，瑞典金融科技公司 Klarna 创建了一个人工智能助理，处理从多语言客户查询到退款处理等任务。在推出的第一个月内，它就处理了 200 多万次对线 名全职代理，而且速度更快、更准确。预计到 2024 年，这将带来超过 4000 万美元的利润增长。非营利组织英国老龄协会（Age UK）建立了一个人工智能文本转语音工具，用于转录志愿者与老年人之间的通话，从而加快了安全审核，并将员工的时间从主动监控通线 次服务呼叫中，该工具节省了 9,500 个工时。
这包括行业研究（如高盛、麦肯锡公司）、学术研究（如麻省理工学院、牛津大学）、超级预测师的意见、多边报告（如经合组织、国际货币基金组织）、舆论文章和新闻媒体（包括《金融时报》、《经济学家》、《华尔街日报》）、政府来源（如英国教育部、美国国立卫生研究院）、商业调查（包括普华永道和 Gartner）、民间社会（如健康基金会、民主与技术中心）、行业案例研究（包括 OpenAI、Sparx Maths 和可汗学院），以及与高级人工智能和学术专家的多次讨论。我们的文献综述借鉴了埃里克-布林约尔松（Erik Brynjolfsson）、戴维-奥托（David Autor）和达龙-阿西莫格鲁（Daron Acemoglu）等世界知名经济学家和人工智能专家的研究成果。
我们在本项目中对人工智能的使用是一个范例，说明了人工智能如何既能节省时间，又能提高工作质量，因为它使作者能够采取比其他方法更精细的方法。
这与我们之前的工作（）中使用的类型相同。这种分类还可作为额外的稳健性测试，因为我们排除了 GPT-4 无法指定具体技术的有限任务中估计节省的时间，这表明该技术可能尚不存在。
本报告侧重于人工智能对私营部门的影响。有关对公共部门潜在影响的分析，请参阅我们的早期报告：。
当然，对这些职业的需求也有可能通过其他方式减少，其中可能涉及更高的自动化程度--例如，随着需要较少维修的电动摩托车的开发，对摩托车机械师的需求可能会下降，但是，这些进程已经进行了一段时间，虽然可能会加速，但对目前存在的这些职位进行概括仍然是合理的。
资料来源：TBI 对国家统计局劳动力调查数据的分析：TBI 对国家统计局劳动力调查数据的分析。
这种情况已经在实践中出现。例如，多伦多都会大学 (的一项研究报告指出，加拿大大公司（拥有 100 名以上员工的公司）的人工智能采用率为 20%，而小公司（拥有 5 至 19 名员工的公司）的采用率不到 3%。
我们假定生产率每提高 1%，劳动力需求就会增加 0.57%，滞后一年：Victoria Morén 和 Elias Wändal，《经济增长的就业弹性》，2019 年。
这不包括小企业使用定制人工智能系统节省的 7.2%的总劳动力时间，也不包括小企业使用人工智能高成本设备节省的 0.8%的时间。
就业率的增长是根据我们的报告《健康带来繁荣》中的就业率分析推断出来的：投资于英国预防性保健的宏观经济案例》中的就业率分析，与英国国家统计局的人口预测相吻合。
我们通过分析英国劳动力调查（UK Labour Force Survey）获得了这一估计值，该调查根据失业时间的长短对失业人员进行了细分。在我们的设想中，我们通过将两个相邻时间段（例如，少于 6 个月和 6-12 个月）之间的失业人数差值减少 10%来替代人工智能支持的就业匹配的影响--这在某种程度上预示着这些人会找到工作，就业水平也会相应提高。
人工智能用户调查包括来自四个主要经济部门的 16 名管理人员和工人，其中既有蓝领工人，也有白领工人。所有参与者都有在工作场所采用或使用人工智能工具的一些经验。这项研究由设计研究机构 STBY 负责，分为两个阶段：第一阶段是一系列研讨会和访谈，探讨在工作场所采用人工智能的相关机遇和问题；第二个阶段是与同样的参与者进行一系列的研讨会，以探讨在工作场所采用人工智能的机遇和问题。提出新的解决方案。
可能的问题包括：a) 您在多大程度上同意或不同意以下说法？人工智能帮助我更快地做出决策；人工智能帮助我做出更好的决策；我喜欢人工智能协助我做出决策；b) 人工智能自动完成或创造了哪些任务？这些任务是否大多是重复性的/复杂的/危险的？c) 人工智能如何改变了您执行任务的速度？d) 是否有AI系统持续监控您工作的方方面面？
此外，政府还通过负责任的技术采用部门（The Responsible Technology Adoption Unit — RTA）制定了人工智能生命周期不同阶段的保证框架，包括合规和偏见审计（）以及全球技术标准，这些标准可帮助公司减少偏见、歧视和隐私侵犯。
此外，工党政府已提议通过合并帮工和劳工滥用管理局、就业标准监察局和国家最低工资股，成立一个公平工作机构。在人工智能决策的背景下，公平工作署也可以在执行公平就业做法和工人权利方面发挥作用，例如，如果人工智能被用于违反就业法的雇用或解雇做法。
