Benjamin Eidam 分析了人工智能对工作场所可能带来的机遇和挑战。
人工智能的不断发展引发了关于未来工作和我们在其中的地位的许多问题。
目前许多人关心的核心问题是：人工智能会不会让我们失业？或者甚至让我们在（大多数）工作中无法就业？
还是说我们能够与这项技术有效合作，提升我们的技能，为所有人创造一个更美好、充实且高薪的工作世界？
为了回答这个问题，在本文中我们探讨了：
- 专家们讨论最多或最可能发生的四种情景，
- 人工智能如何从目前的趋势中推断对工作世界的影响
- 并突出了每种情景的论点和反论点。
我们将本文总结为关于如何充分利用所讨论的所有情景的行动、观点和行动计划。
让我们从一个简化的角度来看概览和这些情景背后的原因，背后的变革力量，这就是人工智能的力量。
为了理解人工智能的潜在影响，了解这项技术的维度是很重要的。如果你考虑”人类对抗机器”，很容易看出这场比赛在它开始之前就已经输掉了。
一旦你理解了计算机系统的几乎无限的可能性，你就可以以更为理性的方式处理即将出现的影响。
让我们从最简单到最复杂地看一下上述场景：
1. AI作为工具箱中的新成员
在这个第一个场景中，AI只是另一种工具，它增强和便利用户的日常工作，而不会从根本上改变工作世界。简而言之，它就是”电子邮件2.0″。
我们之前已经看到过这样的发展，最近的例子是数字工具，比如Photoshop或Excel。 像今天的AI一样，它们最初受到了极大的怀疑，有时甚至是恐惧。但如今它们已经成为工作世界中不可或缺的一部分。
让我们看一下这个场景的主要支持和反对的论点：
支持这一场景的论点：
- AI已经通过自动化重复性任务和增强人类技能来提高效率和生产力。
- AI工具的持续集成允许工作场所逐渐适应和演变。
反对意见：
- AI具有对工作世界产生深远影响的潜力，远远超出了仅作为工具集成的范围。
- 低估AI的颠覆潜力可能会使公司和员工在未来面临的挑战中措手不及。
如果这一场景成真，这本质上意味着在未来10年内，德国或西方经济将通过使用AI工具提高每个员工的生产力。这实际上可以抵消人口变化及其对社会系统或熟练工人短缺的影响等发展趋势。
在我们的评估中，我们提到服务密集型经济，因为这些经济最受人工智能的影响，我们使用10年的时间框架，因为它提供了多个维度的良好指南。图表中经济越蓝，GDP中服务的份额就越高。
然而，这一场景似乎并不特别现实，因为我们通常已经在技术上超过所需水平。例如，我们已经帮助客户在各种行业中用最初通过AI培训大大提高的内部职位替换了数千美元的每月营销支出。然后，在节省的时间内，利用新的AI知识亲自执行营销任务。用更少的时间，更低的成本，更高的质量，因为避免了在协调中的摩擦损失以及仅仅是非内部视图等。
我们现在还正在为部门构建完整的工具，使整个部门更加有效，因为它有一个AI副驾驶，可以在初稿及以后以及在写作中发生障碍等情况下为您节省多达90%的时间。
简而言之，如果市场有足够的时间进行广泛采用，那么这种情景在今天的技术下已经非常可能。但是发展远未停滞不前。它的可能性也是如此。
2. 人工智能作为生产力的增强器
在第二种情景中，人工智能就像个体工作绩效的“类固醇”，直白地说，借助人工智能，新手可以达到专家的水平，而专家则可以创作出杰出的杰作。
在这种情景中的核心问题非常简单：新手的成果是否足以满足大多数商业需求？毕竟，很少有客户能够从外部判断出色，而足够的表现可能就够了。
因此，仅仅能够合理清晰地提出问题并且至少能够大致评估结果是否足以产生最多的结果吗？（最初主要是数字，但迅速增加到模拟）
还是说，业绩的基本水平将继续提高，就像历史上经常发生的那样？无论哪种方式，这个结果都将导致几乎每个领域的重大变化和重新校准。
