Lesswrong
The author argues that while comparative advantage may preserve some human roles, AI could still cause significant harm through wage suppression, the collapse of entry-level job pipelines, and the concentration of wealth among capital owners. The current 'cyborg era' protects experienced workers with tacit knowledge, but early-career employment is already showing signs of decline as codified tasks are automated.
AI 生成摘要
我認為雖然比較優勢可能保留部分人類職位，但 AI 仍可能透過壓低薪資、摧毀初級職位晉升管道以及讓資本方壟斷收益，對勞工造成實質傷害。目前的「半人半機」時代保護了擁有默會知識的資深員工，但隨著成文化任務被自動化，初階就業市場已出現衰退跡象。
David Oks 發表了一篇文筆流暢的文章，主張目前對 AI 導致失業的恐慌過度了。我同意他的部分前提（很高興看到我們 Lars Tunbjörk 的粉絲），但我不同意他的大部分觀點，並得出了截然不同的結論。我看到其他經濟學家也有與 Oks 類似的看法，因此我認為最好說明一下我對經濟/勞動力的透視，以及為什麼我選擇研究逐漸失去權力的風險。
我的核心主張很簡單：Oks 在比較優勢和瓶頸方面的看法可能是正確的，但「普通人不必擔心」這一點卻可能是錯誤的。勞動力市場可以維持「就業」狀態，但仍會透過薪資壓力、人才管道崩潰以及資本對剩餘價值的佔有，而在結構上對勞動者變得更加惡劣。
我寫這篇文章是因為我一直看到 AI 經濟論述中出現同樣的論證套路：將一個理論上正確的生產陳述，用來承載對廣泛福利的經驗預測。我不太關心「工作是否會存在」這個二元問題，而更關心決定這一轉型是否良性的問題：有多少工作、薪資如何、議價能力如何，以及誰擁有產生剩餘價值的系統。
Oks 的觀點如下：
「……勞動力替代關乎的是比較優勢，而非絕對優勢。問題不在於 AI 是否能完成人類所做的特定任務，而在於人類與 AI 協作的總產出是否劣於 AI 獨自生產的結果：換句話說，在生產過程中加入人類，是否能以任何方式增加或改善該過程的產出。」
Oks 在這裡引用了李嘉圖（Ricardian）的論點，我認為作為對當今許多工作流程的描述，這在方向上是正確的。我們正處於一個「半人半機（cyborg）時代」，人類加上 AI 的表現往往優於單獨的 AI，尤其是在目標不明確或背景資訊繁重的問題上。但我認為比較優勢的框架並不能達到 Oks 想要的預期效果，因為它遺漏了決定勞動者是否「安好」的變數。
首先，比較優勢告訴你「某些」人類勞動力在「某些」配置下仍具價值，但並未提及薪資、工作數量或收益分配。你可能擁有比較優勢，但同時面臨大規模流離失所、薪資崩潰以及回報向資本集中。在一個人類僅在少數殘餘任務中保留「比較優勢」，且薪資僅為目前一小部分的世界，這在技術上與 Oks 的框架一致，但顯然值得擔憂，而且絕對稱不上安好。
比較優勢框架的另一個問題（我認為這也是大多數 AI/經濟預測的問題）是：它隱含地假設大多數勞動者都擁有那種能與 AI 互補的默會、高情境戰略知識。「半人半機時代」的持續，前提是勞動者擁有不可替代的貢獻（判斷力、組織背景、創意指導）。我同意某些工作確實如此，但這不足以讓我對失業問題感到樂觀。
在資本主義下，企業是理性的成本極小化者。除非有政策干預，否則他們會透過任何能提供最高單位美元產出的投入組合來進行生產。Oks 與 David Graeber 的「」論點在經驗點上達成一致，即組織內部充滿了低效，許多職位的存在並非因為它們具有最大生產力，而是因為社會信號和協調失敗。Oks 將這種低效視為保護勞動者的緩衝墊。但如果現有職位中有很大一部分涉及可編碼、常規的認知任務，那麼它們根本不受比較優勢的保護。它們受保護於社會資本和組織摩擦，而我認為後者將會侵蝕（我們稍後會討論）。
