📢 转载信息
原文作者：David Rotman and Richard Waters
欢迎回到“AI发展现状”（The State of AI）栏目，这是《金融时报》与《麻省理工科技评论》的一项新合作。在接下来的两周里，每逢周一，两家出版物的作者将围绕生成式AI革命重塑全球权力的一个方面展开辩论。 您可以在此处阅读本系列的其余部分。
本周，《金融时报》专栏作家兼前西海岸编辑理查德·沃特斯（Richard Waters）与《麻省理工科技评论》特约编辑大卫·罗特曼（David Rotman）讨论了AI对就业市场的真正影响。
花絮：如果您是《麻省理工科技评论》的订阅者，可以参加大卫和理查德与《麻省理工科技评论》主编马特·霍南（Mat Honan）于美国东部时间12月9日周二下午1点举行的独家对话，讨论这个话题。点击此处报名参加。
理查德·沃特斯写道：
任何影响深远的新技术在采用上总是参差不齐的，但很少有比生成式AI的采用更不均衡的。这使得评估其对单个企业的影响，更不用说对整个经济的生产力的影响，变得很困难。
在一端，AI编码助手彻底改变了软件开发人员的工作。马克·扎克伯格最近预测，一年内Meta公司一半的代码将由AI编写。而在另一端，大多数公司对其最初的AI投资几乎看不到任何收益。一项被广泛引用的麻省理工学院的研究发现，到目前为止，95%的生成式AI项目产生的零回报。
这为那些坚持认为——由于生成式AI本质上是一种容易产生幻觉的概率性技术——它永远不会对商业产生深远影响的怀疑论者提供了弹药。
然而，对于许多技术史研究者来说，缺乏即时影响只是转型期新技术所伴随的正常滞后效应。埃里克·布林约尔夫森（Erik Brynjolfsson）当时是麻省理工学院的助理教授，他在上世纪90年代初首次描述了他所称的“IT生产力悖论”。尽管有大量轶事证据表明技术正在改变人们的工作方式，但这并未在总体数据中体现为更高的生产力增长。布林约尔夫森的结论是，企业需要时间来适应。
在20世纪90年代中期开始，美国生产力增长出现显著反弹，这要归功于对IT的大量投资。但这种增长在十年后趋于平缓，随后出现了第二次低迷。
就AI而言，公司需要建立新的基础设施（特别是数据平台）、重新设计核心业务流程并对员工进行再培训，然后才能期望看到成果。如果滞后效应可以解释结果缓慢的原因，那么至少有一些理由让人感到乐观：将生成式AI推广到更广泛的商业受众所需的大部分云计算基础设施已经就位。
机遇和挑战都非常巨大。一家财富500强公司的管理人员表示，他们的组织对其分析工具的使用情况进行了全面审查，结果认为其员工的整体价值贡献不大或没有价值。用AI取代低效的人工操作和旧软件可能会产生显著效果。但是，正如这位人士所说，这种彻底的改革需要对现有流程进行重大改变，并且需要数年时间才能完成。
也有一些早期的令人鼓舞的迹象。美国生产力增长在十多年半的时间里一直停滞在1%到1.5%之间，去年反弹至2%以上。今年前九个月，这一数字可能也达到了同一水平，尽管由于美国政府最近停摆，官方数据缺失，这无法证实。
然而，我们无法判断这种反弹的可持续性，也无法确定其中有多少可以归因于AI。新技术的影响很少是孤立存在的。相反，效益是复合的。AI是建立在早期的云计算和移动计算投资之上的。同样，最新的AI热潮可能只是更广泛影响经济的领域（如机器人技术）取得突破的前奏。ChatGPT可能会抓住公众的想象力，但OpenAI的聊天机器人不太可能成为最终赢家。
大卫·罗特曼回应：
这是我目前最喜欢讨论的关于人工智能的话题。AI将如何影响整体经济生产力？抛开那些迷人的视频、陪伴的承诺以及完成繁琐日常任务的智能体——最终的关键在于AI能否促进经济增长，这意味着提高生产力。
但是，正如你所说，很难确定AI如何影响或将来会如何影响这种增长。埃里克·布林约尔夫森预测，与其他所谓的通用技术一样，AI也将遵循J形曲线：最初对生产力产生缓慢甚至负面影响，因为公司大力投资于该技术，然后最终收获回报。然后才是繁荣期。
但是有一个反例削弱了“保持耐心”的论点。20世纪90年代中期，IT带来的生产力增长有所提高，但自21世纪初以来一直相对低迷。尽管有智能手机、社交媒体以及Slack和Uber等应用程序，但数字技术对强劲的经济增长几乎没有贡献。强劲的生产力提升从未出现。
麻省理工学院经济学家、2024年诺贝尔奖得主达龙·阿西莫格鲁（Daron Acemoglu）认为，生成式AI带来的生产力收益将远小于AI乐观主义者认为的，并且所需时间也更长。原因在于，尽管这项技术在许多方面令人印象深刻，但该领域过于狭隘地专注于那些与最大商业部门相关性不大的产品。
你引用的“95%的AI项目缺乏商业效益”的统计数据很有说明性。
以制造业为例。毫无疑问，某种形式的AI可以提供帮助；想象一下工厂车间的工人拍下问题图片，并向AI代理寻求建议。问题在于，创造AI的大型科技公司对解决这种平庸任务并不真正感兴趣，而他们主要在互联网上训练的基础模型对此帮助不大。
很容易将AI迄今为止缺乏生产力影响归咎于商业实践和培训不足的工人。你提到的财富500强高管的例子听起来很熟悉。但更有用的是要问，AI如何才能被训练和微调，以便为护士、教师和工厂车间的工人等提供更多能力，并提高他们的工作效率。
这种区别很重要。最近宣布大幅裁员的一些公司将AI列为原因。然而，人们担心这可能只是一种短期的成本削减计划。正如布林约尔夫森和阿西莫格鲁等经济学家所同意的，AI的生产力提升将来自于它被用来创造新型工作岗位和增强工人能力，而不是仅仅用来削减工作岗位以降低成本。
理查德·沃特斯回应：
我看出我们俩都相当谨慎，大卫，所以我会试着以积极的基调结束。
一些分析假设，现有工作中更大比例的任务在当今AI的能力范围之内。麦肯锡估计有60%（而阿西莫格鲁认为是20%），并预测整个经济的年生产力增长率高达3.4%。此外，这些计算是基于自动化现有任务；正如你所建议的，任何增强现有工作的AI新用途都将是一种额外好处（不仅在经济方面）。
在任何新技术出现时，成本削减似乎总是首要任务。但我们仍处于早期阶段，AI发展迅速，所以我们总可以抱有希望。
延伸阅读
《金融时报》首席经济评论员马丁·沃尔夫（Martin Wolf）一直对技术投资是否能提高生产力持怀疑态度，但他表示AI可能会让他失望。负面影响是：失业和财富集中可能导致“技术封建主义”。
《金融时报》的罗伯特·阿姆斯特朗（Robert Armstrong）认为，数据中心投资的繁荣不必以崩溃告终。最大的风险在于，债务融资在建设过程中可能扮演了太大的角色。
去年，大卫·罗特曼在《麻省理工科技评论》上撰文讨论了我们如何确保AI能够通过提高生产力为我们服务，以及需要进行哪些路线修正。
大卫还撰写了这篇文章，讨论我们如何最好地衡量基础研发资金对经济增长的影响，以及为什么这个影响通常比我们想象的要大。
评论区