翻譯: https://www.ben-evans.com/benedictevans/2023/7/2/working-with-ai

幾乎科技界的每個人都同意，生成式AI、大型語言模型和 ChatGPT 是我們可以用軟件做什么以及我們可以用軟件自動化做什么的代際變化。 關(guān)于AI的其他方面還沒有達成太多共識——事實上，我們?nèi)栽谘芯繝幷摰慕裹c——但每個人都同意將會出現(xiàn)更多的自動化，以及全新類型的自動化。 自動化意味著就業(yè)和人員。

這種情況發(fā)生得也非常快：僅僅六個月后，ChatGPT 就擁有了（顯然）超過 1 億的用戶，而來自 Productiv 的數(shù)據(jù)表明它已經(jīng)是排名前十的“影子 IT”應(yīng)用程序。 那么，這會奪走多少工作崗位，速度有多快，是否會有新的工作崗位來取代它們？

?

首先我們應(yīng)該記住，我們已經(jīng)實現(xiàn)工作自動化 200 年了。 每當我們經(jīng)歷一波自動化浪潮時，整個類別的工作都會消失，但新類別的工作就會被創(chuàng)造出來。 在這個過程中存在摩擦痛苦和錯位，有時新的工作崗位會分配給不同地方的不同人，但隨著時間的推移，工作崗位總數(shù)不會下降，我們都變得更加繁榮。

當這種情況發(fā)生在你們這一代人身上時，人們自然而然地會擔心這一次不會再有新的工作崗位。 我們可以看到一些工作崗位正在消失，但我們無法預(yù)測新的工作崗位將會是什么，而且通常它們還不存在。 根據(jù)經(jīng)驗，我們知道（或應(yīng)該知道），過去總是有這些新工作，而且它們也是不可預(yù)測的：1800 年沒有人會預(yù)測到 1900 年有一百萬美國人會在“鐵路”工作 ” 在 1900 年，沒有人會預(yù)見到“視頻后期制作”或“軟件工程師”會成為就業(yè)類別。 但僅僅因為過去總是這樣，就相信這種情況現(xiàn)在會發(fā)生似乎還不夠。 你怎么知道這次會發(fā)生呢？ 這有什么不同嗎？

?

在這一點上，任何一年級經(jīng)濟學(xué)學(xué)生都會告訴我們，除其他外，“勞動塊”謬誤可以回答這個問題。

勞動總量謬誤是一種誤解，認為需要完成的工作量是固定的，如果某些工作由機器承擔，那么人們的工作就會減少。 但是，如果使用機器制造一雙鞋變得更便宜，那么鞋子就會更便宜，更多的人可以購買鞋子，他們就有更多的錢可以花在其他東西上，我們會發(fā)現(xiàn)我們需要的新東西或 想要和新的工作。 有效收益并不局限于鞋子：一般來說，它會通過經(jīng)濟向外擴散，創(chuàng)造新的繁榮和新的就業(yè)機會。 所以，我們不知道新的工作崗位是什么，但我們有一個模型，它不僅說明總是有新的工作崗位，而且說明為什么這是這個過程中固有的。 不用擔心AI！

?

我認為，今天這個模型面臨的最根本的挑戰(zhàn)是說不，過去 200 年的自動化真正發(fā)生的事情是我們一直在提高人類能力的規(guī)模。

我們從人類作為負重的野獸開始，然后向上發(fā)展：我們自動化了腿，然后是手臂，然后是手指，現(xiàn)在是大腦。 我們從農(nóng)場工作到藍領(lǐng)工作再到白領(lǐng)工作，現(xiàn)在我們將白領(lǐng)工作也自動化，就什么都沒有了。 工廠被呼叫中心取代，但如果我們將呼叫中心自動化，那還有什么？

?

在這里，我認為了解另一段經(jīng)濟和科技史是有用的：杰文斯悖論。

19世紀的英國海軍依靠煤炭運行。 英國擁有大量煤炭（它是蒸汽時代的沙特阿拉伯），但人們擔心煤炭耗盡后會發(fā)生什么。 啊，工程師們說：別擔心，因為蒸汽機的效率越來越高，所以我們會使用更少的煤炭。 不，杰文斯說：如果我們使蒸汽機更高效，那么它們的運行成本就會更低，我們將使用更多的蒸汽機并將它們用于新的和不同的事物，因此我們將使用更多的煤炭。 創(chuàng)新可以與價格彈性聯(lián)系起來。

?

150 年來，我們一直將杰文斯悖論應(yīng)用于白領(lǐng)工作。

?

?

