综合考虑，这四个渠道决定了人工智能对劳动力需求的影响。与即将到来的就业大灾难的想法相反，该模型确定了提高劳动生产率的人工智能系统也可以增加劳动力需求的几个渠道。与经济学家之前认为新技术总是通过增强来增加劳动力需求的假设相反，基于任务的模型认识到新技术对劳动力需求的净效应可能是负面的。例如，如果公司采用“平庸”的人工智能系统，这种系统的生产力足以取代工人，但生产力不足以通过其他渠道增加劳动力需求，就会发生这种情况。
会议上发表的几篇论文围绕以下主题展开：
Jackson 和 Kanik将人工智能建模为企业通过其供应链使用亚马逊的 Web 服务等服务获得的中间投入。在该模型中，人工智能对劳动力需求和生产率的影响取决于那些被人工智能取代的工人的外部选择：如果替代工作生产率低，那么这将对生产率产生（间接）负面影响。这意味着人工智能的影响不仅取决于采用人工智能的行业的情况，还取决于经济其他领域的情况。他们分析的另一个有趣结论是，随着公司开始使用人工智能供应商来采购以前由工人提供的服务，人工智能的部署使经济更 开曼群岛电话号码数据 加互联互通。这可能会使价值链集中化，增强市场力量并造成系统性风险。
Autor 和 Salomons使用美国人口普查局自 1950 年代以来发布的职位名称词典，研究了创造新职位名称（新任务的替代）的行业和职业的演变。他们的分析表明，从那个时期到今天，发生了重大变化。当时，收入分布中部的职业（“中产阶级工作”）创造了大多数新职位名称，而今天，大多数新职位名称要么来自高技能、技术密集型职业（例如软件开发），要么来自技能要求较低的个人服务职业（例如私人教练）。似乎人工智能等现代技术正在创造新的任务，从而增加了对与人工智能互补的高技能工作和难以被人工智能取代的低技能工作的需求，从而导致劳动力市场的两极分化。这一结果强调了高技能职业的技能短缺（阻碍生产力增长）可能与缺乏技能以过渡到这些职业的个人失业共存的风险。
无需资本的自动化：无形投资
为了提高生产力，对人工智能的投资需要伴随着对 IT 基础设施、技能和业务流程的补充投资。其中一些投资涉及数据、信息和知识等“无形资产”的积累。与机器或建筑物等有形资产相比，无形资产难以保护、模仿和估价，其创造往往涉及漫长而不确定的实验和边做边学的过程（有关此主题的更多信息，请点击此处）。
继续以亚马逊为例，该公司在其历史上建立了有形的数据和 IT 基础设施，以补充其 AI 系统。同时，它还开发了流程、实践和“以客户为中心”的思维方式，并在其信息系统与其供应商和云计算服务用户的信息系统之间建立了“开放接口”，这对其成功同样重要，但很难模仿。
根据埃里克·布林约尔松 (Erik Brynjolfsson) 及其同事在2018 年发表的一篇论文，整个经济领域需要积累这些无形资产，这解释了为什么人工智能的进步需要如此长时间才能实现生产力增长或劳动力需求的急剧变化。
今年在多伦多发表的几篇论文对这些问题进行了实证探讨：
Daniel Rock使用 LinkedIn 技能数据来衡量工程技能对公司价值的影响。他发现，在控制了不可观察的公司因素后，这些技能对价值的影响会消失，这表明无形的公司因素决定了公司能够从其工程人才中创造多少价值。他的分析还表明，市场预计这些无形投资将在未来创造价值：当谷歌发布 AI 软件程序 TensorFlow 时，那些已经雇用 AI 人才的公司看到了他们的市场价值增加。这与谷歌的战略被认为是增加 AI 劳动力供应（通过提高其生产力）以补充这些公司的无形 AI 相关投资的想法一致。有趣的是，在劳动力面临自动化风险的公司中并没有看到类似的价值增长。一种解释是，这些开发 AI 系统和服务的公司预计会颠覆它们。
Prasanna Tambe和合著者还利用 LinkedIn 技能数据来估计与 IT 相关的无形投资的价值，发现这些投资集中在少数“超级明星公司”中，并且与更高的市场价值相关，这表明这些投资有望在未来产生重要回报。这项分析的一个重要含义是，市场预计人工智能带来的收益将集中在少数几家公司中，这引发了人们对未来人工智能驱动型经济中市场力量的担忧。