AI与社会不平等：谁将受益，谁将受损？以及原因

人工智能不会平均分配收益。它会为一些员工提供加速晋升和提高生产力的工具。而另一些人则面临工资压力、任务自动化以及失去进入中产阶级的途径。因此，最重要的问题不是AI是否会提高生产力，而是谁将获取其价值。 根据国际货币基金组织的分析，全球约40%的就业岗位受到AI的影响。在发达经济体中，这一比例增加到约60%，因为更多的工作依赖于认知任务：分析、写作、文件处理、报告、编程和沟通。生成式AI最快自动化或支持的就是这些任务。 实际上，这意味着AI既是缩小差距的技术，也是加剧不平等的因素。它可以帮助初级员工更快地取得可观的成果，降低获取知识的成本并提高服务的可用性。但它也可能将利润集中在基础设施、数据、模型和资本的所有者手中，而部分员工则会失去因常规技能带来的溢价。 主要结论 最大的风险在于脑力劳动。 生成式AI自动化文本、代码、分析、分类和客户服务等任务的速度，快于机器人自动化复杂的体力劳动。 劳动力市场将改变任务，而不仅仅是职业。 同一个职业可能会变得更高效、需求减少或监管更严格，这取决于AI接管了哪些活动。 初级员工在生产力方面可能获益最多。 NBER关于客户支持的研究显示，平均生产力提高了约14%，改善幅度最大的是经验较少的人群。 资本所有者可能攫取最大的价值份额。 云服务提供商、半导体、基础模型和企业数据拥有比单个员工更强的议价能力。 最大的风险是劳动力市场中等部分的压力。 常规的分析、行政、文案撰写、会计、法律和编程工作将面临价值压缩。 自动化还是增强？ 在关于AI的辩论中，经常混淆两种不同的机制。 自动化 意味着在特定任务中取代人类。 增强 则意味着扩展其能力：更快地写作、更好地总结、更容易搜索、决策支持或质量控制。 这种区别至关重要。AI很少能一次性取代整个职业。它更常移除部分任务，改变工作比例，并将价值转移到能够设计流程、验证结果并对决策负责的人身上。社会问题在于，这些常规任务一直以来都是初级员工的实践学校和中产阶级稳定就业的基础。 为什么AI可能加剧不平等 1.

资本回报增长速度快于劳动回报 如果公司能用同一支团队服务更多客户，部分收益可能会流向员工，但这并非必然。在竞争激烈的市场中，一部分会由客户以更低的价格获取，一部分会由管理层通过利润率获取，另一部分则由股东通过公司估值获取。只有当员工的技能保持稀缺且难以替代时，他才能获得收益。 2.

AI市场具有集中化趋势 基础模型、先进芯片和数据中心需要巨大的投入。这意味着拥有资本、计算能力、人才和自有数据的公司占据了最大的优势。即使开源模型降低了进入门槛，完整的生产部署仍然需要安全、基础设施、集成和专业知识。 3.

