英语轻松读发新版了,欢迎下载、更新

A.I.-Profits的干旱和历史的教训

2025-08-25 10:00:00 英文原文

作者:John Cassidy

在1987年的一篇文章中时代书评,M.I.T.的诺贝尔经济学家罗伯特·索洛(Robert Solow)评论说,您可以在生产力统计数据中看到计算机时代的年龄。众所周知,生产力悖论一直持续到190年代及以后,产生了巨大而没有决定性的文学机构。一些经济学家指责新技术的管理不善。其他人则认为,与诸如蒸汽机和电力之类的旧发明相比,计算机的经济意义苍白。还有一些人指责数据中的测量误差,并认为一旦纠正这些误差,悖论就会消失。

索洛(Solow)的文章将近四十年,自Ope​​nai发行Chatgpt Chatbot以来将近三年,我们可能面临着一种新的经济悖论,这涉及生成的人工智能。根据斯坦福大学,克莱姆森和世界银行的经济学家最近进行的一项调查,今年6月和7月,确切地说,几乎一半的工人中有45.6%的工人正在使用AI。工具。然而,一项与M.I.T.媒体实验室相关的研究人员团队的一项新研究报告说,尽管对Genai的企业投资了30-400亿美元,该报告发现了令人惊讶的结果,因为95%的组织正在获得零回报。

该研究的作者检查了三百多名公共A.倡议和公告,并采访了五十多名公司高管。他们定义了成功的AI。投资是在试点阶段以外部署的投资,并在六个月后产生了一些可衡量的财务回报或生产力明显提高。他们写道:``他们写道,只有5%的AI飞行员提取了数百万美元的价值,而绝大多数飞行员仍然陷入困境,没有可衡量的P&L损益影响。”

调查采访引起了一系列回答,其中一些反应非常怀疑。一家中型制造公司的首席运营官告诉研究人员,对LinkedIn的炒作说,一切都发生了变化,但是在我们的业务中,没有任何基本变化。”我们更快地处理了一些合同,但这一切都发生了变化。另一位受访者评论说,今年我们看到了数十个演示。也许一两个是真正有用的。其余的是包装纸或科学项目。

可以肯定的是,该报告指出,一些公司取得了成功的AI。投资。例如,它突出了针对后台操作的定制工具创造的效率,并指出,这些早期结果表明,即使没有重大的组织重组,可学习能力的系统也可以带来实际价值。系统可能对营销有用。

但是,许多公司正在努力实现跨国公司Akkodis的另一项最近调查的巨额回报的想法。在与超过两千名企业主管联系后,该公司发现,对公司A.I.-Implotation策略非常有信心的C.E.O.的百分比从2024年的82%下降到今年的百分之占百分之八十五。公司首席技术官的信心也降低了,尽管没有那么多。Akkodis调查说,这些事态发展可能反映了以前在数字或AI计划,实施方面的延误或失败以及对可伸缩性的担忧的令人失望的结果。”

上周,M.I.T.的媒体帐户媒体实验室的研究恰逢与A.I.相关的高度价值股票,包括Nvidia,Meta和Palantir。当然,相关性不是因果关系,Openai首席执行官Sam Altman的最新评论可能在抛售中发挥了更大的作用,鉴于最近价格上涨,这在某个时候肯定是不可避免的。CNBC报道说,在与记者的晚宴上,Altman说估值是疯狂的,并在十五秒内使用了三次泡沫。

不过,M.I.T.研究引起了很多关注,在有关这项研究的最初新闻报道之后,有一份报告表明,与许多技术公司有联系的媒体实验室正在悄悄限制访问它。我在组织的通信办公室和报告的两位作者留下的消息没有归咎。

尽管该报告比某些新闻报道更为细微,但它肯定引起了关于自2022年11月Openai发行Chatgpt以来技术繁荣的宏伟经济叙事的疑问。这种叙述的简短版本是生成AI的经济范围内的扩散。对工人,尤其是知识工作者,但对公司及其股东来说非常有害,因为这将带来生产力的巨大飞跃,并扩大利润。

