核心概念

OpenAI 於 2026 年 6 月正式推出「經濟研究交流計畫」（Economic Research Exchange），目標是與學術界及研究機構的外部經濟學家建立結構化合作，共同研究 AI 對工作、生產力與整體經濟的深遠影響。

這個計畫的背景脈絡很清楚：儘管 ChatGPT 等大型語言模型已商業部署超過三年，針對其經濟影響的嚴謹實證研究仍相當匱乏。一方面是因為高品質的使用數據掌握在少數公司手中，另一方面則是因為科技改變滲透到勞動市場需要數年時間，使得目前可供分析的數據仍然有限。

OpenAI 此舉的核心邏輯在於：它同時擁有研究者最迫切需要的東西——受真實使用者行為驅動的隱私保護產品數據，而這類數據在學術界幾乎無從取得。透過交流計畫，OpenAI 在監督控制下開放數據存取，以換取獨立研究成果的公信力背書。

計畫結構

每個獲選研究項目將獲得：

  • 一次性 $25,000 美元研究補助（給主要研究者）
  • 每月 $7,500 美元研究助理津貼或承包商費用
  • 在 NDA 保護下存取「隱私安全的產品使用數據」（明確排除對話紀錄）
  • 與 OpenAI 內部經濟研究團隊的結構化合作與定期研究讀報

申請截止日期：2026 年 7 月 5 日。研究成果需通過 OpenAI 審查後才能對外發表。

優先研究方向

計畫特別歡迎具備應用因果推論、勞動經濟學、生產力研究等實證功底的研究者，聚焦以下幾個核心問題領域：

1. 雇主行為與工作設計 AI 如何改變招募決策、職缺設計、薪酬結構、團隊組成與工作再設計？這個方向試圖捕捉 AI 對企業用人端的影響，而非僅聚焦於工人個人層面。

2. AI 與教育 教師如何使用 AI 工具？AI 的出現是否改變了學生對學習的投入方式與科目選擇？這一方向試圖追蹤 AI 對人力資本形成的長期影響。

3. 獨立工作者與小型企業 自由工作者、獨立承包商與小型企業如何採用 AI 工具？相較於大型企業，他們的生產力增益是否存在差異？

4. 知識生產與創新 AI 如何改變研發流程、市場結構效應，以及衡量 AI 創造的經濟價值的方法論本身？

申請條件

優先入選條件包括：在相關領域有期刊發表記錄、能帶入互補的獨特數據集（除 OpenAI 提供數據外），以及具備清晰的因果識別策略。所有申請須詳述研究問題、方法論、具體數據需求、時程里程碑、團隊組成與成敗評估標準。

關鍵要點

  • 數據存取是核心賣點：OpenAI 提供外部研究者通常根本無法取得的第一手產品使用數據，彌補了目前學術界 AI 經濟研究的最大空缺
  • 邊界清晰：對話內容不在可分享範圍內，僅限「隱私安全的產品與使用數據」——這既是隱私保護，也限制了部分研究方向的深度
  • 公信力策略：OpenAI 透過資助獨立研究，取得比內部研究更具說服力的外部背書，在監管環境趨嚴的背景下尤為重要
  • 研究仍在早期：目前學界對 AI 勞動市場衝擊的研究高度分歧——不同曝露指標的研究得出矛盾結論，大型語言模型的商業部署時間仍太短，難以在宏觀就業數據中顯現
  • 入門門檻不低：需有期刊發表記錄、因果推論方法論能力，並符合嚴格的數據治理與法律要求

實務應用

從研究生態的角度看，這個計畫代表 AI 公司與學術界合作模式的重要轉變：從非正式個案合作走向結構化、有制度約束的長期夥伴關係。

對有志研究 AI 經濟影響的學者而言，這是難得機會——$25,000 的研究補助本身規模不算大，但產品使用數據的存取權是目前幾乎無法透過其他途徑取得的資產。需要評估的關鍵取捨：OpenAI 的發表審查機制是否會影響研究獨立性？

延伸觀點

目前針對 AI 勞動市場衝擊的實證研究圖像呈現明顯張力：任務層級的生產力增益相當清晰，宏觀就業影響卻仍充滿不確定性。

任務層級：增益顯著 多項研究一致指出具體任務的生產力提升：ChatGPT 使寫作任務完成時間縮短約 40%（Noy & Zhang 2023）；GitHub Copilot 讓程式設計師完成編碼任務快 55.8%（Peng et al. 2023）；大型企業客服部署顯示平均生產力提升 15%，其中技能最低的五分之一員工提升幅度高達 36%（Brynjolfsson et al. 2025）。值得注意的是，多數研究發現 AI 輔助對低技能工作者的提升效果反而更為顯著，壓縮了績效差距而非拉開差距。

宏觀就業：效果不明 然而一旦放大到整體就業市場，結論就變得模糊：丹麥的行政數據顯示 AI 曝露對薪資或工時幾乎沒有影響（Humlum & Vestergaard 2025）；針對職業曝露程度的研究找不到清晰的失業關聯性。反而有一個較為一致的訊號是初階職位的壓力：22-25 歲、在高 AI 曝露職業中工作的年輕人，就業率相對趨勢下降約 16%（Brynjolfsson et al. 2025）；英國企業的招募也出現集中於初階職位的削減（Teeselink 2025）。

此外，PIIE 的分析指出目前研究存在「敘事者偏誤」——研究 AI 的學者因自身高度接觸 AI 工具，可能過度估計其衝擊，而企業也有動機將裁員過度歸因於 AI，而非承認疫情期間的過度招募。

這種「任務層級清楚、就業層級模糊」的研究結果，正是 OpenAI 經濟研究交流計畫試圖填補的核心知識缺口。

（延伸觀點來源：PIIE《AI 勞動市場研究仍在第一局》、Law & Economics Center《AI 生產力與勞動市場實證文獻回顧》）

相關頁面：OpenAI 政策立場：AI 治理、政治中立與透明度承諾、MUFG × OpenAI：打造 AI-native 金融機構、ChatGPT 廣告測試：OpenAI 的商業化新里程碑

反向連結

以下頁面引用了本頁：