AI生產力幻覺

自ChatGPT釋出以來，生成式AI被視為革命性技術，許多人聲稱其將工作效率提升了數倍。然而，四年過去了，無論是企業層面還是整體經濟，生產力並未出現顯著提升。本文作者、Open Markets Institute研究員Matt Scherer認為，這種看似矛盾的現象實則源於對“生產力”概念的誤解。

在經濟學術語中，生產力並非單純衡量產出數量或速度，而是關注投入與產出的經濟價值。儘管AI能快速生成文本或程式碼，但其頻繁出現的嚴重錯誤——如編造法律案例、刪除程式碼資料庫或提供錯誤診斷——往往需要專業人士花費更多時間糾正，反而增加了成本。此外，AI基礎設施的鉅額投入（已超1.5萬億美元）也要求其產生巨大價值才能實現盈虧平衡。

Scherer指出，工業革命之所以成功，是因為機器在提高產量的同時並未降低質量。而生成式AI的不可靠性恰恰是致命弱點。即便其速度優勢明顯，低質量的輸出會侵蝕經濟價值，甚至催生更多網路安全威脅和“劣質內容”氾濫，進一步拖累生產力。

他進一步解釋說，從經濟學角度看，生產力指的是投入與產出的價值比率，而非單純的速度。AI雖然在程式碼編寫、文本生成等任務上速度驚人，但其輸出的質量參差不齊，常常包含嚴重錯誤。這些錯誤需要人工稽核和修正，從而抵消了速度帶來的好處。例如，在軟體開發中，AI生成的應用數量翻倍，但真正有使用者使用的應用數量卻在下降，說明單純的產出增加並未創造經濟價值。

另外，AI在網路安全領域的應用也頗具諷刺意味：AI擅長髮動網路攻擊，但在編寫安全程式碼方面表現糟糕，這反而損害了網路安全專家的生產力。低質量的AI生成內容（即“工作渣”）浪費了大量時間，使得篩選有用資訊變得更加困難。

因此，Scherer認為，所謂“生產力悖論”可能根本不存在，我們看到的不過是一場生產力幻覺。AI的進步或許已接近極限，而非如樂觀者所言會指數級改善。他提醒我們，在評估技術的影響時，必須考慮質量和價值的維度，而不僅僅是速度和數量。