arXiv: 2605.25505v1
Влияние генеративного ИИ на внутригородское неравенство и премию за навыки в Пекине
Generative AI impacts on intra-urban inequality and skill premium in Beijing
May 25, 2026
Авторы: Xiliu He, Haoxiang Zhao, Mingyi Ma, Edward Wen Chuan Lai, Koei Enomoto, Anni Hu, Jiatong Li, Lingyun Chu, Yuan Lai
cs.CYcs.CYcs.AIecon.GNphysics.soc-phcs.CY
Аннотация
Генеративный искусственный интеллект (GenAI) — это первая волна автоматизации, масштабно охватившая задачи высокого когнитивного уровня, однако его влияние на внутригородское неравенство остается в значительной степени неизученным. Используя 5 миллионов вакансий из Пекина (2018–2024 гг.), мы построили индекс подверженности GenAI на уровне районов, агрегируя оценки на уровне задач от пяти ведущих больших языковых моделей. Мы исследуем пространственные, структурные и причинно-следственные механизмы этого шока. Обнаружено, что подверженность GenAI сильно сконцентрирована в центральных районах города, что углубляет внутригородской AI-разрыв. С 2023 года районы с высокой подверженностью испытывают застой заработной платы, даже несмотря на продолжающееся привлечение высококвалифицированных работников — «ловушка высокой квалификации». Это снижение заработной платы обусловлено дескваллификацией задач и усилением переполненности рынка труда. Дизайн разности разностей, сосредоточенный на выпуске ChatGPT, подтверждает причинно-следственную интерпретацию. Эти результаты ставят под сомнение преобладающую теорию навыко-ориентированных технологических изменений и предоставляют основу для инклюзивного управления AI в глобальных технологических центрах.
English
Generative artificial intelligence (GenAI) is the first automation wave to reach high-cognitive tasks at scale, yet its effects on intra-urban inequality remain largely unknown. Using 5 million job postings from Beijing (2018--2024), we construct a neighborhood-level GenAI Exposure Index by aggregating task-level assessments from five leading large language models. We examine the spatial, structural and causal mechanisms of this shock. We find that GenAI exposure is highly concentrated in the city's core districts, deepening the intra-urban AI divide. Since 2023, high-exposure neighborhoods have experienced wage stagnation even as they continue to attract high-skilled workers -- a "high-skill trap." This wage penalty is driven by task de-skilling and intensified labor-market crowding. A difference-in-differences design centered on ChatGPT's release supports a causal interpretation. These findings challenge the prevailing theory of skill-biased technological change and provide a basis for inclusive AI governance in global technology hubs.