这似乎没有发生的一个可能的原因,但还回想起管理失败在190年代和九十年代早期限制了计算机的生产力益处。媒体实验室的研究发现,一些最成功的AI。投资是由在狭窄的工作流程过程中使用高度定制工具的初创公司进行的。在Genai鸿沟的另一端,这项研究指出的是,不太成功的创业公司要么是建立通用工具或试图在内部发展能力。更普遍地说,成功和失败之间的分裂似乎不是由模型质量或法规驱动,但似乎是通过方法来确定的。

可以想象,生成性A.I.的新颖性和复杂性可能会阻止一些公司退缩。咨询公司Gartner最近的一项研究发现,只有不到一半的C.E.O.有信心他们的主要信息官是精通的。但是,在媒体实验室报告中强调了令人失望的记录的另一种可能的解释:对于许多已建立的业务,对于许多生成的A.I.,至少在当前的生成型A.I中,至少在其当前的化身中,这就是所有的东西。媒体实验室调查的一名受访者说,这对于集思广益和初稿非常出色,但这并不保留对客户偏好的知识,也不是从以前的编辑中学习。它重复相同的错误,并需要为每个会话提供广泛的上下文输入。对于高风险工作,我需要一个积累知识并随着时间推移改善的系统。

当然,有很多人找到了AI。有用,并且有学术证据可以支持这一点:2023年,M.I.T.的两名经济学家发现接触CHATGPT使参与者在一项随机试验中更快地完成了专业写作任务,并提高了他们的写作质量。同年,其他研究团队为使用Github副驾驶的计算机程序员以及可以访问专有A.I.的客户支持代理商确定了增强生产力的成果。工具。媒体实验室的研究人员发现,许多工人在工作中使用其个人工具,例如GPT或Claude。该报告将这种现象称为“影子AI经济”,并评论说,它通常比雇主倡议更好。但是问题仍然存在,这是高级公司高管肯定会更频繁地问:为什么还没有更多的公司看到这些类型的收益,却陷入了底线?

问题的一部分可能是生成的A.I.毫无疑问,在经济的许多地方都有有限的应用。综上所述,休闲和款待,零售,建筑,房地产以及护理部门的儿童抚摸和照顾那些老年人或体弱的人雇用约五千万美国人,但他们看起来像是直接的候选人。转型。

要注意的另一个重要的事情是采用AI。在整个经济中,很可能是一个漫长的过程。在硅谷,人们喜欢快速移动并破坏东西。但是经济历史告诉我们,即使是经济学家称为通用技术的最具变革性的技术,也可以利用最大的效果,直到开发基础架构,技能和可以补充它们的基础架构,技能和产品。这可能是一个漫长的过程。苏格兰发明家詹姆斯·瓦特(James Watt)于1769年发明了他的圆柱蒸汽机。三十年后,英国的大多数棉花工厂仍然由水轮供电,部分原因是很难将煤运输在蒸汽机中。直到十九世纪初期,蒸汽动力的铁路的发展都没有改变。电力也缓慢扩散,并不会立即导致整个经济增长的经济增长。如Solow所指出的那样,计算机的开发遵循相同的模式。(从1996年到2003年,整个经济生产率的增长最终提高,许多经济学家归因于信息技术的延迟效应。

关于《A.I.-Profits的干旱和历史的教训》的评论


暂无评论

发表评论

摘要

本文讨论了与生成人工智能(Genai)相关的新经济悖论,该悖论类似于与计算机技术有关的早期“生产力悖论”。尽管对Genai及其广泛采用工人的投资,但许多公司报告没有从AI投资中获得可衡量的财务回报。麻省理工学院媒体实验室最近的一项研究发现,只有5%的综合AI飞行员产生了实际价值,而其他人则无效。这与普遍的叙述形成鲜明对比,即生成的AI将通过提高生产率受益匪浅。本文提出了这种悖论的几个原因,包括管理失败,Genai技术的复杂性和新颖性以及在某些部门中的应用有限。它还强调了对Genai工具的个人使用与雇主采用的差异。