AI公司在組建經濟學團隊，諾獎經濟學家：做研究還是搞公關？

（來源：麻省理工科技評論）

2024 年，距離獲得諾貝爾經濟學獎還有幾個月，達隆·阿西莫格魯（Daron Acemoglu）發(fā)表了一篇論文，這篇論文讓他在硅谷沒交到什么朋友。大型科技公司的 CEO 們當時紛紛承諾 AI 將徹底改造所有白領工作，但阿西莫格魯的估算是：AI 對美國生產力的提升很有限，也不會消除人類工作的需求。AI 擅長把某些任務自動化，但很多工作并不是“自動化”就能解決的。

兩年過去了，阿西莫格魯的判斷并沒有成為主流。“AI 失業(yè)末日”的說法到處都是，從參議員伯尼·桑德斯的集會，到我在雜貨店排隊時聽到的閑聊；甚至一些此前持懷疑態(tài)度的經濟學家也開始松口，承認 AI 可能帶來某種顛覆性的沖擊。上周，加州一位州長候選人表示他想對企業(yè)使用 AI 征稅，用來補償“AI 驅動的裁員”的受害者。

一方面，數據仍然站在阿西莫格魯這邊——現有研究表明 AI 尚未影響就業(yè)率或裁員。另一方面，距離阿西莫格魯做出預測以來，時間飛逝，技術已經進步了很多。于是，我們決定重新與他聊聊，想了解 AI 發(fā)展的近況有沒有改變他的判斷；以及什么才是值得擔心的。

AI 智能體

阿西莫格魯發(fā)表那篇論文以來，AI 領域最大的技術飛躍之一就是智能體（agentic AI）。它們超越了聊天機器人的范疇，能自主運行來完成你給它的目標。因為智能體可以獨立工作而不只是回答問題，越來越多的公司開始把它們包裝成“一個智能體頂幾個員工”的方案來推銷。

“我覺得這條路走不通。”阿西莫格魯說。在他看來，智能體更應該被當作輔助工具，用來加強一個人工作中某些特定環(huán)節(jié)，而不是一種萬能到可以接管整個崗位的東西。

原因之一跟一份工作包含多少種不同任務有關——這是阿西莫格魯從 2018 年起就在研究的課題。比如一個 X 光技師要同時應付 30 種不同的任務：記錄患者病史、整理乳腺 X 光片的檔案，等等。一個人可以很自然地在不同格式、數據庫和工作方式之間切換，阿西莫格魯說，但 AI 要做到同樣的事情，需要多少個獨立的工具或協(xié)議？

AI 智能體最終能否大幅沖擊就業(yè)市場，取決于它們能不能掌握人類天然具備的那種“任務之間的調度能力”。各家 AI 公司正在激烈競爭，試圖證明自己的智能體可以獨立工作更長時間而不犯錯，有時候還會夸大結果。但阿西莫格魯說，如果智能體做不到在不同任務之間流暢切換，很多工作就不會被 AI 接管

科技公司開始搶經濟學家

多年來，大型科技公司一直在用天價薪水招募 AI 研究人員。但我問阿西莫格魯的是我注意到的另一波招聘潮：AI 公司紛紛在組建自己的經濟學團隊。

OpenAI 在 2024 年從杜克大學聘請了羅尼·查特吉（Ronnie Chatterji）擔任首席經濟學家，去年又宣布查特吉將與哈佛經濟學家、奧巴馬前顧問杰森·弗曼（Jason Furman）合作研究 AI 與就業(yè)；Anthropic 召集了 10 位頂尖經濟學家組成一個研究小組做類似的工作；就在上周，Google DeepMind 宣布聘請了芝加哥大學經濟學家亞歷克斯·伊馬斯（Alex Imas）擔任“AGI 經濟學總監(jiān)”。

阿西莫格魯也注意到身邊的同行被這些崗位挖走了。AI 公司很清楚，公眾對 AI 的懷疑正在加深，很大一部分源于對失業(yè)的擔憂。這些公司有很強的動力去塑造圍繞自家技術的經濟敘事（想想 OpenAI 最近提出的那套產業(yè)政策新藍圖）。

“我希望不會出現的情況是，他們招經濟學家只是為了給自己的觀點背書或者繼續(xù)炒作。”阿西莫格魯說，而這種張力籠罩著正在興起的“AI 經濟學”領域。令人擔憂的是，關于 AI 對工作影響的最有影響力的研究，可能會越來越多地出自那些最有動力得出有利結論的公司。

AI 應用

對我來說 AI 并不難用，我們大多數人都是通過自然語言聊天的方式跟它打交道。但阿西莫格魯說，我們應該把它和那些引發(fā)了早期技術變革的軟件做個對比，比如用來做幻燈片的 PowerPoint 和用來寫文檔的 Word。

“這些軟件，任何人都可以裝在自己電腦上，然后馬上用它完成自己想做的事。”他說。它們也因此迅速普及了。

“我們還沒有看到基于 AI 的應用達到同樣的易用程度。”他說。即使任何人都可以跟 AI 模型聊天，普通工人要真正從中獲得實際的、有產出的幫助，往往還需要一段適應時間，這也是 AI 至今沒有對就業(yè)市場或經濟產生明顯沖擊的原因之一。

所以阿西莫格魯在密切關注一個信號：有沒有出現讓 AI 變得真正好用的應用。

不過他也承認，在一段時間內我們會看到各種相互矛盾的證據。比如一邊是應屆畢業(yè)生覺得就業(yè)市場越來越難，另一邊是 AI 對生產力的影響在數據上完全看不出來。“不確定性是巨大的。”他說。而這恰恰是當下 AI 經濟最能說明問題的一點：嘴上的話說得多篤定，其他一切就有多不確定。

https://www.technologyreview.com/2026/05/11/1137090/three-things-in-ai-to-watch-according-to-a-nobel-winning-economist/