资料来源: Canvapro
人工智能（AI）来了。全球超过30亿人每月使用生成式人工智能（genAI），如ChatGPT或百度的文言一心（Erni Bot）。人工智能帮助研究人员发现了新的蛋白质（并因此获得诺贝尔奖），人工智能教辅（AI tutor）使尼日利亚的学生在短短六周内追赶上两年的学习进度。
然而，截至目前人工智能对整体就业或经济增长的影响仍然有限。过去的技术浪潮带来了巨大的进步，但也让许多人落在后面。人工智能是否会重蹈覆辙，取决于已经具备了哪些基础。第五届年度“人工智能行动”大会汇聚了全球领先的研究人员和政策制定者，共同探讨让人工智能赋能企业和员工实际需要哪些条件。
为什么人工智能产生回报需要时间？
过去的技术浪潮，从蒸汽机到计算机，带来了巨大的生产率提升，但实现这一提升花了几十年时间。电力显示在生产率数据中花了40年时间，因为它需要对工厂的全面重组，而不仅仅是一种新的能源。制约因素不是获得技术，而是重组能力。
人工智能遵循的是同样的模式。哈佛商学院的拉法埃拉·萨顿（Raffaella Sadun）称之为“J曲线”。当公司采用像人工智能这样的技术时，首先产生的是重新设计和重新分配工作流程的调整成本。生产率可能会先降后升。虽然人工智能在处理像写电子邮件或总结文件内容这样的小任务时已经带来了很大的生产率提升，但实现总体生产率增长需要重新组织人与人工智能的协作方式。
在人工智能时代需要哪些技能？
最近多家知名企业裁员被归咎于人工智能，因而引发了对大规模失业的担忧。然而，能证明因果关系的严格证据很有限。
入门级员工首先感受到其影响。自2022 年 ChatGPT 推出以来，在美国 22 至 25 岁的客户服务专员中，就业人数下降了 10%（见图 1）。在人工智能自动化的任务中，如软件开发和会计，就业岗位数量持续下降，而在人工智能辅助的任务中，如管理、护理和维护，就业岗位数量不减反增。职业生涯起步阶段发生的情况会影响技能员工的长期供给。
图1：自ChatGPT推出以来，面向处在职业生涯早期的员工的客户服务岗位增长放慢
为了帮助员工适应，将人工智能嵌入教育中可以缩小技能差距。在一项实验中，人工智能工具对学生成绩的提升幅度相当于将一个B+等级的学生提升到A等级水平，成绩最差的学生提升幅度最大。需要考虑的是，依赖人工智能的学生在随后没有人工智能辅助的课程中成绩会更差，因为他们在发展人工智能特定技能的同时牺牲了一些基本的人力资本。
虽然成本高昂，但让员工尝试使用人工智能并学习围绕人工智能重新组织工作流程是必要的。在宝洁公司，使用人工智能的团队在短时间内就达到了与全人工团队相当的质量结果。然而，当一家哥伦比亚银行引入类似工具时，遭到了老员工们的抵制。人工智能作为思考伙伴效果最好，能够增强判断力和主动性。实现这一转变需要时间和管理层的支持。
人工智能是为少数国家还是为多数国家服务的？
人工智能模型的开发集中在少数几个国家，由大规模的算力投资驱动。但较小型、成本较低的模型正在向性能前沿靠拢。虽然大部分前沿大型语言模型是由发达经济体的少数几家公司训练的，但发展中国家有机会开发较小型的模型或因地制宜对开源模型进行微调。
数据常常被称为人工智能经济的“石油”。与石油不同的是，数据创造市场实力的方式是通过网络效应，即更多的用户生成更好的数据，从而改进模型并进一步吸引更多的用户。而发展中国家面临相反的情况：数据稀缺导致模型缺乏相关性，从而阻碍了采用（参见第三届年度会议资料）。明确的数据治理可以帮助打破这种循环。一项实验显示，在欧盟隐私保护下存储数据在很大程度上缓解了隐私顾虑，从而鼓励了采用。
即使在跨国公司内部，采用与否也取决于组织能力。大多数公司仅在已经使用企业资源规划系统（ERP）和云计算等互补性数字技术的子公司实施人工智能。
发展中国家从信息技术（IT）或业务流程外包中获得了巨大收益，但人工智能正在日益自动化这些服务。来自一个在线招聘平台的证据显示，人工智能减少了外包用工，但也将外包转向了更高价值、更复杂的任务。
让人工智能发挥作用：政策制定者能做些什么？
首先是支持重组所必需的技能和再培训。人工智能需要复杂的软技能，如实验能力、主动性和判断力。良好的管理对于帮助员工重新组织任务和有效采用人工智能至关重要。支持范围应涵盖重组和培训投资，而不仅仅是获得技术。
第二，取消制约重组的政策。各国可以通过开放投入品和产品市场，使创意、资本和劳动力流向生产率最高的领域，从而释放更大的价值。
第三，数据和模型的获取很重要。政府对开源政策和开放公共数据的支持，有利于促进因地制宜发展人工智能。
第四，良好的制度决定了采用率。清晰、可信的治理框架能够管理风险和保护数据，从而鼓励人工智能的采用，并为实验和创新留出空间。
技术创造能力，但最终决定收益的是重组。
加入讨论