当保证 undermined 智能：数据治理对 AI 赋能劳动市场效率的成本
计算机与社会
2025-11-05 v1 综合经济学
经济学
摘要
生成式人工智能（Generative Artificial Intelligence, GenAI）如大型语言模型（Large Language Model, LLM）日益集成于数字平台，以提升信息获取、提供个性化体验并改善匹配效率。然而，这些算法性进步高度依赖大规模用户数据，导致在信息保证——数据隐私保护、完整性及负责任使用的保护——与人工智能——模型学习能力与预测准确性之间存在根本性张力。我们以 LinkedIn 为例，借助香港监管干预暂停用户数据用于模型训练的自然实验，运用差分差分（Difference-in-Differences, DiD）设计分析 Revelio Labs 提供的大规模就业与职位数据，发现限制数据使用显著降低了 GenAI 效率，导致匹配率下降、员工离职率上升以及劳动市场摩擦加剧。这些效应在特别依赖 AI 进行人才招聘的中小快速成长型企业中尤为显著。我们的发现揭示了善意的数据治理所带来的意外效率成本，凸显信息保证虽然对信任至关重要，但若与 AI 系统设计不协调，便可能削弱智能驱动的效率。本研究为 AI 治理与数字平台领域的新兴研究提供了理论视角，将数据保证概念化为 GenAI 有效性的制度补充因素及潜在约束。
引用
@article{arxiv.2511.01923,
title = {When Assurance Undermines Intelligence: The Efficiency Costs of Data Governance in AI-Enabled Labor Markets},
author = {Lei Chen and Chaoyue Gao and Alvin Leung and Xiaoning Wang},
journal= {arXiv preprint arXiv:2511.01923},
year = {2025}
}