后人工智能劳动力市场的另一种观点 人工智能降低了软件成本，自动化了数据库的繁琐工作。这种新的负担得起的效率使需求激增，创造了新的复杂问题，未来有人类员工的公司将解决这些问题。然而，如果就业机会的减少超过了创造，我们就有可能发生历史性的社会反抗，而不是技术突破。 ---- Citrini Research的报告中也反映了这种担忧，即人工智能将迎来世界末日的劳动力市场，这从根本上误解了商业的本质。 从本质上讲，每个企业的存在都是为了解决人类的问题。医院治疗疾病，汽车制造商创造负担得起的交通工具，餐馆提供廉价的快餐，住宅建筑商创造可靠的住房。西特里尼叙事中的致命缺陷是假设人类的问题数量是有限的。解决当前的问题，我们不会制造新的问题。 制造更多问题 当技术进步提高了资源利用效率时，杰文斯悖论表明，对这种资源的需求会激增。 如果代理人工智能将起草诉讼的成本降至接近零，律师就不会收拾行李回家。他或她将提起成倍增加的诉讼，对法律辩护和司法审查产生巨大的新需求。 麻省理工学院劳动经济学家大卫·奥特认为，虽然自动化改变了任务，但它并没有破坏人类的工作。我们将利用腾出的时间来扩大可能性，并发明全新的复杂问题，这些问题需要有人类员工的新公司来解决。 赢家和输家 随着软件开发成本降至零，这种颠覆的第一波浪潮已经推动了不断扩大的市场反弹。 从历史上看，Salesforce和Bloomberg等公司花费了数十亿美元来构建理想的软件产品。他们依靠昂贵的每个座位的定价来资助这些大规模的建设。 得益于代理人工智能，一些程序员可以在几个月内以成本的一小部分重新创建CRM或数据终端的部分，同时以远低于传统公司当前定价的价格提供。一个CTO在查看数千个每个席位的许可证时，很容易证明拆除嵌入式遗留系统可以节省数千万美元。 *失败者——花费大量资金开发软件的公司。 *赢家——花费大量资金购买该软件的公司。 从数据库中解放出来 现代知识工作已经演变成一种令人麻木的活动，在这种活动中，员工被束缚在更新数据库的屏幕上。即使是最简单的任务也需要向数据库请求权限，首先是尝试使用用户名和密码登录的普遍挫折。 沃顿商学院教授Ethan Mollick支持人工智能消除这种工作场所的苦差事。代理人工智能将接管数据库管理，使我们能够做出判断并实际解决问题。该办公室将不再是一个屏幕监狱，而是一个合作中心。 稀缺与头顶 当工作中断时，结果完全取决于哪个部分是自动化的。 150年来，驾驶伦敦出租车最困难的部分就是通过知识测试。这涉及记忆25000条街道和近20000个地标。这花了三到四年的时间，经常骑着轻便摩托车在伦敦转悠。这些知识造成了合格司机的稀缺，使他们能够获得高薪。 GPS将这种稀缺性自动化到一个免费应用程序中，让市场充斥着新的竞争对手（优步/博尔特），从而压低了工资。技术带走了出租车司机的困难部分，使这个角色变得不那么有价值。 另一方面，计算机为会计师自动化了繁琐的数据输入。由于人类判断的困难部分仍然存在，会计师利用腾出的时间来解决复杂的问题，将他们的角色从簿记员重新定位为财务顾问。技术拿走了容易的部分，使工人更有价值。 破碎学徒制的神话 批评者认为，人工智能将通过自动化初级的繁重工作来破坏学徒模式。无意识的数据输入并不能教授高级策略。当繁重的工作被解除后，年轻工人可以从第一天开始专注于工作中最难的部分。人工智能非但没有破坏学徒制，反而加速了学徒制。 当计算机辅助设计（CAD）取代手工绘图时，我们看到了这种恐惧。资深建筑师担心，如果不手工绘制每一条线，年轻设计师将永远无法学习基础知识。相反，新一代学会了建造更复杂的结构。人工智能的转型也将对知识工作产生同样的影响。 过渡 这种转变并不容易。看看高管们在接受混合工作时所面临的困难。如果领导者在人们坐的地方进行简单的改变，他们将如何应对嵌入式软件和劳动力模式的彻底剧变？他们会停留在过去，监督数据库更新吗？这正是为什么当今最令人兴奋的公司是由30岁的年轻人经营的，他们没有任何遗留问题。 此外，这一过渡的时间表也很重要。 在工业革命期间，技术早在新工作出现之前就消除了旧工作。经济学家将这个残酷的五十年差距（大约1790年至1840年）称为恩格斯停顿期，以《共产党宣言》的合著者弗里德里希·恩格斯的名字命名。 破坏就业和创造就业之间的差距引发了对资本主义的大规模集体抵制，世界后来称之为共产主义。卡尔·马克思直接观察到了这种危险的动态，他写道，当劳动工具以机器的形式出现时，它立即成为工人自己的竞争对手。 如果人工智能的推出创造了一种类似的、脱节的权衡，即工作机会先消失，新的机会出现得更晚，我们将看到另一场集体抵制。 结论 后人工智能时代的劳动力市场不一定是一个失业的反乌托邦或科幻乌托邦。这将是一个剧烈的加速。赢家将是购买廉价软件的敏捷公司，以及使用人工智能跳过数据库苦差事的工人。然而，最终的测试不是技术上的。这是社会性的。我们必须确保被摧毁的工作岗位与我们发明的复杂问题之间的差距尽可能缩小。如果我们不能弥合这一差距，下一个伟大的创新就不会是新的软件模式。这很可能是一场革命。