人工智能正在让经济学家重新思考自动化

人工智能会抢走我们的工作吗？随着人工智能引发了对无工可做的未来的新担忧，考虑经济学家对技术和劳动力理解的演变是有帮助的。几十年来，经济学家们相对乐观，他们指出之前的技术浪潮并未导致大规模失业。但随着世界许多地方收入不平等的加剧，他们开始修正理论。新的技术对劳动力市场影响的模型考虑到它确实可以取代工人并降低工资。从长远来看，技术确实会提高生活水平。但多快和多广泛取决于两个因素：技术是否创造了新的工作机会，以及工人在技术部署中的话语权。

人工智能是否会让大量人失业？大多数经济学家会说不：如果技术会永久使人们失业，那么为什么经过几个世纪的新技术后，还有那么多工作岗位？他们声称新技术使经济更具生产力，并允许人们进入新领域——比如从农业转向制造业。因此，经济学家们历史上普遍认为技术变化引起的动荡是“介于无害和有益之间”。

但随着新的AI模型和工具几乎每周推出，这种共识正在破裂。证据表明，数字技术在美国和全球范围内增加了不平等。例如，计算机提高了知识工人的生产力，但降低了对“中等工资”工作的需求，如文员或行政助理。对此，一些经济学家开始修正他们对技术——特别是自动化——如何影响劳动力市场的模型。麻省理工学院的达龙·阿西莫格鲁和波士顿大学的帕斯夸尔·雷斯特雷波在最近的一篇论文中写道：“提高生产力的技术改进实际上可能降低所有工人的工资，这一点很重要，因为它通常被淡化或忽视。”

这种新的自动化经济学保留了技术在长期内通常会使工人更具生产力并因此提高工资的核心观点。但它也提出了两个重要点：首先，使用技术来自动化现有工作和创造完全新的能力之间有很大区别。其次，技术的路径部分取决于谁决定如何使用它。麻省理工学院经济学家大卫·奥托尔写道：“AI提供了大量增强工人和提升工作的工具。我们必须掌握这些工具并使其为我们服务。”

经济学家通过建立模型来理解世界。这些模型试图捕捉现代经济的混乱和广泛现实，但它们有意简化。目的是说明影响经济的关键选择和权衡。在此过程中，这些模型常常帮助塑造政策制定者的关注点。随着经济学家更新他们的自动化模型，他们不仅在改变该领域对技术对工人影响的理解，还在改变政客和监管者应该如何应对的辩论。

教育与技术的竞争

经济学家对技术及其对劳动力市场影响的积极看法源于一个相对简单的地方。20世纪的故事是技术似乎提升了大多数人的生活。在1900年，41%的美国工人从事农业工作；到2000年，只有2%的人在从事农业工作。这一转变是由新的机械设备——如犁和收割机——推动的，这些设备首先是马拉的，然后是机械化的。同时，机械化带来了制造业的繁荣。新的城市和城镇在新的制造企业周围涌现，美国经济变得更加城市化、更加工业化，且富裕得多。工资上涨，工作时间减少。经济历史学家罗伯特·戈登指出，体力最繁重的职业的工人比例大幅下降。这些变化有多种原因，并不是明确的好事。尽管如此，正如戈登总结的那样，它们显著改善了美国人的福祉，而这些变化不可能在没有新技术的情况下发生。

技术有可能使我们更具生产力并扩大经济蛋糕——这种动态仍然是经济学家对繁荣和增长理解的核心。如果没有农业机械化，过去两个世纪在世界许多地区看到的生活水平的显著提高是不可能的。这反映在这一历史产生的模型中。但这些模型包括一个关键假设：没有人变得更糟。

劳动力经济学家后来复杂化了这个故事，区分了“高技能”和“低技能”工人——通常用教育水平的数据来近似。这使他们能够模拟技术如何增加不平等。计算机使许多知识工人更具生产力——感谢电子表格和电子邮件等创新——因此提高了他们的工资。但对受教育程度较低的工人影响较小，哈佛大学的克劳迪娅·戈尔丁和劳伦斯·卡茨称其为“教育与技术的竞争”。