支持的观点：
- 人工智能可以增强工人的知识和技能，提高产品和服务的质量和效率。
- 最终客户通常无法区分专业知识和人工智能增强的结果，导致专业知识的潜在民主化。（例如，很难从外部判断出一个网页设计师是否花费了100小时还是10分钟在网站上，只要满足最低标准即可。）
反对观点：
- 依赖人工智能可能会削弱人类能力的发展，如果AI支持忽略了基本技能。一旦这一点变得明显，人们可能会强烈反弹。我们已经看到了一些案例。
- 在AI启用的服务占据市场主导地位的情况下，无法全面地适当奖励专业知识。
如果在未来10年内这种情景成为现实，市场动态将发生巨大变化。以前外包的东西现在至少对数字服务来说可以更便宜地本地生产，可能也适用于制造业等领域。（具体取决于多模态机器人，如特斯拉机器人在低成本下多快能够得到推广）
结果的质量可能会保持相似，甚至稍微提高，只是生产要求将会有显著不同。
我们已经看到了这种情景的最初迹象，从编写简单代码和各种文本到图像、3D动画以及越来越多的视频。因此，带有一些限制，与第1种情景相同的情况适用：这不太可能是未来，因为它已经存在。只是，就像经常引用的那样，还没有平均分布到每个地方。
因为这些原因等，我们认为这种情景不是未来。然而，更有可能的是下一个：市场。
3. 人工智能作为专业知识过滤器
在这种情景中，人类主要是因为他们通过人工智能取得的结果的质量而得到报酬。然而，他们只能实现并对这些结果负责，是因为他们在这个领域拥有专业知识和经验。
换句话说，机器完成99%的工作，但对结果的质量批准和对结果负责的关键实例仍由人类承担。这意味着每个受影响行业当前劳动力中仅需要顶级的0.1%至5%，但他们还需要接受对人工智能有卓越了解的培训。
这是“严重”影响全球经济的第一个情景，因为人工智能使每个领域的前1%至10%的专家能够在相同或更短的时间内做出无与伦比的工作，而在使用此类工具之前，整个行业可能需要的劳动力的潜在失业率可能超过90%。
在这种情景中，例如，全球只需要几千名系统管理员来解决复杂案例并监视自动化系统的工作。其他所有人都必须找到新的工作。
由于产量每个时间段要好得多，速度比今天要快得多，即在生产中有更多的高质量/复杂性结果，因此这些职位的责任相应增加。如果我用人工智能而不是今天的3个项目每月管理30个或300个项目，那么我必须比以前更好。
这是一种技术精英制度：技术淘汰了最好的人，他们得到了一切。其余的几乎一无所有。（按照当前的经济术语）
在这里，另一种机制开始发挥作用：更大的专业知识还意味着能够向人工智能提出更好的问题。并更好地对其答案进行分类。我们在与一些大型语言模型的合作中已经看到了这种差异。这是此情景的更多原因。
赞成的观点：
- 这种情景可能会导致每个人都在他们的“天才领域”工作，市场力量会自动实现彼得原理的相反效果。
- 无尽的利基可能会为工人创造几乎无法想象的新机会和专业化。前提是地方教育体系使大多数人能够利用这些机会。
反对的观点：
- 由此产生的大规模失业可能会导致社会和经济问题，如果大量人找不到合适的工作。或者不能得到足够的培训和教育。
- 专业知识集中在少数人手中可能导致资源和权力的（极端）不均等分配。
如果这种情景在未来10年内在目前服务占比较高的经济体中成为现实，其影响将是巨大的。在大多数受影响的行业中，当前领域中大约95%的工人可能会被解雇。国际货币基金组织文章中的图2很好地展示了这一点：首先，实现了强劲的生产率增长。然后，随着他们不再需要以其当前形式创造经济价值，大多数人的工资迅速下降至0。
我们认为这是目前最现实的情景，有两个原因：
