【新智元導讀】DeepMind 剛上任的 AGI 經濟學總監 Alex Imas 曾擔憂 AI 導致失業和需求坍縮，如今提出一個謹慎樂觀判斷，AI 會壓低可複製勞動價格，也會推高護理、教育、醫療、服務等關係型勞動的價值。
專注研究 AI 對經濟社會的影響的頂級學者，芝加哥大學教授 Alex Imas 加入Google DeepMind 擔任 AGI 經濟學總監（Director of AGI Economics），DeepMind CEO Demis Hassabis 轉發確認了這一重大人事消息。
Imas 原本是芝加哥大學經濟學家，長期研究行為經濟學和 AI 對勞動力市場的影響。
他不只是在論文裡討論技術衝擊的人。
他一邊認真使用 Claude、ChatGPT 等前沿模型，一邊嚴肅對待 AI 可能帶來的失業、工資份額下降和需求坍縮。
更準確地說，他曾經非常悲觀。
此前在接受《財富》雜誌採訪時，Imas 說，自己最初的反應是害怕。
自動化如果消滅大量崗位，工資收入隨之萎縮，只有資本所有者還握有購買力，但他們已經接近消費飽和。
被替代的勞動者買不起東西，需求下降，經濟收縮，這是近年來 AI 經濟討論中最具壓迫感的場景之一。
現在，他給出了一個相對樂觀的答案。
這個答案的關鍵詞不是 AGI，不是生產率爆炸，也不是全民基本收入。
而是人。
星巴克帶來的啟示
Imas 最近反覆提到星巴克。
這家公司賣的是高度標準化的咖啡產品。
技術上，減少門店人力並不難。
過去幾年，咖啡連鎖企業一直在通過自動化、流程化和人員壓縮來保護利潤率。
但星巴克新任 CEO Brian Niccol 最近做了一個反向動作，恢復手寫杯身、陶瓷杯、舒適座椅，重新強調門店裡的「人味」。
更多咖啡師被招聘，一些自動化流程被降速。
這件事被 Imas 看作一個訊號。
當 AI 讓越來越多商品和服務變得便宜、標準、可複製時，真正稀缺的東西會換地方。
過去稀缺的是產能、技術、管道，未來更稀缺的可能是人的在場、人與人的關係、某種不可複製的來源感。
Starbucks 的調整看起來很小，放進 AI 經濟的大背景裡，卻很值得玩味。
消費者買咖啡，買到最後並不只是在買咖啡因。
那張桌子、那個熟悉的店員、杯子上的手寫名字、周圍人聲形成的微弱陪伴感，都在構成價格的一部分。
效率沒有失效，只是效率無法解釋全部價值。
從農業到關係型部門
Imas 的理論底座來自結構變化經濟學。
1900 年前後，美國約 40% 的勞動力還在農業部門——而今天這個比例已經不到 2%。
人類沒有停止吃飯，只是當農業生產率大幅提升後，社會不再需要把大量勞動力放在食物生產上。
勞動力被重新分配到製造業、服務業，以及後來更細分的消費部門。
這段歷史給了 AI 衝擊一個可參考的框架。
如果 AI 顯著提高某些部門的生產率，價格下降後，人們不會無限購買同一種便宜商品。
收入提高或成本下降後，需求會遷移到新的地方。
Imas 引用 2021 年 Econometrica 的一篇論文，指出歷史上部門再分配的主要動力，很大程度來自收入效應。
人變富之後，並不會只是多買同樣的東西，而會轉向那些收入彈性更高的商品和服務。
AI 時代也可能如此。
當文字、圖像、程式碼、基礎諮詢、標準化客服越來越便宜，消費者會把更多錢花到關係型部門。
護理、教育、醫療、心理諮詢、兒童照護、餐飲、酒店、私人服務，這些崗位的共同點是都包含人際互動。
護士、教師、咖啡師、醫生、治療師並不靠表演生存。
他們創造價值的方式更日常，也更難被蒸餾。
他們需要觀察對方的情緒，理解上下文，建立信任，承擔責任。
這些東西可以被 AI 增強，卻很難被完全壓縮成一段自動回覆。
富人的生活，提前暴露了需求
Imas 還用了一個很有意思的觀察。
今天的億萬富翁幾乎沒有預算約束。
理論上，他們可以獨自住在島上，消費最好的電影、遊戲、軟體、裝置和私人娛樂系統。
