2022-05-31-布鲁金斯学会-工程价值_技术人才和人工智能投资的回报（英）_76页_4mb

工程价值：技术人才与人工智能投资的回报率分析

研究目的

本文旨在研究企业从员工的AI技能投资中获取的价值，以及哪些因素驱动了这种价值的实现。技术技能投资变化可能影响公司市场价值。

核心发现

• 市场价值提升：TensorFlow开源后，拥有AI技能员工的公司市场价值显著提高。每增加1%的AI技能指数，公司市值平均增加约$7.2至$11.2亿美元。
• 价值驱动机制：市值增长主要归因于价格效应，而非同期生产力提升或整体员工AI技能暴露水平的资产效应。这表明，随着获取AI技能的成本下降，员工技能本身的价值上升。
• 技能普及影响：TensorFlow的发布促进了AI技能的普及，触发了市值增长的事件窗口，且这种效应在技术公司中尤为显著。

方法与数据

• 实证方法：采用双重差分（DID）方法，利用LinkedIn上超过18000万职位记录和超过5200万技能记录的面板数据，追踪TensorFlow发布前后AI技能的增长。
• 对照组设定：比较AI技能公司与非AI技能公司在TensorFlow发布前后的市值变化，并通过工资指数和固定效应控制技能投资对员工工资的影响。

潜在机制

• 价格效应：成本下降促使工人投资于AI技能，而公司可以将这一技能作为其价值创造的组成部分。
• 生产率效应：AI技能普及可能提升生产力，但由于未观察到明显证明，因此不视为主要解释机制。
• 其他因素：合成控制组（SCD）显示，处理效应在更好地匹配对比公司后仍保持一致，验证了主要发现的稳健性。

管理启示

• 战略性投资：公司将AI技能视为互补性投资的一部分，可以提高其市场价值，尤其是在员工技能易于获取且互补性强的情况下。
• 技能监测：企业需跟踪员工技能，以理解其对股票价格的影响。使用开放式平台如LinkedIn和GitHub可以辅助管理决策。

总结要点如下：

• AI技能投资推动市值增长，解释为价格调整机制。
• 辨识机制为价格效应，而非同时期生产率提升。
• 回应者应监控AI人才变动以指导投资和员工发展。