很難想象未來的工作尚不存在，但也很難想象過去的一些工作已經(jīng)被自動化取代。 1830 年代圣彼得堡果戈里的受壓迫職員一生都在用手抄寫文件，一次一份。 它們是人類復(fù)印機。 到了 1880 年代，打字機以每分鐘兩倍字數(shù)的速度打印出清晰易讀的文本，而復(fù)寫機也提供了六份免費副本。 打字機意味著一名職員的輸出量可以提高 10 倍以上。 幾十年后，像 Burroughs 這樣的公司的加法機在簿記和會計方面也做了同樣的事情：機器不再用筆來加列，而是在 20% 的時間內(nèi)為您完成，而且不會出錯。

這對文員就業(yè)有何影響？ 人們雇傭了更多的職員。 自動化加上杰文斯悖論意味著更多的就業(yè)機會。

如果一名擁有一臺機器的職員可以完成 10 名職員的工作，那么您的職員可能會減少，但您也可能會用他們做更多的事情。 杰文斯告訴我們，如果做某事變得更便宜、更高效，你可能會做更多的事情——你可能會做更多的分析或管理更多的庫存。 您可能會建立一個不同的、更高效的業(yè)務(wù)，這之所以可能，是因為您可以使用打字機和加法機實現(xiàn)其管理自動化。

這個過程不斷重復(fù)。 這是 1960 年《公寓》中杰克·萊蒙 (Jack Lemmon) 飾演的 CC Baxter，他使用的是 Friden 的機電加法機，五十年后，加法機才剛剛出現(xiàn)，令人興奮。

該鏡頭中的每個人都是電子表格中的一個單元格，整個建筑物也是一個電子表格。 每周一次，頂層有人按 F9，他們會重新計算。 但他們已經(jīng)有了計算機，并在 1965 年或 1970 年購買了一臺大型機，并廢棄了所有加法機。 白領(lǐng)就業(yè)崩潰了嗎？ 或者，正如 IBM 所宣傳的那樣，計算機是否可以為您帶來 150 名額外的工程師？ 25 年后，PC 革命和盒子里的會計部門對會計產(chǎn)生了什么影響？

Dan Bricklin 于 1979 年發(fā)明了計算機電子表格：在那之前，“電子表格”都是紙質(zhì)的（您仍然可以在亞馬遜上購買）。 他有一些關(guān)于早期使用的有趣故事：“人們會告訴我，‘我正在做所有這些工作，同事們認為我很棒。 但我真的很偷懶，因為只花了一個小時，然后我就休息了一天剩下的時間。 人們認為我是神童，但我正在使用這個工具?！?/span>

?

? 那么，Excel和PC對會計就業(yè)有何影響呢？ 它上漲了。

40 年后，電子表格是否意味著您可以早點休息？ 并不真地。

新技術(shù)通常會讓做某事變得更便宜、更容易，但這可能意味著你用更少的人做同樣的事情，或者你可能用同樣的人做更多的事情。 它還往往意味著你改變你所做的事情。 首先，我們讓新工具適應(yīng)舊的工作方式，但隨著時間的推移，我們改變工作方式以適應(yīng)該工具。 當 CC Baxter 的公司購買大型機時，他們首先將現(xiàn)有的工作方式自動化，但隨著時間的推移，新的業(yè)務(wù)運營方式成為可能。

因此，所有這一切都表明，默認情況下，我們應(yīng)該期望AI能夠像 SAP、Excel、大型機或打字機一樣摧毀、取代、創(chuàng)造、加速和增加就業(yè)機會。 這只是更多的自動化。 機器可以讓一個人完成十倍的工作，但你需要人。

?

我認為對此有兩個反駁。

首先是說，是的，也許這確實與我們在互聯(lián)網(wǎng)、個人電腦或電腦上看到的變化更為相似，也許它不會對凈就業(yè)產(chǎn)生長期影響，但這一次 發(fā)生的速度會更快，因此摩擦疼痛會更大，調(diào)整起來也會更困難。

AI和 ChatGPT 的發(fā)展速度肯定比 iPhone、互聯(lián)網(wǎng)，甚至個人電腦要快得多。 Apple II 于 1977 年上市，IBM PC 于 1981 年上市，Mac 于 1984 年上市，但直到 20 世紀 90 年代初，PC 的使用量才達到 1 億臺：僅僅六個月后，今天的 ChatGPT 用戶就達到了 1 億。 你不需要等待電信公司建立寬帶網(wǎng)絡(luò)，或者消費者購買新設(shè)備，生成式AI位于整個現(xiàn)有的云堆棧、分布式計算以及實際上構(gòu)建的許多機器學(xué)習堆棧之上 在過去十年中。 對于用戶來說，它只是一個網(wǎng)站。

然而，如果您再次考慮這些來自 Productiv 和 Okta（使用不同方法）的圖表的含義，您的期望可能會有所不同。 他們報告說，他們的典型客戶現(xiàn)在擁有數(shù)百種不同的軟件應(yīng)用程序，而企業(yè)客戶則擁有近 500 種。

