很长一段时间以来，大学就做出了一个简单的想法：知识很少。您支付了学费，演讲，完成任务并最终获得了证书。
该过程做了两件事：它使您获得了在其他地方很难找到的知识的访问，并且向您投入了时间和精力来掌握这些知识的雇主表示。
该模型之所以起作用，是因为高质量信息的供应曲线位于左侧，这意味着知识很少，而且价格和工资保费很高。
现在，如下图所示，曲线已经向右移动。当供应向右移动时，一些东西变得更容易访问 - 价格轴的新交叉点较低。这就是为什么学费保费和研究生工资优势现在处于压力下的原因。
根据麦肯锡的全球咨询公司的说法，生成的AI可以增加2.6万亿美元至4.4万亿美元在年度全球生产率中。为什么？因为AI将生产和组织信息的边际成本驱动到零。
大型语言模型不再只是检索事实。他们几乎立即解释，翻译，总结和起草。当供应爆炸时，基本经济学说，价格下降。知识溢价长期以来已经售出的知识溢价正在缩水。
雇主已经采取了行动
市场反应速度比课程快。自Chatgpt推出以来，英国的入门级工作清单已经跌倒了大约三分之一。在美国，几个州正在从公共部门角色中删除学位要求。
例如，在马里兰州，国家政府工作广告的份额从大约68％滑到53％在2022年至2024年之间。
从经济角度来看，雇主正在重新调整劳动力，因为AI现在是毕业于毕业的许多常规，可编码的任务的代替。如果聊天机器人可以以接近零的边际成本完成工作，则工资保费支付给了初级分析师收缩。
但是，知识的价值并没有以相同的速度下降。经济学家，例如David Autor和Daron Acemoglu指出技术在补充其他任务的同时替代某些任务：
可编码的知识 - 结构化的，基于规则的材料，例如税法或合同模板 - AI迅速替换
隐性知识 - 诸如引导团队进行冲突的上下文技能是一种补充，因此其价值甚至可以提高。
数据备份了。劳动力市场分析公司光线广播指出雇主想要改变的技能中有三分之一在2021年至2024年之间发生了变化。美国企业学院警告说，中层知识工作者的工作依赖于可重复的专业知识，最有工资压力的风险。
因此，是的，基线知识仍然很重要。您需要提示AI，判断其产出并做出正确的决定。但是，均衡工资溢价 - 这意味着雇主一旦对知识的供应而提供的额外薪酬付费 - 快速滑落需求曲线。
现在稀缺了什么？
赫伯特·西蒙（Herbert Simon），诺贝尔奖获奖经济学家和认知科学家，几十年前整洁地说：“大量信息会造成关注的贫困。当事实变得便宜且丰富时，我们过滤，判断和应用它们的能力有限，会变成真正的瓶颈。
这就是为什么稀缺的资源从信息本身转移到仍在努力复制的机器上转移的原因：集中注意力，良好的判断力，强大的道德，创造力和协作。
我将这些人的补充分组为我所谓的C.R.E.A.T.E.R.框架：
批判性思维 - 提出明智的问题并发现薄弱的论点
弹性和适应能力 - 一切都会变化时保持稳定
情绪智力 - 了解人们并以同情心领导
问责制和道德 - 对困难的电话负责
团队合作和协作 - 与不同思考的人合作良好
企业家创造力 - 看到差距并建立新的解决方案
反思和终身学习 - 保持好奇并准备成长。
这些能力是当今市场的真正稀缺性。它们是AI的补充，而不是替代品，这就是为什么其工资返回或攀登的原因。
大学现在可以做什么
1。审计课程：如果Chatgpt已经可以在考试中得分很高，则教学的边际价值将接近零。将评估转向判断和综合。
2。重新投资学习经验：将资源推向教练的项目，凌乱的现实世界模拟和道德决策实验室，而AI是工具，而不是表演者。
3。重要的是重要的：为协作，主动性和道德推理等技能创建微观奖励。这些表示AI补充，而不是替代，雇主注意到。
4。与行业合作，但保持协作：邀请雇主共同设计评估，而不是决定他们。良好的合作伙伴关系就像设计工作室一样，而不是董事会订单表。学术界带来了教学专业知识和严格的教学，雇主提供现实世界中的用例，学生可以帮助测试和完善这些想法。
大学不再依靠稀缺性为曾经难以获得的策划和凭证形式的信息设定价格。
现在的比较优势在于培养作为AI补充的人类技能。如果大学不适应，那么如果没有他们，市场和雇主都会继续前进。
机会很明显。将产品从内容交付转移到判断形成。教学生如何与智能机器进行思考。因为旧的模型（将知识都定为稀缺的模型）已经在其经济分离点以下。