Oks 引用了一些證據來證明免於流離失所的保護——我承認目前的平衡證據尚無定論，且受到許多其他經濟因素的干擾。我要提出 Erik Brynjolfsson 的「」研究，因為我認為它體現了我們在 AGI 到來前的未來 2-3 年以上將持續看到的趨勢。
Brynjolfsson 分析了數百萬份 ADP 薪資記錄，發現自 2022 年底以來，在受 AI 影響的職業中，早期職業工作者（22-25 歲）的就業人數相對下降了 13%。特別是對於年輕的軟體開發人員，就業人數從 2022 年的高點下降了近 20%。與此同時，同一職業中資深工作者的就業情況保持穩定或有所增長。
那麼其中的機制是什麼？AI 取代了顯性知識（即你從教室或教科書中獲得的那種學習），但在默會知識（即在工作中累積多年的經驗判斷）方面表現掙扎。這就是為什麼資深人員得以倖免，而初級人員則不然。但 Oks 的論點將此視為安慰：看吧，擁有深厚知識的人類仍具比較優勢！ 我認為這更像是資深工作者的奢侈，而對「資深人員」的保護將隨著時間。
其他一些統計數據（同樣，並非完全定論，但值得提出）：
這是職業階梯底層的消失，而底層歷來承擔著雙重功能：產出成果以及培訓下一代資深員工。Oks 可能會指向其他就業來源（瑜伽教練、直播主、體適能教練），或指出初級招聘放緩是由於其他經濟力量，但我會問：整代即將入職的、擁有豐富顯性知識但缺乏默會知識的大學畢業生，是否都能找到與 AI 互補的職位？還是企業會放慢招聘速度，享受由 AI 增強的資深員工帶來的生產節奏？與相比，初級畢業生的勞動力成本有多高？
「人們經常低估幾乎任何領域的低效程度，以及這些低效往往可以歸結為僅僅因為人類作為人類而導致的瓶頸……生產過程受其效率最低的投入所支配：最高效的投入生產力越高，最低效的投入就越重要。」
這是文章中最強有力的部分，與我自己的建模工作有很大重疊。技術能力與實際勞動力替代之間的距離很大，且因領域而異，並受制於多個獨立於模型智能的約束。關於 GPT-3 問世六年卻未自動化低階工作的觀點是很好的經驗證據，儘管我不同意 GPT-3 或 GPT-4 時代的模型能夠自動化客戶服務（它們需要工具使用能力、更好的記憶力和更低的語音延遲才能做到）。
該分析的不足之處在於，它將瓶頸視為景觀中的靜態特徵，而非加速力量前進道路上的障礙。Oks 承認它們會隨著時間推移而侵蝕，但並未討論侵蝕的速度，也未討論 AI 本身可能會加速這些瓶頸的消除。
下面的例子可能被誇大了，但這將是 Claude 表現最差的一次——這些代理決策中，難道有任何一項是我們以前會歸類為組織摩擦的嗎？
*在我自己的建模中，我估計了不同行業和工作類型的組織摩擦係數。瓶頸論點在 2026-2029 年很強，但我認為在 2030-2034 年會明顯變弱。Oks 舉了電力需要數十年才能普及的例子，但也承認時間線並不相似。我同意，這並不相似，數據越來越指向一個壓縮的 S 曲線，即在爆發之前採用速度較慢。
Oks 的瓶頸論點完全是關於現有企業*——即擁有累積基礎設施債務的大型現有公司。當 AI 原生組織結構與這些傳統企業競爭時會發生什麼？基礎設施瓶頸是一道護城河，它只保護現有企業，直到有人從上方飛越它。
「過去幾年的經驗應該清楚地告訴我們：智能並非這裡的限制因素……即使是現實世界中最簡單的工作，我們也處於瓶頸的世界中。」
「對人類創造的大多數事物的需求，其彈性遠比我們今天認識到的要大。作為一個社會，我們消費各種各樣的東西——不僅是能源，還有書面和視聽內容、法律服務、廣義的『商業服務』——其數量會令幾十年前的人感到震驚，更不用說幾個世紀前的人了。」
在這裡，我將稍微借鑒 Dean W. Ball 關於遞歸自我改進的，以及一些失業的經驗證據。Oks 寫得好像我們還沒看到有意義的替代——我會說我們已經看到了，就在目前模型有限的能力範圍內。
