摘录自经济学人：人工智能如何区分“头部人才”和“普通员工”

乐观主义者曾希望这项技术能成为强大的均衡器，但它似乎更可能扩大社会差距

那些已经出类拔萃的人会越飞越高，而其他人则被远远甩在后面。在诸如研究和管理等复杂任务中，新的证据显示，高绩效者最有能力与人工智能进行协作（见下文相关表格或数据）。因为要评估AI模型的产出，需要专业知识和良好判断力。人工智能不仅没有缩小差距，反而更有可能像以往的技术革命一样，让劳动力市场的两极分化进一步加剧。

“让弱者变强”的早期信号与疑虑

曾有研究支持“AI可以成为平等力量”的观点，认为AI对经验不足的员工生产力提升更大。2023年，斯坦福大学的埃里克·布林约尔松（Erik Brynjolfsson）以及麻省理工学院的丹妮尔·李（Danielle Li）和林赛·雷蒙德（Lindsey Raymond）共同进行了一项研究，发现生成式人工智能（Generative AI）工具可以让初级客户服务人员的工作效率提高34%，帮助他们更快、更有效地解决客户问题。相比之下，资深员工收益不大，因为AI只是强化了他们已在使用的成熟方法。这项研究暗示，AI也许可以把“最有经验”的员工的方法传递给“较不熟练”的员工，从而缩小两者之间的差距。

在其他知识密集型任务中，也观察到了类似现象。同样来自麻省理工学院的沙克德·诺伊（Shakked Noy）和惠特尼·张（Whitney Zhang）研究发现，在起草新闻稿、报告等文书写作时，使用 OpenAI 的 ChatGPT 等工具时，写作水平较弱的人改进幅度最大。许多人只要直接使用 AI 输出的文本（甚至不做大幅度修改），就能让成品质量得到显著提升，说明AI的确可以提高“基本水平”的门槛。再比如南加州大学的乔纳森·崔（Jonathan Choi）等人也发现，对于法律工作（如起草合同），通用型AI工具对能力较弱的法学生帮助更大。

然而，问题在于，这些好处很可能会被另一个更大的趋势所淹没。一个岗位通常包含一系列不同的任务，而新技术可能会让其中一些任务“商品化（commoditise）”或让人类更轻松完成（assist）。例如，对空中交通管制员来说，技术属于“增强式”的：它可以处理飞行数据，但关键决定仍需人来做，因此管制员的薪资保持较高水平。与之相反，自助结账系统（self-check-out systems）则大大简化了收银员的工作，自动完成了找零等关键环节，使得对收银员技能的要求降低，工资也就停滞不前。

因此，尽管早期人们对AI在帮助低技能或重复性工作的群体抱有乐观期望，但客服人员和其他低技能工人仍可能走上和收银员类似的道路。他们的重复性任务极易被自动化替代。ServiceNow（一家商业软件公司）负责此项目的阿米特·扎韦里（Amit Zavery）估计，对某些客户而言，超过85%的客服请求已经无需人工介入。随着人工智能的不断升级，这个比例将进一步提高，只剩下更少的人工坐席来应对最复杂的情况。也就是说，AI的短期确实能带来生产力的提升，但长远来看，它会将某些技能商品化，最终让许多工作被自动化取代。

与以往替代机械性或重复性工作的自动化（比如流水线作业、传统记账）不同，AI的潜力还可能延伸到非重复性与创造性工作，因为它能通过模式识别进行预测，不需要手把手的显式指令；也许未来还能更成熟地编写剧本或设计产品。就目前来看，在高薪行业里，最先被取代的往往是初级员工。以A&O Shearman（法律事务所）为例，AI已经能完成很大一部分过去由律师助理或法律实习生（paralegals）处理的例行事务。该律所的AI软件可以分析合同，将其与以往案例进行对比，并在30秒内给出修订建议。A&O Shearman的AI负责人大卫·韦克林（David Wakeling）表示，顶尖律师在使用这一技术进行战略性决策上最有心得，也就是说，高绩效的人对AI的利用最为娴熟。