- 市场力量：不管我们喜不喜欢，道德、个人观点或政治立场在实践中至少在长期内起到很小的作用。但一旦技术可能性达到了大规模可用性的状态，即已经降至摊销门槛以下，它们将被使用。这甚至可以在目前生态系统灾难这样的关键问题上看到：只有在市场调节时，几乎才能取得成果。
- 简单性：这种情景目前也似乎非常现实，因为[领域x的专家] + [了解如何在其领域最好地使用AI]的公式可以很快付诸实践，并且已经在广泛的行业中使公司的生产力翻倍。通过正确的设置，您可以迅速熟悉一种工具，当有疑问时可以直接咨询。
通过优化他们的AI流程，我们已经帮助客户节省了多达99%的时间和成本。然而，目前只有在几百个应用领域中才可能实现这一点。随着AI能力的增强，预计这一数字将大幅增长。
这会不会是大多数人工作的终结，而只有少数几个人会在抽象的领域继续拥有高薪工作？可能。在最后一节中，我们将更仔细地研究这并非是一场灾难，相反，可能是对我们来说最好的事情。
4. 人工智能作为工作的真正终结
在最终且最极端的情景中，人工智能几乎取代了几乎所有可以想象的工作和领域。这可能会因为一些原因导致当前经济原则的崩溃。
即便是这种情况也不会自动导致动荡和社会动荡，尽管这类事件变得越来越可能发生。
当AI具备这种能力时，可能会有许多可行的结果；OpenAI首席执行官Sam Altman本人在这里解释了更好且更可取的情景。
支持观点：
- AI可以比人类更快、更有效率，且出错更少，在许多领域都更占优势。
- 就业的自动化可能导致生产率大幅提高和更高的生活水平，因此从经济上来说，朝着这种情景“奔跑”是极其诱人的。然后陷入死胡同。
反对观点：
- 由于导致大规模失业的深远社会和经济后果，可能会导致前所未有的不稳定和冲突形式。
- 当前经济体系的崩溃将需要进行重大调整和重组，以找到新的平衡。在此发生之前如果找不到良好的解决方案，将不可避免地面临极大的挑战。
如果这种情景在未来10年内成为现实，我们将需要对受影响的社会进行有关工作、意义和价值的基本重新协商。
最迟到那时，至少在金融和教育领域将需要做出重大政治决策。在这种情况下，对于许多人来说，当前的许多中心意义、认同和自尊的来源将会受到根本性的质疑。
由于这个情景在几十年来一直被当作威胁传播，往往带有大量的炒作，我们目前对其可能性持谨慎态度。不能排除“这一次”一切都真的会不同，而且有很多迹象表明可能是这样。然而，这是一个很大的飞跃，即使发生，我们在这里采取了Sagan标准并持谨慎态度。
“更好”没有极限：所有情景可能忽视的一点
这里勾勒的前景是病态的还是乌托邦的，取决于你。这只是最多讨论的情景的谱系。
然而，经常被忽视的一点决不能被忘记：在基于熵的宇宙中，无论AI能够减少多少，总是需要解决方案。没有“更好”的极限，这意味着AI和人类工作的各种组合将继续提供改进的机会。
无论一个人的生活水平有多高，总是会追求更多。这是人性的一部分。
遵循这种思路，我们也有可能经历所有4个情景。按照时间顺序。正如目前的情况所描述的那样。
无论如何，这种分类将有望有助于改善我们的理解和我们在实践中做好准备的能力。
这将我们带到本文的最后一部分：作为一个社会、公司、政治家和个人，我们如何最好地应对这些情景？或许甚至有一个在所有情景中都行之有效的“银弹”吗？
一个解决方案适用于所有情景：70亿（自动化）公司
针对上述情景发生，正在讨论许多可能的应对方案；从无条件的基本收入到机器人税或负收入税到“完全自动化的奢侈共产主义”。
即使作为一种可交换的中介媒介形式，货币在价值的补充方面总是有意义的，但如果几乎每一个经济价值都是自动产生的，那么它作为一个中心机制的适用性就有限。