除了前面討論的初級職位危機外，替代效應已經衝擊了創意和知識工作領域的中期職業專業人士。請參閱有關和、、以及的企業裁員報告。
做到這些的模型甚至還不是特別好。 這些損失發生在 GPT-4 級別和早期的 GPT-5 級別模型上；這些模型仍然會產生幻覺、產出平庸的長篇文章、設計能力不足，且無法可靠地處理複雜的多步驟推理。如果這種水平的能力就已經在摧毀插畫、翻譯、文案和內容創作，那麼當我們達到遞歸自我改進時會發生什麼？需要更多的調查工作來了解被取代的設計師/翻譯/文案等如何重新培訓並尋找新工作，但我估計在目前的就業市場中這極其困難。
請注意分配模式：受衝擊的不是創意總監、資深藝術總監或擁有特定領域專業知識的首席翻譯。而是他們之下的所有人；初級人員、中期職業自由職業者、從事大量重複性工作的人。Oks 的比較優勢論點可能適用於層級頂端、其品味和判斷力能與 AI 互補的人，但對於在那個人手下工作的二十個人來說，這並不能提供任何安慰。
然後，我們考慮能力過剩（capabilities overhang）。我們甚至還沒看到在 Blackwell 代晶片上訓練的模型，而模型正逐漸獲得的能力。
。Oks 的觀點——「GPT-3 已經問世 6 年，卻沒發生什麼災難性的事情」——是基於 2020-2025 年的能力進行前推，而此時正值算力和算法進步同時發生巨大階躍變化的前夕。河水尚未氾濫，但大壩已經出現裂縫。
Ball 在他的文章中提出了另一個很好的觀點——在同樣的事情上速度更快的 AI，與在性質上不同的 AI 之間是有區別的——這就像是一輛時速從 200 英里提升到 300 英里的布加迪，與一輛學會飛行的布加迪之間的區別。Oks 的整個分析都假設了組織摩擦可以吸收的漸進式改進。但是，自動化 AI 研究再次提出了這樣一種可能性：能力可以繞過現有的組織結構，而不是試圖滲透它們。一個能夠自主管理端到端業務流程的 AI 系統，不需要應對辦公室政治和傳統系統。
至於（經常被引用的）傑文斯悖論（Jevons paradox）論點，即彈性需求將吸收生產力增益。我認為這對某些類別的產出是真實存在的，但作為一般原則則是斷章取義。軟體是 Oks 的核心例子，而且選得很好：軟體的需求具有彈性，因為它是一種通用工具。但有人相信對法律文件審查的需求是無限彈性的嗎？對報稅服務呢？對自由影片剪輯師呢？這些是邊界明確的市場，生產力增益會相當直接地轉化為員工人數的減少，而我仍然難以理解我們該如何告訴第一波被取代的職位去提升技能或尋找新職業。
有人在 Oks 的文章下評論了，我想引用一下。隨著全球製造業和其他低成本生產地區，製造業總產出持續擴大而非收縮，這是一種傑文斯式的規模效應，即更便宜的生產增加了總體消費。然而，美國製造業工人承受了集中的損失。收益不成比例地流向了消費者、企業和資本所有者，而許多被取代的工人（特別是在中西部工業地區）面臨長期的經濟衰退，這助長了對全球化更廣泛的政治反彈。
我們也可以看一個具體的案例——AI 影片生成。像 Veo 3.1 和 這樣的模型正在產出近乎逼真的畫面，帶有原生音訊、對口型的對白，最重要的是，具備自動化的編輯判斷。用戶上傳參考圖片、影片和音訊，模型就會組合成符合他們追求的氛圍和美感的連貫多鏡頭序列。Seedance 2.0 於本週發布。
美國電影和影片製作行業——製片人、導演、剪輯師、攝影師、音效技師、視覺特效師——此外還有數十萬人從事相關的商業製作：企業影片、社交內容、廣告片、教育材料。在「有人有了影片創意」到「觀眾觀看影片」之間的管道中，僱用了龐大的中間勞動力。
Oks 的彈性需求論點會預測，更便宜的影片製作僅僅意味著更多的影片，總就業人數大致相當。確實，對影片內容的需求是巨大的——，美國人現在平均每天在各個平台上花費近七個小時觀看影片。但我會挑戰他的論點：當 AI 瓦解整個中間層時，目前受僱於製片人和消費者之間的人數，是否等同於未來所需的人數？當一個擁有創意願景的人可以透過提示詞讓 Seedance/Veo/Sora 產出曾經需要導演、攝影師、剪輯師、調色師和音效設計師才能完成的精美廣告時，對產出的彈性需求是否會轉化為對勞動力的彈性需求？