“竞争”的思维是，技术需要更多的教育来释放其生产力效益，因此它创造了对高学历工人的更多需求。这就创造了不平等的潜力，因为需求旺盛的受教育工人的工资上涨速度快于受教育程度较低的工人。在20世纪中期的美国，这种效应被越来越多的人上大学所抵消。这些新毕业生满足了对更多受教育工人的需求，而没有学位的工人很稀缺，因此他们的工资也可以上涨。但当美国上大学的人数在1980年代开始趋于平稳——但技术继续进步——新的受教育工人的需求未能得到满足。因此，拥有大学学位的人的工资上涨速度远远快于没有学位的人的工资，增加了不平等。

这些模型描述了所谓的“技能偏向技术变迁”，并捕捉了技术如何塑造工作的关键方面。它通常使我们更具生产力，但可能对某些职业和技能组产生更大的影响。尽管简单，这些模型很好地总结了一个世纪的工资数据——正如麻省理工学院经济学家大卫·奥托尔在2015年告诉我时所说的，当时我问他关于他在这一领域的工作。

问题在于，奥托尔在最近一次采访中说，旧模型假设技术“可能提升某些船只超过其他，但不会降低任何船只。”然而，随着数字技术改变全球经济，有“很多证据表明人们变得更糟。”

当技术创造新工作时，以及当它不创造新工作时

为什么一些新发明似乎大幅提高工资——至少最终是这样——而另一些则使大批工人变得更糟？在过去十年里，经济学家通过区分创造新类型工作的技术和仅仅自动化已有工作的技术来回答这个问题。

这种新模型的旅程始于2000年代中期，当时经济学家利用更丰富的数据开始将工作分解为个别任务。例如，研究员的工作可能包括收集数据、进行数据分析和撰写报告。起初，这三项任务都是由一个人完成的。但随着时间的推移，技术可能会接管数据收集任务，让研究员进行分析并撰写报告。

任务驱动的模型允许对技术对工作的影响有更细致的看法，并帮助进一步解释了美国和世界许多地方不平等的上升。从1980年代开始，数字技术开始接管与中等工资工作相关的任务，如簿记或文书工作。它使许多高技能任务——如数据分析和报告写作——更具生产力和更有利可图。但随着中产阶级工人被取代，许多人转向低工资工作——而可用工人的大量涌现往往意味着这些已经薪资较低的职业的工资下降。从1980年代到21世纪初，工作增长两极化为高薪知识工作和低薪服务。

任务驱动的视角还阐明了专业知识的重要性——计算机接管哪些任务很重要。从工人的角度来看，最好让机器接管重复性、低价值的工作——只要你能继续利用你的专业知识来完成那些高价值的任务。

任务驱动视角的一个局限，至少在最初，是它假设潜在任务的列表是静态的。但随着研究人员记录了职位名称和要求的演变，他们发现有多少人从事直到最近才存在的工作。

根据奥托尔的研究，2018年超过60%的就业岗位在1940年还不存在。1980年，人口普查局将远程操控飞行器的控制员加入其职业列表；2000年增加了侍酒师。这些例子突出了技术创造工作的两种相关方式。第一种情况是，一项新技术直接创造了一种需要新技能的新工作。第二种情况是，一个充满计算机和远程操控飞行器的更富裕的社会，意味着消费者可以在新的奢侈品上花钱，比如侍酒师的服务。

这种“新工作”是技术如何影响劳动力市场的关键，正如一些经济学家所认为的那样。在他们看来，技术对工人是否有利取决于社会是否发明了他们可以擅长的新事物——比如远程操控飞行器。如果经济正在迅速增加利用人类技能的新职业，那么它可以吸收一定数量的被取代工人。

阿西莫格鲁和雷斯特雷波在2018年提出了一个模型，其中自动化与新任务的创造竞赛。新技术取代工人并为他们创造新的任务；当取代超过新工作时，工资可能会下降。

随着经济学家重新思考他们的理论，他们也修改了他们的建议。在教育技术竞赛的时代，他们经常建议更多人上大学或提高技能。如今，他们更可能强调创造新工作的重要性，以及支持政策和制度的必要性。

