论文标题
估计数字自动化的生产率提高
Estimating productivity gains in digital automation
论文作者
论文摘要
本文提出了一个新的生产率估计模型，以评估生产链中采用人工智能（AI）组件的效果。我们的模型提供了解决“ AI”索洛悖论的证据。我们提供（i）理论和经验证据来解释索洛的二分法； （ii）一个数据驱动的模型，以估计和评估生产率变化； （iii）一种基于过程挖掘数据集的方法，以确定业务流程，BP和生产力； （iv）一组计算机模拟参数； （v）和关于劳动分布的经验分析。这些提供了有关为什么我们将AI Solow的悖论视为度量不良的结果的数据。
This paper proposes a novel productivity estimation model to evaluate the effects of adopting Artificial Intelligence (AI) components in a production chain. Our model provides evidence to address the "AI's" Solow's Paradox. We provide (i) theoretical and empirical evidence to explain Solow's dichotomy; (ii) a data-driven model to estimate and asses productivity variations; (iii) a methodology underpinned on process mining datasets to determine the business process, BP, and productivity; (iv) a set of computer simulation parameters; (v) and empirical analysis on labour-distribution. These provide data on why we consider AI Solow's paradox a consequence of metric mismeasurement.
