新智元报道
编辑：peter东 KingHZ
【新智元导读】AI已经不只会「答题」，开始下场「挣钱」了。但它也可能顺手给你产出17份PPT，把你淹没在电子垃圾里。下一代AI也许真能赢过专家，可更刺激的问题是：它会替你上班，还是让你转职为「AI监工」？
悄然之间，人工智能跨越了一个关键门槛：它们现在已能完成具有实际经济价值的工作。
但当你把一份企业备忘录交给Claude，让它做个 PPT，结果它一口气生成了17个版本。
面对这种「用力过猛」的 AI，你可能会怀疑：它真的具有实用性和经济价值吗？
对此，宾夕法尼亚大学沃顿商学院教授Ethan Mollick给出了他的回答。
智能体能完成特定任务
但无法取代工作
考虑到开发新AI所投入的天量资源，无论是字面意义还是象征意义上，我们却在精确衡量AI「智能」程度这件事上意外地捉襟见肘。
目前，最普遍的做法是将AI视作人类，通过标准化测试来统计其答对题目的数量。
这类被称为「基准测试」的评估体系多达数十种，已成为衡量AI能力演进的核心标尺。
但AI真的实用性？有经济价值吗？
要回答这个问题，不能光靠感觉，得看数据。
OpenAI发布了一个名叫GDPVAL的新基准测试。它不像以往的数学或常识测试，而是专门考察大模型在现实工作场景中能否创造经济价值。
这一次，考得很「实战」。
OpenAI组了个高端局：
出题人：来自金融、法律、零售等行业的资深专家（平均14年经验）。
题目难度：人类专家平均需要4-7小时才能完成的真实业务任务。
评测方式：AI和人类专家同台竞技，由第三方专家进行盲测打分。
然后，OpenAI让各家的大模型和其他专家亲自完成这些任务。第三组专家对结果进行评分，评分的专家不知道哪些答案来自AI，哪些来自人类，每个问题的评分时间大约需要一小时。
测试结果非常耐人寻味：人类专家赢了，但是赢得很难（勉强获胜）。
图1：GDPVAL中，不同模型在对应任务上和人类具有相同或更好水平的比例。
同时，测试发现AI进步极快：较新的模型得分远超旧模型。
输在哪？有趣的是，大模型输给人类，并不是因为「幻觉」或「胡说八道」，主要是因为格式排版不好或没能精确遵循指令——而这些恰恰是最容易修复的短板。
图2：不同领域中，大模型的表现好坏差异较大
如果当前趋势持续，下一代人工智能模型在这项测试中应超越人类专家。但这意味着AI已做好准备，来取代人类工作了吗？
回答是否定。
这里的关键在于：GDPVAL测试的是「任务」（Task），而我们做的是「工作」（Job）。
任务是具体的：写一段代码、翻译一篇文章。
工作是复杂的：它包含了一连串的任务，更包含了人际沟通、决策博弈和对突发状况的处理。
只要AI还做不到像人类一样处理复杂互动，它就无法取代你的岗位。
但在这些高价值的任务中，AI什么时候能达到人类专家级水平？理论上，AI落地已无阻碍？
Ethan Mollick教授认为，AI智能体突然变得具有落地可能，确实让人大吃一惊。部分原因在于大家对智能体的错误认知 。
智能体，工作「续航能力」指数级增长
以前，大家认为，AI想独立完成长任务非常难，比如写一个完整的软件。因为AI只要中间错一步，后面就全完了（误差累积）。
但剑桥大学等机构联手颠覆了这个认知：AI的能力并没有遇到瓶颈，反而在爆发。
预印本链接：https://arxiv.org/abs/2509.09677
剑桥大学Akshit Sinha等研究人员挖掘出四大原因：
1）收益非递减：变准一点点，能做的事会暴增
2）自我修正：它会停下来检查，不会被一个错误拖死
3）更长上下文：一次对话就能装下更长流程
4）更强模型能力：规划更稳，长任务更不崩
所有这一切意味着，AI 智能体能够应对那些需要更多步骤才能完成的任务，并且这一过程无需人工干预。
图3：大模型性能的提升不会引起收益递减的四个原因
因此，指标METR，从GPT-3到GPT-5，在五年间持续保持了指数级增长，显示出智能体能力增加的速度没有放缓。
图4：大模型能够稳定完成的任务所需的耗时变化
该指标衡量AI能以至少50%几率独立完成的任务到底多长。
这意味着我们在不远的未来，就能够看到AI完成需要专业人士一天甚至一周时间才能完成的复杂任务。
人类决定AI的未来
然而，真正具有自主性智能体并不存在。
目前，我们需要决定如何使用它们，这将决定未来工作的许多方面。当下大多人关注的重点是用AI取代人类劳动所带来的风险，而且不难看出这将在未来几年成为一个主要问题，特别是对于那些只关注削减成本、而不是利用这些新能力来扩展或转型工作的，同时缺乏想象力的组织。
但在工作中使用AI，会带来的另一个非常有可能发生的风险是：我们会无意识地让智能体去完成一堆比我们当下所做的更多，但完全不必要的任务，例如根据一个文档做17个PPT。
我们如果不认真思考我们为什么要做工作，以及工作应该是什么样子，那么会被AI生成的「电子垃圾」大潮淹没。
那么，替代方案是什么？
OpenAI建议专家可以通过将任务委托给 AI ，将AI生成的结果当成初稿，由人类审查，从而与 AI 合作解决问题。如果AI生成的初稿不够好，用户可在提示词中提供纠正或优化提示词再试一次。如果那仍然不起作用，他们应该亲自完成工作。
如果专家遵循这种工作流程，论文估计他们可以加快40%的工作速度，降低60%的成本。更重要的是，他们可以保持对 AI 的控制权。
图5：不同大模型带来的速度和成本提升
具有经济实用性的智能体已经出现。例如通过让AI智能体去复现学术论文，可以应对学术界的「可复现性危机」。
尽管智能体能够完成的任务仍然有限，但它有经济价值，并且价值正在递增。
出现哪一个未来，区别不在于AI技术的演变，而在于我们选择如何使用AI。通过在我们的判断中决定什么值得做，而不仅仅是能做什么，我们可以确保这些工具使我们变得更有能力，而不仅仅是更有效率。
参考资料：
https://www.oneusefulthing.org/p/real-ai-agents-and-real-work
秒追ASI
⭐点赞、转发、在看一键三连⭐
点亮星标，锁定新智元极速推送！
热门跟贴