但現實中，很多富人把大量時間花在播客、社交平台、現場演出、公共討論和人與人的互動上。
這說明一個問題，人的關係需求很難被完全滿足。
它帶有比較性，也帶有社會性。
人想要的不只是功能，還有被看見、被回應、被某個真實的人認真對待。
法國哲學家 René Girard 關於模仿慾望的討論，也被 Imas 納入解釋框架。
人們常常因為別人想要、別人得不到，才更想擁有某件東西。
他和合作者的實驗顯示，當受試者得知某個商品會把一部分人排除在購買之外時，對同一商品的支付意願會明顯上升。
後續研究還發現，如果商品被認為由 AI 參與生成，這種稀缺溢價會下降，因為 AI 製造物被天然視為可複製。
這對 AI 消費經濟很關鍵。
越容易複製的東西，越難維持身份溢價。
越帶有人類來源、關係鏈條和不可替代場景的東西，越可能變貴。
並非人人都會成為藝術家
很多人談 AI 後的就業，會把希望寄託在藝術家、創作者和表演者身上。
Imas 認為這容易跑偏。
關係型部門的重點不是高雅藝術，也不只是舞台和鏡頭。
星巴克員工不是表演者，醫院裡的護士、學校裡的老師、腫瘤資料團隊裡的協調者，也不是靠才藝吃飯。
他們的工作價值來自另一種東西，複雜機構裡的信任、判斷和協作。
一位大型醫療非營利組織的資料科學家說，公司給全員部署了企業版 ChatGPT，管理層能清楚說出的用例主要是寫郵件和總結郵件。
真正涉及癌症患者資料的統計分析，由於保護性健康資訊、法律審查和機構流程，模型根本無法直接進入核心環節。
這位資料科學家並不排斥 AI。
他用 ChatGPT 更快翻譯統計程式碼，也能迅速做出癌症生存風險計算器原型。
問題在於，從原型到公開使用，中間隔著法律審查、撥款申請、NIH（美國國立衛生研究院）溝通、委員會流程，以及一群忙到每天只能給他 15 分鐘的外科腫瘤醫生。
他的關鍵工作並不是跑回歸。
是把醫生的臨床直覺翻譯成統計問題，把統計模型翻譯成醫生能信任的表達，再讓整個機構願意為一個結果負責。
這就是 Imas 所說的關係型勞動。
最大變數是速度
Imas 的樂觀並不輕鬆。
他的前提是，社會有時間完成轉移。
農業勞動力轉向製造業和服務業，是一場跨越幾十年的結構變化。
AI 如果在幾年內迅速替代大量白領任務，勞動力市場、教育體系和制度安排可能來不及消化。
這也是他仍然擔心的地方。
摩根士丹利在 3 月的一份研究中提醒投資者關注 AI 對就業的衝擊——大模型能力提升速度超出預期，裁員壓力正在變得更尖銳。
現實裡同時存在兩幅平行的畫面。
一邊是前沿模型能力不斷抬高。
很多仍然用幾年前對 ChatGPT 的印象判斷 AI 的人，遠遠低估了變化速度。
另一邊是企業內部的部署非常粗糙。
昂貴的企業帳號推到員工面前，最後只能落實到寫郵件、總結郵件。
DeepMind 真正買下的，是一種經濟學視角
所以，Hassabis 把 Alex Imas 拉進 DeepMind，值得關注的地方不只是又一位經濟學家進入 AI 實驗室。
DeepMind 需要的不只是訓練更強模型，也需要理解強模型進入社會後的摩擦係數。
AI 可以把很多任務變便宜，但便宜之後，人類會買什麼、僱傭什麼、信任什麼，會重新決定經濟結構。
技術能力是一條線，社會吸收能力是另一條線。
兩條線之間的距離，可能決定未來十年的就業震盪程度。
Imas 給出的樂觀版本很克制。
AI 會繼續壓低可複製工作的價格，關係型勞動可能吸收一部分人，醫生、教師、護士、治療師、服務業人員的工作也會被重塑。
常規任務交給模型，人類保留關係、判斷、安慰、信任和責任。
但如果技術擴散太快，這個緩衝區會被擊穿。
AGI Economics 這個職位名，把一個過去常被技術敘事擠到邊緣的問題放到了台前，AGI 不只是更聰明的模型，還要回答經濟如何承接它。
AI 會讓什麼變得廉價，也會讓什麼變得昂貴。
現在看，昂貴的那部分，可能仍然來自一個真實的人，坐在另一個真實的人面前，坦誠交流。 (新智元)