技术在我们用它们“彻底改变我们能做的事情”时“改变我们的生活”，奥托尔说。互联网不仅仅是更好的电话，电力也不仅仅是煤气照明的替代品。最重要的技术创造了全新的类别的人类活动。这意味着新的工作和新的需求，随着社会变得更加富裕。

这类似于管理中的一个老想法：“再造”。1990年，迈克尔·哈默在一篇著名的HBR文章中敦促经理们“停止铺设牛道。”他认为，不应仅仅自动化旧的流程，而应从头开始重新构想。“新任务”模型的含义也是类似的。与其仅仅自动化我们目前执行的任务，我们应该发明完全新的方式让AI改善我们的生活——以及让人类发展和利用专业知识的新方式。

谁来决定？

人工智能承担哪些任务部分取决于谁在做决定——以及工人有多少发言权。去年，好莱坞编剧就AI如何在剧本写作过程中使用进行了新合同谈判。布鲁金斯学会的研究员莫莉·金德最近发表了一篇关于这些谈判的案例研究，得出结论：

“工会在9月达成的合同创造了历史先例：是否以及如何使用生成AI作为辅助和补充工具，而不是替代工具，由编剧决定。最终，如果使用生成AI，合同规定编剧将获得全额信用和报酬。”

工会与技术的关系不稳定，通常对自动化持怀疑态度。在这里，经济学家的思维也在演变。在1980年代，最突出的观点是，工会化企业对创新和新技术的投资动力较小。因为工会会确保工人获得大部分收益，投资者因此缺乏投入研发的动力。但伦敦经济学院的经济学家约翰·范·里恩认为还有其他几种思考方式。

通常善于利用新技术的公司支付更高的工资，因为它们更具生产力和盈利能力。范·里恩说，在适当的情况下，工会可以帮助确保工人有权分享这些利润的一部分，以更高的工资形式。工会还可以引导公司走向更具生产力（且对工人友好）的AI应用。“有一种观点认为，自下而上的创新将是找出AI最佳用途的最佳方式，”金德说。“所以有一个商业案例表明保持员工参与是有利的。”

工人输入还可以防止麻省理工学院的阿西莫格鲁在其研究和最近的一本书中警告的现象：“一般技术。”这个想法是公司有时会自动化到刚好足以取代工人，但没有创造出大的生产力提升。阿西莫格鲁以自助结账机为例：它们工作得足够好以取代收银员，但没有提供显著的经济提升，可以推动其他方面的需求。

关于经济学对政策制定者的影响已经写了整本书。这种影响可能被高估了：政策更多地由平凡的政治决定，而不是经济学教科书，无论好坏。然而，经济学研究的曲折确实重要——不仅因为它们帮助我们理解经济如何运作，还因为模型本身确实会影响公共辩论，决定政府应如何行动。

几十年来，经济学家讲述了一个技术提高所有船只——假设上没有人被抛弃的故事。他们对技术是社会提高生活水平最可靠的方式之一的观点是正确的。但他们对技术如何取代和伤害工人的认识来得太晚了。

经济学家最近的自动化模型也为即将到来的技术浪潮提供了关键教训。如果AI将开启一个广泛共享繁荣的时代，两件事需要成为现实。首先，它需要创造人类可以擅长的新类型工作——之前不存在的新任务。其次，从公司到政府的所有级别的决策需要包括工人的声音。这不一定意味着让工人对每个潜在的AI用例都有否决权，或坚持不失去任何工作。但这确实意味着确保工人有权表达他们的观点。

作为一个群体，经济学家对AI的看法仍然比许多人更不悲观；很少有人预测一个无工可做的未来。他们认识到，像过去时代的许多伟大“通用技术”一样，AI有可能极大地改善我们的生活。关键，正如奥托尔所说，是让它为我们服务。