AI生产力幻觉

自ChatGPT发布以来，生成式AI被视为革命性技术，许多人声称其将工作效率提升了数倍。然而，四年过去了，无论是企业层面还是整体经济，生产力并未出现显著提升。本文作者、Open Markets Institute研究员Matt Scherer认为，这种看似矛盾的现象实则源于对“生产力”概念的误解。

在经济学术语中，生产力并非单纯衡量产出数量或速度，而是关注投入与产出的经济价值。尽管AI能快速生成文本或代码，但其频繁出现的严重错误——如编造法律案例、删除代码数据库或提供错误诊断——往往需要专业人士花费更多时间纠正，反而增加了成本。此外，AI基础设施的巨额投入（已超1.5万亿美元）也要求其产生巨大价值才能实现盈亏平衡。

Scherer指出，工业革命之所以成功，是因为机器在提高产量的同时并未降低质量。而生成式AI的不可靠性恰恰是致命弱点。即便其速度优势明显，低质量的输出会侵蚀经济价值，甚至催生更多网络安全威胁和“劣质内容”泛滥，进一步拖累生产力。

他进一步解释说，从经济学角度看，生产力指的是投入与产出的价值比率，而非单纯的速度。AI虽然在代码编写、文本生成等任务上速度惊人，但其输出的质量参差不齐，常常包含严重错误。这些错误需要人工审核和修正，从而抵消了速度带来的好处。例如，在软件开发中，AI生成的应用数量翻倍，但真正有用户使用的应用数量却在下降，说明单纯的产出增加并未创造经济价值。

另外，AI在网络安全领域的应用也颇具讽刺意味：AI擅长发动网络攻击，但在编写安全代码方面表现糟糕，这反而损害了网络安全专家的生产力。低质量的AI生成内容（即“工作渣”）浪费了大量时间，使得筛选有用信息变得更加困难。

因此，Scherer认为，所谓“生产力悖论”可能根本不存在，我们看到的不过是一场生产力幻觉。AI的进步或许已接近极限，而非如乐观者所言会指数级改善。他提醒我们，在评估技术的影响时，必须考虑质量和价值的维度，而不仅仅是速度和数量。