Ronnie Chatterji：AI 可能先改变工作内容，再影响就业人数

Ronnie Chatterji 怀疑 AI 本身会在未来 12 至 18 个月内让失业率增至三倍。他回忆，美国失业率曾在新冠疫情这一非同寻常的冲击期间增至三倍；如果 AI 也带来同样迅速的增长，那需要一个与他预期不同的经济模型。

Reid Hoffman 回忆经济学家 Robert Solow 的观察：计算机无处不在，却没有体现在生产率统计中。Aria Finger 介绍了 OpenAI 首位首席经济学家 Chatterji，并提出一个问题：AI 的经济影响能否比个人电脑带来的收益更快地出现在国家统计数据中。

Chatterji 说，在他参与政府《芯片与科学法案》工作后，OpenAI 最初就半导体问题联系了他。他并非为求职而是写了一份首席经济学家的职位描述；公司拿着同一份描述再次找到他时，他接受了这份工作。

他的团队既有经济学家和数据科学家，也有擅长跨组织管理项目的人。他认为自己有责任提供有关 AI 经济影响的信息，并说加入公司后，这份工作的内容已多次变化。

Chatterji 预计，未来 12 至 18 个月，全球会有更多公司把 AI 智能体连接到现有应用。他说，尽管在旧金山这项技术似乎已经很常见，但它在许多企业中仍处于早期阶段。

他说，岗位名称的变化小于岗位背后工作内容的变化。在他看来，劳动者越来越多地利用 AI 承担正式职责之外的任务，例如财务人员做营销工作，或传播部门员工分析数据。

Chatterji 预计，未来 12 至 18 个月，AI 将更明显地体现在生产率数据中。他说，硬件投资已经对 GDP 作出贡献，但生产率是另一个问题，需要经济学家加以衡量。

他提醒人们不要随意将极高的增长率外推。增长率多一两个百分点就已经影响重大，而失业率即使小幅上升，也会引发严肃讨论。他认为近期失业率增至三倍的可能性不大。

被问到除工程领域外，哪些领域可能迅速采用 AI 时，他提到法律和人力资源。他说，OpenAI 的律师已经利用 AI 快速改变工作流程，但也提醒，公司并不是具有代表性的样本。

他回忆，在 OpenAI，技术团队和非技术团队广泛采用智能体工具之间相隔大约四到五个月。他预计，结构化信息和可重复的流程会让其他地方的法律及人力资源工作成为值得关注的领域。

Hoffman 问，AI 是否会降低创业成本，也让失败更快发生。Chatterji 认为，更快的实验能够帮助人们学习、转向下一家公司，或发现自己其实更愿意加入现有组织。

Finger 以自己的母亲为例：她是一名经营一人企业的钢琴教师。Chatterji 预计，个体经营者会用 AI 处理营销或行政等任务，包括在难以找到联合创始人或雇用专业人士的地方。

他引用 OpenAI 的一份报告称，约有 400 万美国人在创业过程中的某个环节使用 ChatGPT。头脑风暴有助于降低他自己研究中观察到的早期门槛：许多潜在创业者从未分享自己的想法并获得反馈。

谈到生产率，Chatterji 区分了投资支出与 AI 本身提高经济效率的证据。他说，现有数据可能与 AI 带来生产率影响的判断一致，但要确定其中有多少由 AI 导致，还需要更多工作，也许只能事后看清。

他将这种不确定性与 20 世纪 90 年代美联储的一场讨论相比：当时 Alan Greenspan 和 Janet Yellen 对新出现的生产率证据解读不同，数据后来也经过修订。Chatterji 预计收益会逐渐变得清晰，尽管各公司采用技术的速度并不一致。

访问多个国家后，他发现日本和韩国有浓厚兴趣。已经使用先进技术的企业以及半导体供应链中的公司可能受益。在其他地方，他看到消费者采用 AI 的程度高于企业。

他将印度尼西亚、巴西和印度列为自己观察到采用程度高或创业活动活跃的地方。他认为年轻人口可能解释了部分使用情况；与此同时，欧洲正在讨论如何实现有效采用、控制技术以及应对不断变化的地缘政治。