現在的人們可以花大約 5 到 100 美元製作。這些內容存在，但那樣的勞動力並不存在。所以，是的，世界上將會有海量的影片內容。但生產函數已經改變；人類勞動力與產出的比例已經發生了數量級的位移。需求彈性存在於內容中，而非勞動力中。
總結來說：總產出中的傑文斯悖論與災難性的分配效應是完全相容的。你可以擁有更多的總體經濟活動，但仍有數百萬人的特定技能和在地勞動力市場被摧毀。現在正被取代的人並非邊緣案例，他們是插畫師、翻譯、文案、平面設計師、影片製作人和 3D 藝術家，他們曾被告知自己的技能永遠有價值，因為他們是「有創造力的」。總體框架抹去了這些人，而且還會抹去更多人。
「我們會發明工作，因為我們可以，而這些工作將介於休閒和工作之間。事實上，這就是自第一次農業剩餘以來人類生活的全部故事。在我們不斷尋找更具生產力的生產方式的整個時期，我們一直在利用產生的剩餘價值去做那些離生存必需品越來越遠的事情。」
這是一個歸納論證：之前的技術轉型總是產生新的就業類別，所以這一次也會。前提是正確的，模式是真實且有據可查的。我不爭辯這一點。
問題在於參考類別（reference class）的問題。之前的每一次轉型都涉及人類向認知階梯的上方移動，例如從體力勞動轉向日益抽象的認知工作。Oks 提到了這一點——農業自動化將人們推向製造業，然後製造業自動化將人們推向服務業，接著服務業自動化將人們推向知識工作。新出現的工作始終是認知型工作。而這一次，認知領域本身正在被自動化。
我不認為這意味著零個新工作類別會出現。但 Oks 斷言「人們會為自己的生活找到奇怪而有趣的事情做」，這並未解決三個關鍵問題：轉型路徑（人們實際上如何從被取代的工作轉向新工作？）、收入水平（新活動的薪資是否能與被取代的工作相提並論？），以及所有權（使這些活動成為可能的剩餘價值是廣泛共享還是少數人持有？）。還有我之前提到的初級 → 資深的管道問題。
將「休閒」作為最終狀態的姿態很有啟發性。如果人類勞動力真的變得多餘，那並不是一個「普通人」預設就會沒事的世界，而是一個整個經濟操作系統都需要重新設計的世界。Oks 將此視為遙遠的擔憂。我認為這才是最值得擔憂的事情，因為政策需要在我們到達那裡之前建立，而不是之後。
Oks 文章最深層的問題在於框架，而非他的個別主張。他的整個分析是以勞動力為中心的：人類還會有工作嗎？ 我認為這固然值得問，但也是不完整的。
我會客氣地說，以下部分涵蓋了他沒寫到的內容（而不是沒考慮到），但他所說的「普通人不必擔心」，我認為是一個糟糕的框架。
正確的問題是：誰佔有了剩餘價值？ 這值得擔心嗎？
如果 AI 讓生產效率提高 10 倍，而所有這些收益都流向了 AI 系統的所有者和底層的資本基礎設施，那麼在一個 AI 所有者豐饒的世界裡，「普通人」以停滯或下降的實質薪資保住工作，並不是「安好」。這是歷史上前所未有的不平等的大規模增長。比較優勢論點與這樣一個世界完全相容：人類勞動力在技術上仍被僱用，但佔有的價值份額卻在萎縮。
這就是我一直在準備的一份政策文件中所研究的內容——AI 系統的所有權結構將如何決定生產力增益是廣泛流動還是狹隘集中。基礎設施股權模型、工人所有權結構、結構性需求創造——這些才是決定 AI 轉型是良性還是災難性的機制。Oks 的論點顯然對此沒有答案。
Oks 說得對，草率的恐慌可能會導致糟糕的監管結果。但自滿的樂觀情緒如果阻礙了建立新所有權結構、再分配機制和轉型支持的艱苦工作，同樣是危險的，而且考慮到目前的權力分配情況，這種可能性甚至更大。技術轉型的良性結果從來不是預設的。它們是刻意制度設計的產物：勞動法、反壟斷執法、公共教育、社會保險。
我不認為我們應該告訴人們「別擔心」。我們應該擔心正確的事情。認真思考誰將擁有那些即將成為人類歷史上最具生產力的資本資產的系統，並關注現在正在建立的制度框架是否能確保你分享到收益。好結果與壞結果之間的區別在於政治經濟學和所有權，而歷史表明，當我們將這個問題留給預設軌跡時，普通人往往是付出代價的人。