例行技能正在失去溢价 多年来，稳定的办公室工作依赖于创建文档、分析、演示文稿、报价、报告和简单系统的能力。GenAI并没有消除思考的必要性，但它降低了许多例行智力劳动产品的价格。这可能会冲击初级职位、自由职业者、行政人员以及中层运营岗位。 谁能受益 将领域知识与AI相结合的员工。 最大的优势将属于那些了解特定行业并能够利用AI加速决策的人：理解风险的律师、监督诊断的医生、熟悉公司数据的分析师、理解战略的市场营销人员、以及能够进行质量控制系统设计的工程师。 在设计良好的流程中的初级员工。 AI 可以通过提供答案、程序、标准和工作模式，缩短达到生产力所需的时间。它可以在客户服务、销售、行政管理和简单分析中充当实时可用的导师。 微型企业和小型企业家。 生成式工具可以无需完整的专家团队，创建内容、自动化信函、分析文档和构建简单的应用程序。如果模型的可访问性保持相对低廉，这可能会降低进入市场的成本。 拥有独特数据的公司。 价值将不只在于模型本身。企业自身的数据、流程、客户关系以及构建竞争对手难以复制的系统的能力，正变得越来越重要。 谁可能会受影响 从事重复认知工作的员工。 这包括但不限于简单的文案撰写、翻译、研究、文档分类、初步法律分析、报告编制、电子邮件处理和部分应用程序编程。 价格竞争的自由职业者。 全球服务平台已经对简单的文本、图形和营销任务施加了压力。如果客户可以用几分钱生成初稿，那么他们支付给人类的费用主要在于策略、选择、责任和质量，而不是单纯的生产。 缺乏规范化数据的公司。 在文档、CRM、ERP和知识库中存在混乱的组织，在没有数据架构和安全预算的情况下，将难以部署AI，否则有出现“幻觉”、泄露或错误决策的风险。这对中小企业尤其危险。 基于廉价例行工作的优势的国家。 如果AI代理接管了部分外包服务，那些曾依靠BPO中心、简单IT、内容审核和业务流程管理建立增长的国家的部分成本优势将会消失。 三种变化机制 Skill compression AI可以缩小初级员工和中级员工之间的差距。如果系统提供最佳实践、总结文档并监督流程，部分经验就会被记录在工具中。这对生产力是有利的，但可能会降低执行例行任务多年所获得的工资溢价。 Winner-takes-all 数字服务具有低边际成本。当最好的AI系统达到略微更好的质量时，它可以抢占市场的大部分份额，特别是如果它在全球范围内运行并通过云进行扩展。在这种模式下，优势增长速度比传统的本地服务更快。 Hollowing out 社会上最危险的场景是劳动力市场的中部萎缩：初级职位减少，简单的培训任务减少，行政角色不稳定，并且系统设计者与缺乏实际战略控制权的效果监督者之间出现了更大的鸿沟。 案例研究 客户服务：AI作为学习加速器 NBER 的研究《Generative AI at Work》分析了为超过 5000 名客户服务员工部署人工智能助手的情况。平均生产力提高了约 14%，而经验较少的员工获得了最大的益处。这是一个例子，说明 AI 可以充当一种平衡工具，因为它将优秀员工的知识转化为整个团队日常可用的提示。 自由职业：对简单内容生产的压力 在文案撰写、简单图形设计、翻译和市场营销方面，AI 已将初稿的成本降低到接近零。但这并不意味着创意工作的终结，而是指估价方式的改变。市场为单纯生成文本支付的费用减少了，而为策略、编辑、分发、责任承担以及与实际业务目标匹配的能力支付的费用增加了。 医学：增强而非完全自动化 在医学影像诊断中，AI 可以提高专家的处理能力并减轻常规评估的负担。同时，法律和临床责任仍由人类承担。这种模式提升了高素质员工的价值，但并不一定能解决专业服务获取不均的问题。 神话与现实 如果 实际情况 AI将取代所有工作岗位。 AI更常自动化任务，而非整个职业。转变的规模可能很大，但效果取决于实施、监管和创造新角色的速度。 开源本身会平衡机会。 开放模型有帮助，但还需要数据、基础设施、安全、集成和实施能力。 最容易受到威胁的是体力劳动。 在近期内，生成式AI对常规认知任务的影响大于对复杂的体力劳动的影响。 AI将消除决策中的偏见。 系统可能会复制或放大数据错误。需要进行审计、测试和人为责任制。 十年后的三个情景 谨慎情景： 由于监管、缺乏数据和安全问题，人工智能的采用进程较慢。不平等正在增加，但主要体现在技术专家与市场其他群体之间。 基准情景： AI成为办公工作中的标准“副驾驶”。公司维持较小的团队规模，提高利润率，并调整对员工的期望。中产阶级感受到压力，但劳动力市场并未发生剧烈崩溃。 突破性情景： 自主智能体系统接管金融、法律、保险、营销和行政等领域的全部流程。价值集中在技术所有者手中，各国政府必须考虑更强力的再分配、对技术租金的新税或基本收入计划。 企业应该做什么 绘制常规信息流程图：电子邮件、发票、投诉、文件、报告、客户查询和案件分类。 在组织开始大规模部署AI代理之前，建立内部知识库并整理数据。 设计角色时，确保人工智能是学习工具，而不仅仅是消除初级职位的手段。 为模型支持的决策引入质量、安全和问责制审计。 衡量生产力收益由谁捕获：客户、员工、公司还是资本所有者。 各国政府应采取的措施 公共政策不能局限于“更多培训”这样的口号。需要具体的机制：教育领域获取AI工具的渠道、对中小企业的支持、算法审计标准、公共数据基础设施的投资，以及能够捕获部分技术租金的税收体系。 最大的挑战是维持社会流动性。如果人工智能淘汰了许多入门级职位，年轻员工将失去积累经验的自然路径。届时，国家、学校和企业必须创建新的实践学习模式：模拟训练、项目实习、AI支持的指导以及真实能力的认证。 结论 AI 本身既不是公平的技术，也不是不公平的技术。它只是现有结构的放大器。在管理良好的组织中，它可以提高能力较弱员工的生产力并降低服务成本。而在只专注于成本削减的组织中，它可能会加速稳定工作的侵蚀。在一个拥有强大教育和数据基础设施的国家，它可以提高竞争力。但在缺乏此类战略的国家，它可能会加深对外国平台的依赖。 因此，最重要的战略问题是：AI 是用于扩展人类的能力，还是主要用于将价值集中到技术所有者手中。这一决定决定了未来十年是生产力提升的十年，还是新不平等的十年。 来源 IMF: Gen-AI: Artificial Intelligence and the Future of Work NBER: Generative AI at Work Goldman Sachs: Generative AI could raise global GDP by 7% McKinsey: The economic potential of generative AI International Labour Organization: 生成式AI可能增强而非取代工作 World Economic Forum: 2023年工作报告 NIST: AI风险管理框架