那么为什么不利用供求的基本经济机制呢？即使有近乎无限的AI，也永远不会有足够的解决方案来解决每一个问题；通过原子的组合，生产可能性的空间对此来说太大了。
那么为什么不像前面提到的那样，通过AI使每个人都能拥有自己的公司，作为他们“自己的延伸”呢？
Raval Navikant基于“产品化的真实性”概念构建了这一方法 – 利用自己的特征和才华，独立于自己。
简而言之，它是这样的：
- 我找出什么是“真正的我”，我做什么，我喜欢什么（例如，烹饪各种意大利面，提升它等）。
- 我验证这些结果（例如，我为朋友、亲戚等烹饪，如果仍然感到满足，我的直觉似乎是正确的）。
- 我寻找一种方式，将这个现在被有意识实现的自我的一部分以可以独立于我消费的形式呈现出来（例如，通过录制意大利面教程，编写食谱等）。
- 我将我的“自我”的这一部分以产品形式呈现给一个我可以以最佳方式帮助的目标群体（例如，有人想为他们的未婚妻做完美的意大利面，是什么以及它是如何制作的？） 在大多数情况下，我已经建立了一家公司，深刻地满足了我个性的至少一部分，并帮助这个领域的人解决问题。几乎是完美的经济共赢局面。人工智能的伟大之处在于，如果这种方法的商业方面不能给我带来喜悦/太具挑战性或资源密集型，人工智能可以逐渐接管更多的事务，从网站构建到商业计划等。
总的来说，每个人都有更好的解决方案，同时每个人都可以发展和实现自己的全部潜力，仍然是/可能比以往任何时候都更相关，而不是“技术上无用”。
这并不意味着每个人都必须从永久雇佣变成自雇。通过这种方式创建的“真实”公司还为“真实”的公司留有更多的空间。
然而，这种方法中的“必须”要比我们目前几乎所有的东西都少，也可能是即将出现的大多数东西都少。
今天仍然有很多热爱自己工作并出于纯粹的激情而工作的人。但不幸的是，这并不是常态，即使是这些工作者也需要在AI革命的经济中找到方向。将这种方法提供给大众无疑会导致贸易联盟、保险、教育等领域发生巨大变革。但这些变革远没有追赶指数趋势的大。
这里的核心问题是：我们作为一个社会能否想象，人们通过实现自己的成就感来帮助他人，并因此得到报酬？
这是一种完全不同的方法，“工作让你有饭吃，感激你有一份工作”已经不再适用。在这种个体和集体思维方式至少可能发生变化之前，实现它可能会具有挑战性。
然而，如果你追随这个思想，你最终会得到Ravikant所称的“70亿公司”情景：
“这个星球上几乎有70亿人。有一天，我希望，几乎会有70亿家公司。”
如上所述，原则上有无数的优质产品和服务领域。人工智能将能够为其中的许多领域提供服务。然而，人类是社会性的动物，因此将始终希望与其他人互动。因此，我们认为“70亿公司”情景是对所有可能的四种情景的最佳回应。
这是因为，原则上，它今天就已经可以实现。并且随着人工智能能力的提升，相对于其他选择来说，它只会变得更容易。
如果通过有远见的政治和社会决策，人工智能革命导致几乎每个人通过实现自己的成就感并帮助他人创造价值，那么这是这场技术变革能够带来的最好结果之一。
总结：我们从这里往哪走？ 上面的四种情景展示了人工智能对工作世界的不同影响，从扩展日常工作生活到对人类劳动的深远取代。每种情景都有机遇和挑战。
为了迎接未来的工作，员工和公司都应该对变革持开放态度，不断学习和适应，以从人工智能的优势中受益并减轻可能的劣势。
毕竟，这场工作世界的革命已经是我们作为文明经历的第三次。远远超过新石器时代和工业革命之后。
但与前两者一样，唯一一个好的应对方式就是：理解潜在的技术，并将其最好地运用。为了将这一具体知识转化为具体成果，我们咨询IT服务提供商，了解人工智能的最佳使用方式。以在各个领域实现大规模的时间节省。