AI“止步不前”或“只能做些鸡毛蒜皮的小事”？这些说法大多言过其实
一份关于人工智能商业应用的报告引发了对AI进展的怀疑，但其研究方法存在缺陷，尤其对“零回报”的定义存在误解。真正的价值并非来自能立即计入损益表的项目，而是通过改变工作流程和提升个人生产力来体现。此外，传统的经济学框架，如“劳动”与“资本”的划分，无法有效解释通用人工智能（AGI）可能带来的指数级、颠覆性的变革，因为它更像一个能自我复制和改进的新物种，而非简单的生产工具。
对商业AI回报的误解
一份报告声称，企业尝试将AI用于聊天机器人和编程助手之外的领域时，“95%的企业获得零回报”。这听起来很惊人，但问题出在研究方法和定义上。
报告指出的几个模式包括：
- 有限的颠覆： 8个主要行业中只有2个显示出结构性变化。
- 投资偏见： 预算倾向于光鲜的、面向客户的功能，而非投资回报率更高的后台办公。
- 实施优势： 与外部伙伴合作的成功率是内部开发的两倍。
正如一位首席信息官所说：“我们今年看了几十个演示。可能只有一两个真正有用。其余的都是包装项目或科学实验。”
这表明，那些失败的所谓“AI工具”本身质量堪忧。此外，报告提到内部构建的AI解决方案“失败率是外部方案的两倍”，这意味着当企业采购外部成熟方案时，成功率超过50%。
“零回报”的真正含义
报告对“零回报”的定义非常狭隘，特指那些没有“可衡量的损益表（P&L）影响”的项目。
像ChatGPT和Copilot这类工具被广泛采用，它们极大地提升了个人生产力。但这种提升很难直接量化为利润表上的具体数字。如果你将程序员的生产力提高一倍，这当然创造了巨大的价值，但你无法指着利润表说“这就是AI赚到的[X]元”。这种只关注短期、可衡量利润的视角，恰恰导致了对高回报率的后台效率升级项目不被重视。
真正的变革在于工作流程
历史上，革命性技术带来的巨大生产力提升，并非源于个体员工学会使用新工具，而是整个工作流程、商业模式围绕新技术重构。
“以往技术进步带来的真正生产力增长，并非来自个体工人学会使用电力或互联网，而是整个工作流程、工厂、流程、企业都围绕新工具的使用而建立起来（换句话说，是管理上的变革）。”
目前，大多数企业只是尝试将AI塞进现有的工作流程，而不是思考如何利用AI创造全新的工作流程。这正是新技术应用缓慢的根本原因。人们抱怨AI工具缺乏记忆、无法学习客户偏好，但这只是因为他们期待AI能自动完成一切，而没有主动去构建适应AI的工作方式。
“AI放缓论”的循环
每隔一段时间，主流媒体就会出现“AI进展正在放缓”或“AI正在失去动力”的论调。
- 这些论调往往出现在AI领域取得飞速进展的时期。
- 发表这些观点的人几乎从不是前沿公司的员工，而是记者、学者或推广其他技术的初创公司。
- 这更像是一个营销问题，那些真正有效使用AI或致力于研发的人并不认为进展在放缓。
现实是，AI的实际发展速度远远超过其他任何领域。
为何经济学教育可能妨碍理解AGI
经济学家史蒂文·伯恩斯（Steven Byrnes）指出，传统的经济学教育在思考通用人工智能（AGI）时可能反而会让人变得更愚蠢。
1. “劳动”与“资本”的词语陷阱
经济学将生产要素分为“劳动”（人）和“资本”（物）。但AGI既不是传统意义上的劳动，也不是资本。它像人一样可以主动寻找并创造新机会，而不是像机器一样被动等待使用。
2. 无法平衡的市场
AGI打破了市场的平衡机制：
- 对于劳动力： 人口增加，短期工资下降，但长期会创造新需求，价值反而可能上升（如城市化）。
- 对于产品： 需求增加，短期价格上升，但长期会通过规模化生产降低价格。
AGI兼具两者的特性：需求越大，它能创造的新机会就越多（类似劳动力）；同时，需求越大，制造成本也越低（类似产品）。这会形成一个无法平衡的正反馈循环，导致指数级增长，就像生物繁殖一样。
“想象一个可以建造相同自主工厂的自主工厂，然后用随处可见的输入材料和阳光建造两个、四个……经济学教科书不谈论这个。但生物学教科书会谈！”
3. GDP作为衡量指标的缺陷
世界可能因为AI而变得面目全非，但GDP增长却可能并不高。GDP是一个糟糕的指标，尤其无法衡量廉价但颠覆性巨大的技术所带来的真实影响。
4. 忽视暴力与权力
经济学聚焦于“互利交易”，却常常忽略“杀死对方并夺取其资源”也是一种选择。当我们在讨论AGI时，我们是在讨论创造一个比人类更聪明、更强大、数量更多的新智能物种。
任何看过科幻电影、了解过殖民史的普通人都会立刻问出关键问题：“它们的动机是什么？”“谁将拥有最终的权力？”“如果它们早期表现友好，会不会在强大后反咬一口？”
而受过经济学训练的人，却可能将AGI简单地视为一种“资本”，就像一台注塑机，从而忽略了其潜在的生存威胁。这种思维框架完全不适用于一个可能重塑世界权力格局的新物种。