新的经济学研究：精英更精，普通更普通

近年来的新经济学研究与这一观察相互印证。早期研究认为“低绩效者直接照搬 AI 输出就可以显著提高成绩”，但更新的研究却聚焦于更复杂的任务（如科学研究、企业运营和投资决策），发现高绩效者比起低绩效者能从AI中获得更大的助力，有些情况下，低绩效者反而没有任何提升，甚至会退步。

智能设计（Intelligent design）

麻省理工学院的艾丹·托纳-罗杰斯（Aidan Toner-Rodgers）在一项研究中发现，当科研人员使用AI辅助工具来进行新材料发现时，处于高水平的研究者工作效率几乎翻了一倍，而处于“后段水平”的研究者则没有任何可见提升。这款AI工具的原理是：研究者只要告诉AI自己想要材料具备哪些属性，它就能生成具备这些特性的候选材料。优秀的科学家由于专业知识扎实，可以迅速鉴别哪些建议是有潜力的，哪些是糟糕的，而能力较弱的研究者却很难分清哪些AI输出值得进一步深入。

其他领域也出现了类似的结果。加州大学伯克利分校（University of California, Berkeley）的尼古拉斯·奥蒂斯（Nicholas Otis）等人发现，在肯尼亚的一次实验中，优秀的创业者借助AI辅助后，利润提升超过15%，而相对挣扎的创业者利润却有所下降。二者的差别就在于他们如何应用AI给出的建议：能力较弱的创业者只会照搬“多做广告”之类的“通用”主意，而能力更强的创业者则能更精准地找到适合自己业务的措施，比如在停电期间使用新的电力来源，从而把损失降到最低。

在金融决策方面，芝加哥大学（University of Chicago）的亚历克斯·金（Alex Kim）等人进行了一项实验，让参与者在阅读企业财报电话会议记录后，再利用AI进行辅助分析，最后分配1000美元的模拟投资组合。结果表明，投资经验丰富的参与者，借助AI后回报率高了近10%；而投资经验一般的人，只提升了2%。熟练投资者会更好地利用电话会议记录里关于研发（R&D，Research and Development）支出、股票回购和息税折旧摊销前利润等细节信息，从而作出更明智的投资选择。

新角色的出现：想象力与判断力将是关键

随着人工智能在工作中发挥的作用日益加深，新型的工作任务也在不断涌现。Atlassian（一家办公软件公司）的拉杰夫·拉詹（Rajeev Rajan）说，AI 工具能让公司的工程师每周多出好几个小时去做创造性的工作；初级律师也能减少琐碎重复的文书劳动，而花更多时间与客户沟通。一家大型投资机构的高管坦言：“那些真正聪明的人，以前也许觉得看财报是一件无聊的事情，现在却能在AI的帮助下挖掘更多创意和想象力，因此他们会最先受益。未来一段时间里，最有价值的技能就是如何用富有创造性的方式来使用 AI。”类似地，在律师、工程师和投资等行业，许多初级员工开始更早地参与到高级任务当中，因为AI已经帮他们完成了不少“基础体力活”。

回顾历史，劳动力市场一直在经历“旧职位消失、新职位出现”的动态过程。麻省理工学院的大卫·奥托尔（David Autor）估计，2018年美国约60%的工作，在1940年时甚至根本不存在。20世纪50年代的美国人口普查中才首次出现“飞机设计师”这个职位；到了90年代又新增了“会议策划师”的分类。那么，未来人工智能发展所带来的新工作，又会被谁占据呢？

历史经验告诉我们，每次技术变革都更青睐拥有技能的人。在工业革命时期，能熟练运用新机器的工程师收入飙升，而从事基础劳力的人则被淘汰；在计算机时代，软件工程师成为受益者，而打字员迅速被取代。如今的 AI 似乎延续了相同逻辑——它会奖励那些拥有良好判断力、灵活思维和专业知识的人，让他们在信息密集的环境中如鱼得水。

更何况，现阶段我们所看到的AI工具才只是开端。随着技术的演进，将会出现更加复杂的“半自主”AI 智能体，它们能够在一定程度上自主行动——正如黄仁勋所畅想的那样，到时候也许“人人都能当 CEO”。只不过，这并不意味着真正的“人人平等”：最优秀的人依然能把握机遇，成为掌舵人工智能的最佳‘CEO’。