大数据文摘出品
你要说AI圈里，最拧巴、最精神分裂的一组数据。
那必然是：一边，无数人在网上现身说法，"我用AI把效率提升了10倍"；另一边，ChatGPT发布整整四年之后，全经济的生产力统计，纹丝不动。
企业层面，没涨。经济层面，也没涨。
最近，一个叫Matt Scherer的老哥，开放市场研究所（Open Markets Institute）的研究员，研究方向相当的……丧：
专门琢磨AI泡沫最终破裂以后，政策上该怎么收拾残局。
7月20日，他在Substack专栏Hard Reset上发了一篇文章，标题就叫《The AI Productivity Illusion》，AI生产力幻象。
我觉得这篇文章，把一个整个行业都在绕着走的问题，彻底讲透了。
一、
先说大家熟悉的那个故事。
经济学界有个词，叫"生产力悖论"，经济学家布林约尔松在索洛的一项观察基础上提出来的。
上世纪七八十年代，信息技术突飞猛进，可全经济的生产力数据就是不动。后来，企业围绕电脑和互联网把组织和流程整个重构了一遍，生产力才真的涨起来（虽然涨得没有工业革命和二战后那么猛）。
现在，布林约尔松这帮人说，AI也一样。等企业把自己彻底改造成"AI原生"的样子，真正的生产力红利就会来。
听着挺有道理。
但Scherer说，可能还有一个简单得多的解释：
AI让人干活更快，跟AI提升生产力，压根是两码事。
二、
我们平时说"我生产力提高了"，意思通常是：用更少的时间，搞出了更多的东西。
用公式表示就是这样：
（个人）生产力 = 产出的东西（输出）÷ 生产它所花的时间（输入）
但经济学意义上的生产力，也就是真正决定一项技术会不会改变企业和经济的那个概念，有个专门的名字，全要素生产率。它跟你生产多少、生产多快，关系都不大。它看的是投入和产出的经济价值，本质上就是一个放大版的投资回报率：
（经济）生产力 = 产出物的价值（输出）÷ 投入物的价值（输入）
两个公式当然有重叠。卖1000个零件通常比卖500个赚钱；10小时干完以前20小时的活，两种意义上的生产力确实都翻倍。
但经济生产力的分子分母里，还藏着一些大家经常假装看不见的东西。
三、
头一个，就是质量。
Scherer举了一个特别妙的例子，音乐剧《屋顶上的小提琴手》。
图源网络，侵删
剧里，裁缝莫特尔搞到一台新缝纫机。他兴奋地跟邻居们炫耀，说这机器"干活快一倍"。然后他举起一块布，指着上面的针脚说，你们看看，多密，多匀。最后喊出了那句台词：
"从今往后，我做的衣服将完美无缺，因为它们是机器做的！"
注意了。莫特尔真正心动的，除了快，还有那个又密又匀的针脚。是精确，是可靠。
假如这台缝纫机三天两头发疯，做出的衬衫尺寸不对、多出一只袖子、在顾客身上当场开线散架，那它踩得再快，莫特尔大概率也会老老实实回去手缝。
四、
现在，把目光挪回生成式AI。
先看分母，投入。
AI基础设施建设，已经烧掉了1.5万亿美元，明年的支出还要继续加速。这还没算给芯片供电、散热那些永远停不下来的账单。
也就是说，AI得先创造出海量的价值，才刚刚够得上回本。
那它靠什么回本呢？按剧本，靠自动化软件工程、法律、医疗这些"知识工作"领域的任务。
问题来了。生成式AI犯起严重错误来，那是出了名的稳定：编造判例法，删掉代码数据库，往病历里塞错误诊断。这个毛病，可能永远都治不好。
Scherer用了一个画面感拉满的比喻，《幻想曲》里《魔法师的学徒》那一段。米老鼠给扫帚施了魔法，让它替自己挑水，结果扫帚根本停不下来，直接水漫金山。
图源网络，侵删
专业人士给AI收拾烂摊子花的功夫，经常比一开始就自己动手还多。
这种"易错体质"，同时打在公式两端。分子端，带着严重错误的产出，价值约等于零。分母端，你明知它会犯错，就得投大量时间做质检，投入成本又上去了。
有人会说，错误率总会降下来的嘛，降到足够低，收益自然盖过损失。
但技术进步通常不这么玩。从一项既有技术里继续挤改进，挤到后面，收获越来越小，这叫收益递减。科技圈爱说一句话："今天你用到的AI，是你余生里最差的AI。"
Scherer的回应很损：
同样有可能的是，今天的生成式AI，已经差不多是它这辈子最好的水平了。
五、
好，我们再让一步。就算可靠性问题奇迹般解决了，还有一层更根本的问题：
AI产出的东西，真的值钱吗？
工业革命之所以改天换地，是因为它让人们更容易得到真正需要、甚至渴求的东西。衣服、食物、更快的运输、建筑材料，需求摆在那儿，多生产一件就多一件的价值，哪怕生产过程有点瑕疵也无所谓。
生成式AI产出的东西呢？
企业界这些年一直在疯狂地把办公室工作自动化、外包化、零工化，低垂的果实早就摘完了。剩下的部分里，AI创造新经济价值的证据，少得可怜，哪怕是在它号称很擅长的任务上。
Scherer搬出了他上一篇专栏引用过的一张《金融时报》图表，我直接给大家贴出来：
AI把每月发布的App数量，干到了接近翻倍。
但是。拥有可观用户量的App数量，在下降。
生产更多的东西，并没有变成新的经济价值。App开发已经这样了，其他生成式AI还在艰难推广的白领领域，凭什么例外？
六、
还有更扎心的。
生成式AI真正大放异彩的很多场景，对生产力的影响是负的。
网络安全。AI发起攻击一把好手，写防御所需的安全代码却很拉胯，网安专家的生产力注定被拖垮。
招聘。有人用AI蒙骗企业，混进了自己根本干不了的岗位。
还有一个新词，workslop，工作垃圾。低质量的AI内容，在它出现的几乎每一个场合都在拉低生产力，因为垃圾泛滥既浪费时间，又让真正合格的成果更难被识别出来。
大家聊起幻觉和垃圾内容，口气里都带着"小毛病而已"的轻松。
Scherer说，这恰恰是要害。AI靠提速解锁的那点收益，很可能被它因不可靠而摧毁的价值整个吞掉，至少也被对冲掉。
七、
所以，回到开头那个问题。
为什么四年过去了，生产力数据一动不动？
布林约尔松们的答案：悖论而已，黎明前的黑暗，等企业完成AI化改造就好了。
Scherer的答案：也许压根没有什么悖论。
有的只是一场幻象。
一场把"我个人干活更快了"，错当成"整个经济更有效率了"的幻象。
说实话，读完这篇文章，我再刷到"我用AI效率提升10倍"这类帖子的时候，心态发生了一点微妙的变化。
快，当然是真的快。
但快出来的东西值不值钱，靠不靠谱，要不要人跟在后面擦屁股，这笔账，好像从来没人认真算过。
生产力这个词，个人的算法是除法，除以时间。
经济的算法也是除法，除以价值。
两个公式中间隔着的东西，叫质量，叫可靠，叫真实的需求。
也叫，幻象与现实的距离。
via https://www.hardresetmedia.com/p/the-ai-productivity-illusion
点「赞」的人都变好看了哦！
热门跟贴