„White-collar“ ist eine zu unscharfe Kategorie, um die Auswirkung von KI auf Arbeiter zu messen.

Ihre Exposition gegenüber KI-Verdrängung ist jedoch nicht annähernd ähnlich.

Forschung der University of Pennsylvania und OpenAI festgestellt, dass etwa 80 % der US-Arbeitskräfte mindestens 10 % ihrer Aufgaben haben, die der KI ausgesetzt sind – aber diese Exposition ist äußerst ungleichmäßig. Rechtsdokumentenprüfung, Finanzanalyse und Inhaltserstellung gehören zu den Aufgaben mit der höchsten Exposition. Senior Software Architektur, strategisches Management und komplexe Verhandlung gehören zu den niedrigsten. Der gleiche "weiße Kragen"-Schirm deckt beides ab.

Warum die unscharfe Kategorie die Daten verzerrt

Das von ihr geschaffene Messproblem ist erheblich. Wenn Ökonomen berichten, dass die weißen Kragen-Gehälter 29 aufeinanderfolgende Monate lang zurückgegangen sind – ein Befund, den Aaron Terrazas, ehemaliger Chefökonom bei Glassdoor, Quartz gegenüber als "unglaublich ungewöhnlich, 70, 80 Jahre zurückgehend" beschrieb – aggregiert diese Zahl Arbeiter, deren Situationen grundlegend verschieden sind. Eine Kontraktion, die durch Entlassungen von Junioranalysten und Paralegals verursacht wird, erzählt eine ganz andere wirtschaftliche Geschichte als die, die von Abgängen von Führungskräften oder frühen Pensionierungen getrieben wird.

Standardregierungsdaten machen diese Unterscheidung nicht einfach sichtbar. Das Bureau of Labor Statistics klassifiziert Berufe nach Branche und Funktion, nicht nach kognitivem Aufgabenprofil oder KI-Exposition. Das Ergebnis ist, dass Arbeitsmarktsignale auf eine Weise aggregiert ankommen, die verschleiert, wo die Störung tatsächlich konzentriert ist.

Dies ist für die Politik genauso wichtig wie für die Messung. Eingriffe, die darauf abzielen, "weiße Kragen-Arbeiter" allgemein zu schützen, werden diejenigen verpassen, die sie am dringendsten benötigen.

Ein nützlicherer Rahmen

Mehrere Ökonomen und Arbeitsmarktforscher haben vorgeschlagen, die Analyse auf die Aufgabenexposition statt auf die Berufskategorie zu konzentrieren. Der entscheidende Unterschied ist nicht, ob ein Job eine Bürotätigkeit ist, sondern ob die kognitiven Aufgaben, die er erfordert, routinemäßig oder nicht routinemäßig sind und ob sie die Art von Mustererkennung und Textsynthese beinhalten, die große Sprachmodelle gut beherrschen.

Nach diesem Maßstab, sind Arbeitnehmer mit dem höchsten kurzfristigen Risiko in bestimmten Rollen konzentriert: Junior-Positionen im Rechts- und Finanzdienstleistungsbereich, Content- und Kommunikationsarbeit, Einstiegsdatenanalyse und administrative Koordination. Diese Jobs teilen ein Aufgabenprofil mehr als eine Kragenfarbe.

Die Kategorie der "Bürotätigkeit" mag sinnvoll gewesen sein, als die Bedrohung die physische Automatisierung war. Für die kognitive Automatisierung ist es die falsche Analyseebene – und die Verwendung davon könnte ein Teil des Grundes sein, warum so viele Menschen die Störung spüren, bevor die Daten aufholen.