川海智库

报告概述

本报告利用2021-2024年来自29个国家的超过6700万条在线招聘数据，首次提供了关于数字技能工资回报的全面跨国证据。报告开发了一套统一的数字技能分类体系，从广泛（是否需要任何数字技能）、密集（所需数字技能数量）和定性（数字技能类型）三个维度分析回报。报告采用固定效应回归模型控制职业、行业、国家等因素，并对不同收入水平国家进行异质性分析。读者可通过本报告了解数字技能如何影响工资，以及不同类型数字技能（包括AI和生成式AI技能）的价值差异。

报告的核心结论

数字技能带来显著工资溢价，中低收入国家回报更高

在全球范围内，要求至少一项数字技能的岗位平均工资高出1.6%，但在中低收入国家，这一溢价高达7.5%，反映了这些国家数字技能人才的稀缺性。

每增加一项数字技能，工资逐步提高

每个额外数字技能使高收入国家工资提高0.5%，而中低收入国家提高2.6%，表明技能积累在发展中经济体边际回报更高。高级数字技能（如编程、数据分析）的溢价尤为显著。

AI技能，尤其是生成式AI，带来最高工资溢价

传统AI技能带来2.9%的工资增长。在技术岗位，生成式AI开发技能提供额外7%-9%溢价；在非技术岗位，生成式AI素养技能的溢价高达25%-36%，反映了该技能的新颖性和高需求。

教育和工作经验放大数字技能回报

数字技能与人力资本互补：大学毕业生和经验丰富的工人从中受益更多。尤其在LMICs，大学学历与数字技能结合可带来更高工资溢价，而经验丰富者回报更高。

报告回答的关键问题

数字技能能否提高工资？

能。报告发现要求至少一项数字技能的岗位平均工资高出1.6%，这一效应在控制职业、行业、地点和公司固定效应后依然稳健。中低收入国家中溢价更高（7.5%）。

AI技能比一般数字技能更值钱吗？

是的。传统AI技能工资溢价为2.9%，而生成式AI技能的溢价非常突出：技术岗额外7%-9%，非技术岗（如营销、财务）达25%-36%。这表明AI能力是当前最受认可的技能之一。

中低收入国家数字技能回报更高吗？

是的。无论是广泛边际（任何数字技能）还是密集边际（每增加一项技能），中低收入国家的回报都远高于高收入国家。例如，每项高级数字技能在中低收入国家带来约3%的工资增长，而高收入国家仅为0.8%。

生成式AI素养技能在哪些岗位最值钱？

在数字化增强型职业（如管理、专业、技术支持）中，生成式AI素养技能（如使用ChatGPT）的工资溢价高达25%-36%，远高于其在技术核心岗位的溢价，反映出非技术岗位对AI应用能力的稀缺性。

报告中的代表性数据

1.6%

数字技能工资溢价（广泛边际）

2021-2024，全球平均，要求至少一项数字技能相比于不要求的岗位广告工资增加1.6%，基于包含城市-年固定效应的偏好模型。

2.6%

中低收入国家每项额外数字技能工资增长

2021-2024，在中低收入国家，每增加一项数字技能，广告工资平均提高2.6%，远高于高收入国家的0.5%。

25%-36%

生成式AI素养技能在非技术岗位的工资溢价

2021-2024，在数字化增强型职业（非技术核心）中，要求生成式AI素养技能的岗位广告工资溢价为25%-36%，反映该技能的稀缺性和高价值。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 全球29个国家2021-2024年超过6700万条在线招聘数据的完整统计描述，包括按国家、职业、行业的分布和缺失情况分析。
  • 详细的数字技能分类框架：将约14000种数字技能分为基础、中级和高级三类，并特别识别出256种AI技能和15种生成式AI技能。
  • 多元回归模型的技术细节：包含国家、职业、行业、城市-年固定效应，以及控制其他技能和公司固定效应的稳健性检验。
  • 异质性分析：数字技能回报如何随行业IT强度、职业类型、教育水平和工龄变化，特别关注中低收入国家与高收入国家的差异。
  • 对AI和生成式AI技能的深入分析：区分传统AI、生成式AI开发技能和生成式AI素养技能，并估计其在不同职业中的特定工资溢价。
  • 非线性和对数形式的补充分析：验证数字技能回报的递减趋势，以及使用对数变换后的结果比较。
  • 对数据局限性的讨论：包括在线招聘数据覆盖偏差（如偏向高技能、城市岗位）、工资缺失问题以及样本选择处理。
  • 政策启示：强调中等和高级数字技能训练的重要性，尤其是在中低收入国家，以及针对AI技能的培训需求。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告