人工智能與經濟奇點：人工智能對就業市場的真實影響
每當有重大新科技出現，其普及和應用總是參差不齊，生成式人工智能（Generative AI）更是如此。這種不均衡使得我們很難準確評估它對各行各業、甚至整體經濟生產力的影響。
在某些極端例子中，AI編碼助手已經徹底改變了軟件開發者的工作方式。Meta創辦人馬克·祖克伯格預測，未來一年內公司一半的代碼將由AI撰寫。與此同時，大部分企業在投資生成式AI後卻幾乎看不到任何成效。麻省理工學院（MIT）的一項研究指出，目前有95%的生成式AI項目未能帶來任何回報。
這些數據成了懷疑論者的論據，他們認為生成式AI本質上屬於概率性技術，且容易產生“幻覺”（錯誤信息），因此永遠不可能在商業層面帶來深遠影響。
然而，從科技發展歷史角度看，初期效益不明顯其實是新技術轉型的常態。早在1990年代初，當時任MIT助理教授的埃里克·布林約爾松（Erik Brynjolfsson）提出了“IT生產力悖論”：儘管科技改變了工作方式，但當時的生產力數據卻未見顯著上升。他認為企業需要時間來適應這些變化。到了1990年代中期，美國的生產力開始明顯反彈，但十年後又陷入停滯。
就生成式AI而言，企業必須建立新的基礎設施（尤其是數據平台）、重新設計核心業務流程，以及對員工進行再培訓，才能看到實際成效。如果說目前進展緩慢是“滯後效應”，那麼至少還有理由保持樂觀：支撐生成式AI的雲端計算基礎設施已經基本就緒。
機遇與挑戰同樣巨大。一位財富500強企業高層透露，他們全面審查了分析工具的使用情況，發現員工整體上幾乎沒有創造價值。淘汰舊軟件，用AI取代低效的人力，理論上能帶來顯著成效，但要完成這樣的改革，必須大幅改變現有流程，且耗時數年。
值得注意的是，美國過去15年來生產力增長一度停滯在1%至1.5%，但去年反彈至超過2%。今年前三季也可能維持此水平，雖然由於近期美國政府關門，官方數據尚未公布，難以確認。
不過，這波反彈能否持續，以及其中有多少歸因於AI，仍難以判斷。新技術的影響往往不是孤立發生，而是累積效應。生成式AI正是建立在先前的雲端和移動計算投資基礎上。現時的AI熱潮可能只是更廣泛突破的前奏，例如機器人技術等領域。ChatGPT雖然引起公眾關注，但不太可能是終點。
—
人工智能的經濟生產力影響：樂觀與謹慎的對話
這是我近來最喜歡探討的話題：AI將如何影響整體經濟生產力？撇開那些炫目的視頻、陪伴機器人，以及替你完成日常瑣事的代理人不談，最關鍵的是AI能否推動經濟增長，換言之，就是提升生產力。
正如你所說，目前很難準確量度AI對生產力的影響，或預測未來趨勢。布林約爾松預測，像其他通用技術一樣，AI的生產力影響會呈現J型曲線：起初企業大量投資，生產力增長緩慢甚至負增長，隨後才迎來爆發。
但有個反例挑戰了“耐心等待”的說法。自2000年代中期起，儘管智能手機、社交媒體和像Slack、Uber這樣的應用普及，數碼技術的生產力增長卻相當乏力，並未帶來強勁的經濟成長。
麻省理工經濟學家、2024年諾貝爾獎得主達隆·阿西莫格魯（Daron Acemoglu）認為，生成式AI帶來的生產力提升將遠遠低於樂觀者的預期，且需要更長時間才能顯現。原因在於該領域過於集中於與主要商業部門相關性不大的產品。
你提到的95% AI項目無商業效益的數據非常具有啟發性。
以製造業為例，某種形式的AI確實能提供幫助，比如工廠工人拍照求助AI建議。但大科技公司並不熱衷解決這類日常瑣事，其大型基礎模型大多基於網絡數據訓練，對此類場景幫助有限。
將AI生產力提升不彰歸咎於企業運作和員工技能不足固然容易，但更重要的是思考如何調整AI訓練和優化，使其真正提升護士、教師及工廠工人的能力與效率。
這種區別很重要。近期一些大規模裁員聲稱是因AI所致，但經濟學家如布林約爾松和阿西莫格魯一致認為，AI推動的生產力增長，應該來自創造新工作崗位和增強員工能力，而非僅僅透過裁員節省成本。
—
結語：審慎樂觀，期待AI的真正潛力
我知道我們兩人都持審慎態度，David，我就嘗試用正面角度結束這場對話。
有些分析認為，現有工作中有更大比例可被AI覆蓋。麥肯錫估計約60%（相較於阿西莫格魯的20%），並預測AI可帶動全經濟最高3.4%的年生產力增長。這些計算基於自動化現有任務，若AI能創造新用途，提升現有工作，收益將更大，且不僅限於經濟層面。
任何新技術最初都會先用來削減成本，但我們仍處於AI發展初期，發展速度極快，未來仍有很大希望。
—
編輯評論與啟示
這場來自《金融時報》和MIT Technology Review的對話，深刻揭示了生成式AI在經濟和職場的複雜影響。雙方都認同，AI對生產力的提升並非一蹴而就，而是受限於企業基礎設施、流程改造及人員技能的整體配合。
這提醒我們，AI技術本身雖然驚人，但其真正價值在於如何與現有產業結合，如何培養懂得利用AI的專業人才，以及如何重塑工作流程。正如經濟學家所言，若只將AI視為裁員工具，短期內或許節省成本，但長遠看會損害經濟活力和創新。
此外，生成式AI目前多依賴網絡數據訓練，對製造等傳統行業的實際需求對接不足，顯示出技術發展與應用場景之間仍有鴻溝。未來的挑戰是如何擴大AI在這些“基礎但重要”領域的應用，從而真正推動經濟的全面升級。
最後，AI的發展也提醒我們需警惕新興技術可能帶來的社會不平等和財富集中問題，正如部分評論所言，未來或面臨“科技封建主義”的風險。政府和企業應主動制定政策，確保技術紅利能夠公平分配，讓更多人從中受益。
總體而言，AI的經濟影響是一場長期賽跑，既有挑戰也蘊藏機遇。香港作為國際金融和科技樞紐，更應密切關注這場變革，積極培養人才，推動企業創新，為迎接這場經濟奇點做好準備。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
🎨 Nano Banana Pro 圖像生成器｜打幾句說話就出圖
想畫人像、產品圖、插畫？SSFuture 圖像生成器支援 Flux 同 Gemini Nano Banana Pro 改圖 / 合成， 打廣東話都得，仲可以沿用上一張圖繼續微調。
