由 Simon AI真能引爆生产率革命？Meta一半代码或由AI生成，但95%项目零回报！这场颠覆性突破，究竟是效率飞跃还是“生产率悖论”重现？
人工智能对就业市场的真实冲击：一场谨慎的乐观辩论
本周，《金融时报》专栏作家、前西海岸编辑理查德·沃特斯与《麻省理工科技评论》特约编辑大卫·罗特曼，就人工智能对就业市场的真实影响展开对话。这是《金融时报》与《麻省理工科技评论》联合推出的“人工智能现状”系列对谈之一。
核心观点交锋：效率革命还是“生产率悖论”重现？
沃特斯指出，生成式AI的应用极不均衡。一方面，AI编程助手已彻底改变软件开发；马克·扎克伯格甚至预测，一年内Meta一半的代码将由AI生成。 另一方面，大多数公司的初期投资回报微乎其微，一项被广泛引用的MIT研究显示，目前高达95%的生成式AI项目投资回报为零。
这为怀疑论者提供了依据：作为一种易“幻觉”的概率性技术，生成式AI可能永远无法深刻影响商业。然而，科技史研究者认为，缺乏即时影响只是颠覆性技术的常态滞后。MIT教授埃里克·布林约尔松早在1990年代就提出了“IT生产率悖论”——技术变革需要时间才能体现在宏观数据中。
企业要看到AI的成效，必须搭建新基础设施（尤其是数据平台）、重新设计核心业务流程并培训员工。 但乐观的理由或许存在：面向更广泛商业应用的云计算基础设施已基本就位。
挑战同样巨大。一位《财富》500强企业高管透露，其公司经全面评估发现，员工在数据分析工作中“几乎没有创造价值”。用AI根除旧软件、替代低效人力可能带来显著成果，但这意味着对现有流程进行耗时数年的巨大变革。
已有初步积极信号：美国生产率增长在长达十多年徘徊于1%-1.5%后，去年反弹至2%以上，今年前九个月可能保持同等水平（尽管政府停摆导致数据缺失）。然而，反弹的持续性及AI的贡献度仍难判断。AI的效益是复合性的，它建立在云和移动计算的投资之上。同样，当前的AI热潮可能只是机器人等对经济有更广泛影响领域取得突破的前奏。
罗特曼回应称，AI能否促进经济增长，关键在于提升生产率。但具体影响难以界定。布林约尔松预测AI将遵循J型曲线：初期因巨额投资，对生产率影响缓慢甚至为负，之后才会迎来繁荣。
但“只需耐心”的论点面临反例：IT带来的生产率增长在1990年代中期加速，但自2000年代中期以来一直相对低迷。尽管出现了智能手机、社交媒体以及Slack和Uber等应用，数字技术并未带来强劲的经济增长。
2024年诺贝尔奖得主、MIT经济学家达龙·阿西莫格鲁认为，生成式AI带来的生产率提升将远小于、且慢于乐观者的预期。 原因在于，该领域过于聚焦于与最大商业部门关联度不高的产品。例如在制造业，虽然AI理论上能协助工人（如拍照识别问题并寻求建议），但开发AI的大科技公司对解决此类日常任务兴趣不大，其基于互联网训练的大模型也并非总是有用。
将AI缺乏影响力的原因归咎于商业实践和员工培训不足是容易的。但更有益的问题是：如何训练和微调AI，以增强护士、教师、生产线工人等的能力，让他们在工作中更高效。 关键在于，AI的生产率提升应来自创造新工种和增强员工能力，而非仅仅用于裁员节流。近期一些公司以AI为由大规模裁员，令人担忧这只是短期的成本削减计划。
沃特斯最后尝试以积极基调收尾：一些分析（如麦肯锡）认为，现有工作中高达60%的部分可能受当前AI影响（阿西莫格鲁的估计是20%），并预测AI每年可为整体经济带来高达3.4%的生产率增长。这些计算基于对现有任务的自动化；而任何能增强现有工作的AI新用途，都将是额外的红利。
延伸思考：
1. 路径依赖与颠覆风险：当大科技公司的AI研发重点与实体经济（如制造业）的核心需求错位时，这是市场选择的必然结果，还是可能拖累整体经济转型效率的战略盲区？政策应如何引导？
2. “增强”与“替代”的伦理经济账：在资本逐利驱动下，企业天然倾向于用AI“替代”人力以快速降本。社会如何建立有效的激励与约束机制，确保AI发展的主要路径是“增强”人力、创造更高价值的新工作，从而避免陷入“技术封建主义”的陷阱？
拓展阅读：
* 《金融时报》首席经济评论员马丁·沃尔夫曾对技术投资提升生产率持怀疑态度，但他表示AI可能证明他错了。风险在于：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·阿姆斯特朗认为，数据中心投资热潮未必会以萧条告终。最大的风险是债务融资在建设中扮演过大的角色。
* 大卫·罗特曼去年在《麻省理工科技评论》撰文，探讨了如何确保AI为我们服务以提升生产率，以及需要哪些方向修正。他还撰文分析了如何最佳衡量基础研发资金对经济增长的影响，以及为何这种影响往往比想象的要大。
阅读 Technology Review 的原文，点击链接。