诺奖经济学家 Daron Acemoglu：AI 改变工作时，如何保持自身价值

📌 One-Sentence Summary

Daron Acemoglu 认为，AI 要带来广泛繁荣，企业就必须开发增强劳动者能力的应用，正视组织采用的缓慢过程，并保留人的专业判断，而不能只追求自动化替代。

📝 Summary

在这场深入访谈中，经济学家 Daron Acemoglu 重新审视自己对 AI 自动化的谨慎预测。他承认可自动化的任务比例可能高于先前估计，但强调工具进入组织还需要配套投资、流程调整和时间。编码进展快，是因为结果相对容易验证；客服和实体生产则复杂得多。他认为，美国过度集中于基础模型，投入实际应用和劳动者协作工具的力量不足；中国制造企业把大量工程人才投入生产线，提供了另一种路径。自动化可以降低成本，但如果企业只想着替代员工，未必能创造新的高生产率岗位和共享繁荣。他建议学生打牢数学、物理、经济或工程基础，保持灵活性、独立思考与公共责任感。对于企业，他更看重高质量数据，以及与一线员工共同设计、难以复制的细分应用。AI 是增强人的创造力，还是让更多人失去有意义的工作，取决于现实中的选择。

💡 Main Points

部署摩擦限制 AI 短期生产率收益

Acemoglu 认为，可自动化任务的比例或许高于此前预测，但企业整合工具还需要配套投资和流程变革；模型能力本身不会自动转化为经济收益。

应用应增强劳动者能力，而非只替代岗位

他将易于验证的编码任务与客服、生产作对比，主张围绕护士、教师、制造业员工等人的真实流程和隐性知识设计工具。

只靠自动化可能削弱共享繁荣

节约成本不会自然创造高薪岗位。他主张更均衡的技术路径，让新技术产生新任务，并提高人的生产率。

基础知识与独立判断依然重要

他建议深入学习基础学科，保持灵活，把 AI 用作批评者和助手，同时培养公共责任感，避免让工具替代思考。

高质量数据和细分应用可能创造更多价值

他质疑基础模型能否获得与巨额投资匹配的回报，更看重专有数据及与一线员工共同开发、难以被开源模型复制的应用。

💬 Key Quotes

将自动化融入组织很难。

我们需要更多、更好的应用。

问题在于，如果我们所做的一切只有自动化。

我认为，价值在于高质量数据和应用。

📊 Article Meta

AI Screening： 91

Featured： Yes

Source： Silicon Valley Girl

Author： Silicon Valley Girl

Category： 人工智能

Language： 英文

Read Time： 32 min

Word Count： 7813

Tags：

AI 与智能应用 , AI 产品与应用 , AI 工作流 , 组织与变革 , 视频

Play Full Video