被问及 AI 投资是否会先推高通胀、然后生产率才让价格下降时，Chatterji 提到内存等硬件供应瓶颈。他预计随着供应增加，这些压力会缓解，并认为从长期看，商品与服务成本下降的影响可能更大，尽管不一定会在两年内发生。

在一个 AI 实现预期收益的假设性 2031 年，他预计早期采用者会受益，尤其是将技术与相应管理方式相结合的公司。他说，增长率即使提高一两个百分点，也会产生重大影响。

Chatterji 预计，更富裕的经济体会雇用更多教育和医疗人员：随着收入增长，社会往往会在这些服务上投入更多。他说，自己更希望 AI 帮助缩小班级规模、改善照护，而不是简单取代教师或临床医生。

这些工作的质量同样重要。如果人们转入教育和照护岗位后，薪酬比原来的工作更低，转型的益处可能就会减少。Hoffman 还提到娱乐业，并问 AI 辅助内容的供应大幅增加后，究竟会有多少需求。

Finger 问，谁来为扩大的照护和教育服务买单。Chatterji 说，答案取决于 AI 是否真正带来生产率红利；如果带来了，政府可以利用由此产生的收入，并可能调整劳动和资本税收，为人们重视的服务提供资金。

他看到的另一个机会是帮助人们办理复杂事务：智能体可以协助处理助学金申请、入学或复杂医疗流程，而不只是提供信息。他设想公共机构也使用自己的工具，在民主选定的规则下管理稀缺资源。

Finger 问，如果减少办事阻力，是否可能让本来就资源不足的系统不堪重负。Chatterji 说，申请或资源分配流程的双方都需要工具。他也认为，在难以获得专业帮助的地方，提供初步协助可能有价值。

Hoffman 问，当服务能够全天候运行时会发生什么变化。Chatterji 说，持续运行的智能体无需睡眠，但某些行动仍需要人来澄清或批准。接收其输出的系统也可能不堪重负。

他介绍了自己团队设定的边界，包括允许多少 AI 生成材料进入共享频道，以及由谁审阅。在他看来，人们需要制定规则来管理持续运行和并行工作的智能体，而不只是生成更多工作。

被问到实验室能否选择增强劳动者而不是自动化任务时，Chatterji 同意经济学家 Daron Acemoglu 的观点：技术方向涉及选择。他说，创新既能降低成本，也能创造新产品和新行业，但他怀疑一家实验室能独自决定方向。

他认为，实验室、政府和其他机构必须共同处理收益分配以及生产性工作的供给。他说，在竞争激烈的全球经济中，维持这种合作并不容易。

Finger 以中国贸易冲击为例，指出损失可能集中，而收益广泛分散。Chatterji 同意，即使受损害的人只占人口中相对较小的一部分，特定社区和政治仍可能受到深刻影响。

他用免费获得 AI 辅助的旅行计划解释消费者剩余：用户得到的好处不一定体现在 GDP 中。他预计，一些收益会广泛分布，而损失可能集中于某些行业或地区。他认为，政策必须回应这些不均衡的影响。

被问到如何与担忧 AI 的人建立信任时，Chatterji 首先提到同理心，以及有关收益与损害的证据。他说，即使总体失业率看起来令人安心，一个人仍可能有真实的焦虑理由。

他呼吁加强现有自动稳定机制，包括州失业救济体系，以及在失业率上升时自动扩大的福利。他认为，无论 AI 是否导致大规模就业冲击，还是出现其他冲击，这种准备都有用。

他说，人们还需要感到自己仍有控制权。他提到，专业人士担心自身专业能力，年轻人担心入门岗位机会，社区担心数据中心的影响。在他看来，政府必须说明将如何应对这些具体损害。

基于与前商务部长 Gina Raimondo 共事的经历，Chatterji 认为商务部是影响 AI 采用的一个重要机构。他以美国国家标准与技术研究院（NIST）的标准工作、区域发展以及商务部在半导体领域的作用为例，说明其经济政策影响范围。