然而，企業(yè)云采用率仍僅占工作流程的四分之一。

這對于工作場所的生成式AI意味著什么？ 無論你認為會發(fā)生什么，都需要幾年而不是幾周的時間。

人們用來完成工作的工具以及現(xiàn)在可能獲得新的自動化層的任務(wù)非常復(fù)雜且非常專業(yè)，并且體現(xiàn)了大量的工作和機構(gòu)知識。 很多人正在嘗試 ChatGPT，看看它能做什么。 如果你正在讀這篇文章，你可能也有。 這并不意味著 ChatGPT 已經(jīng)取代了他們現(xiàn)有的工作流程，并且替換或自動化任何這些工具和任務(wù)并不是小事。

變革性技術(shù)的令人驚嘆的演示與持有他人業(yè)務(wù)的大型復(fù)雜公司可以使用的東西之間存在巨大差異。 您很少可以去律師事務(wù)所并向他們出售 GCP 翻譯或情緒分析的 API 密鑰：您需要將其包裝在控制、安全、版本控制、管理、客戶權(quán)限以及只有合法軟件公司知道的一大堆其他內(nèi)容中 關(guān)于（在過去的十年里，有很多機器學(xué)習公司都認識到了這一點）。 公司通常買不到“技術(shù)”。 Everlaw 不賣翻譯，People.ai 也不賣情感分析——他們賣工具和產(chǎn)品，而AI通常只是其中的一部分。 我不認為文本提示、“開始”按鈕和黑盒、通用文本生成引擎構(gòu)成了一個產(chǎn)品，而產(chǎn)品需要時間

與此同時，購買管理大型復(fù)雜事物的工具也需要時間，即使該工具已經(jīng)構(gòu)建并適合產(chǎn)品市場。 建立企業(yè)軟件初創(chuàng)公司最基本的挑戰(zhàn)之一是初創(chuàng)公司的融資周期為 18 個月，而許多企業(yè)的決策周期為 18 個月。 SaaS本身加速了這一點，因為你不需要進入企業(yè)數(shù)據(jù)中心部署計劃，但你仍然需要購買、集成和培訓(xùn)，而擁有數(shù)百萬客戶和數(shù)萬或數(shù)十萬員工的公司有充分的理由不改變 事情突然發(fā)生。 未來需要一段時間，硅谷以外的世界很復(fù)雜。

?

第二個反駁是，ChatGPT 和 AI范式轉(zhuǎn)變的一部分是抽象層的轉(zhuǎn)變：這看起來像是一種更通用的技術(shù)。 確實，這就是它令人興奮的原因。 我們被告知，它可以回答任何問題。 因此，您可以查看包含 473 個企業(yè) SaaS 應(yīng)用程序的圖表，并說 ChatGPT 將顛覆這一現(xiàn)狀，并將許多垂直應(yīng)用程序折疊到一個提示框中。 這意味著它會移動得更快，并且自動化程度更高。

我認為這誤解了問題。 如果律師事務(wù)所的合伙人想要論文的初稿，他們希望能夠以與保險公司銷售人員完全不同的方式來制定參數(shù)，以挑戰(zhàn)索賠，可能使用不同的訓(xùn)練集，當然還有一堆 不同的工具。 Excel 也是“通用”，SQL 也是，但是有多少種不同的“數(shù)據(jù)庫”呢？ 這是我認為AI的未來將從提示框轉(zhuǎn)向 GUI 和按鈕的原因之一——我認為“提示工程”和“自然語言”是相互矛盾的。 但無論哪種方式，即使您可以在一個巨大的基礎(chǔ)模型之上將所有內(nèi)容作為薄包裝器運行（并且對此還沒有達成一致或明確），即使是這些包裝器也需要時間。

事實上，雖然有人可能會建議AI將在一個軸上納入許多應(yīng)用程序，但我認為隨著初創(chuàng)公司從 Word、Salesforce 和 SAP 中剝離出更多用例，它們同樣有可能在其他軸上掀起一波全新的分拆浪潮。 并通過解決在AI讓你解決之前沒有人意識到的問題來建立一大堆更大的公司。 畢竟，這個過程解釋了為什么大公司如今已經(jīng)擁有 400 個 SaaS 應(yīng)用程序。

?

當然，更根本的是錯誤率。 ChatGPT 可以嘗試回答“任何問題”，但答案可能是錯誤的。 人們稱之為幻覺、編造事實、撒謊或胡說八道——這就是“大學(xué)生過度自信”問題。 我認為這些都是無益的框架：我認為理解這一點的最好方法是，當您在提示中輸入某些內(nèi)容時，您實際上根本沒有要求它回答問題。 相反，你問它“人們可能會對這樣的問題給出什么樣的答案？” 你要求它匹配一個模式。

因此，如果我讓 ChatGPT4 寫一篇我自己的傳記，然后再問它，它會給出不同的答案。 這表明我去了劍橋、牛津或倫敦經(jīng)濟學(xué)院； 我的第一份工作是股票研究、咨詢或財經(jīng)新聞。 這些總是正確的模式：這是正確類型的大學(xué)和正確類型的工作（它從來沒有說麻省理工學(xué)院然后是餐飲管理）。

?

它提供 100% 正確率

?