谈到模型和芯片出口，他说，效率和规模不是唯一需要考虑的因素。半导体制造集中可能带来安全和地缘政治风险。他认为，先进能力的获取和国家安全无法与经济政策完全分开。

Chatterji 预计，与消费互联网产品相比，一些深度科技在开放全球市场和国家安全之间面临不同的权衡。他预期，政府与企业会持续就界限应划在哪里产生分歧。

在前沿实验室中，他认为设立首席经济学家有两个原因：为公司外部的决策者解读 AI 使用数据，以及用经济学思维分析智能体的行为和组织方式。他说，OpenAI 有义务不带倾向地呈现这些信息。

Finger 问，来自 OpenAI 的研究如何获得可信度。Chatterji 介绍了与外部学者合作、尽可能共享数据、寻求同行评审和资助独立团队等做法。他说，合作者可以看到自己团队可能忽略的东西。

比起长期预测，他的团队优先研究人们和企业现在如何使用 AI。他认为，当前数据可以帮助政策制定者和企业领导者做决定，尽管它可能不如一项预测来得令人惊讶。

他说，OpenAI 也寻求不同政治和经济观点的看法，建立信任需要当面解释证据，而不只是发布证据。他提到，尤其希望听到经济学家 Acemoglu 对数据的解读。

Finger 问 GDPval 如何将职业转化为测试。Chatterji 解释，早期研究会列出工作任务，再询问 AI 能否完成。他反对将受到影响的任务占比直接换算成劳动者失业的概率。

他回忆自己的父亲作为经济学教授拿到一台计算机：机器改变了他完成任务的方式，但他用它运行更多模型、撰写更多论文。Chatterji 说，当人们找到实现目标的新方法、需求发生变化时，一份工作的任务也会改变。

GDPval 可以展示模型完成特定任务的表现，例如制作电子表格或幻灯片，但 Chatterji 说，工作本身是一个不断变化的目标。Hoffman 问，职业任务数据库 O*NET 是否足够及时，能够适应 AI 时代。

Chatterji 希望投入资源，更好地衡量工作与 AI，包括在国际范围内。他认为，早期劳动力市场信号可能出现在菲律宾的呼叫中心或印度的业务流程外包行业，而不只是在美国就业数据中。

团队尝试传播衡量人们如何在工作中使用 AI 的指标。他说，这种视角可以补充官方就业统计。挑战在于让非专业人士理解技术性发现，同时不损害可信度所依赖的准确性。

被问到在 OpenAI 最惊讶的是什么时，Chatterji 说，能力增长的速度超出了他的预期。Finger 观察到，尝试过旧系统的人可能仍凭过时的体验判断 AI；Chatterji 则区分了早期聊天机器人、推理模型和更新的智能体。

他说，AI 已经通过提出想法、寻找文献、检查代码或模型设定来帮助经济学研究。提出有价值的问题并建立有说服力的实证论证，仍然需要判断力；他继续自己撰写论文。

作为可能出现的早期生产率指标，Chatterji 关注一组他认为受到 AI 影响的公司的每位员工收入。他希望在官方统计完全捕捉到变化之前找到相关信号。

他认为，组织决定了技术如何被采用，经济学和机器学习都应该给予它们更多关注。有能力的 AI 不会自动带来经济结果；企业必须决定如何使用它。

被问及 2030 年的失业率预测时，他说自己希望是 5% 或更低，同时承认如果发生不利冲击，就需要支持转型的政策。他估计，届时美国劳动者每天使用 AI 的比例可能从约 40% 升至 80%，其中包括嵌入其他软件的使用。

他会雇用经济学家 John Kenneth Galbraith，因为他能够将经济史与技术变化和政治联系起来。展望 2036 年，Chatterji 预计一些智能体组织可能成为现实，同时指出法律责任和所有权仍有待解决。

主持人感谢 Chatterji，并结束了对谈。