生成式AI让个人更快完成某些任务，但严重错误率和巨额基建投入正吞噬全部效率红利，形成"生产力幻觉"。

人们很容易顺理成章地认为生成式AI是一项革命性的技术。毕竟很多工作都涉及写作，而ChatGPT、Claude这样的大语言模型写作速度远超任何人类。除了广为流传的"使用AI让我的生产力提升了十倍"之类的个人轶事以外，也有正经的实证研究显示出人们可以借助AI在诸如编程等特定任务上显著提速。既然AI显然让相当多的个体变得更有效率，那么它给整个经济带来同等的提升似乎是一种必然的逻辑推论。但问题是：ChatGPT正式发布四年之后，为什么生成式AI无论在公司管理层面还是在宏观经济的统计数据中，都完全没有带来任何可衡量的生产力增长？

Open Markets Institute研究员Matt Scherer在其分析文章中指出，一些人将这种脱节称为"生产力悖论"，这个术语源自经济学家索洛在20世纪70和80年代的观察，当时信息技术飞速进步但全社会的生产力统计数字却几乎停滞不动，直到企业围绕计算机重新组织了其业务流程之后，生产力增长才终于显现。但Scherer认为可能有一个更简单的解释：AI让人们工作得更快这一事实本身，并不等价于它正在提升真正意义上的、经济学定义下的生产力。

在日常对话中，当有人说自己的"生产力"提高了，他们通常是指自己在更少的时间里生产出了更多的东西。但在经济学的意义上，而正是这个意义决定了某项技术将如何影响企业和整体经济，全要素生产率衡量的根本不是产出的数量或速度，而是产出的经济价值除以投入的经济价值，类似于大规模的投资回报率。质量的权重在这里高得惊人。Scherer援引了《屋顶上的提琴手》中裁缝Motel的场景：当Motel拿到一台新缝纫机时，他首先兴奋地宣布它"工作起来快了一倍"，但随即他举起了布料，惊叹的是"针脚多么紧密和均匀！从现在起我的衣服将完美无缺，由机器制造！"他看重的不只是速度，更是机器的精密度和可靠性。如果他的缝纫机总是失控、生产出尺寸错误的衬衫、多缝出第三只袖子、或者在顾客手里散架，那无论它工作得有多快，Motel都一定会坚持回到手工。

而这正是生成式AI的致命原罪。它以极其严重的、或许还是"在数学上不可避免的"错误倾向而臭名昭著，编造根本不存在的判例法、删除代码数据库、嵌入错误的患者诊断。这种不可靠性同时从两个方向摧毁了经济生产力方程式。在分子端，包含严重错误的产出几乎没有价值或者价值为零。在分母端，对"错误是常态"的预期意味着任何使用AI的组织都必须投入巨大的人力时间去进行质量核查和纠错，从而大幅度推高了投入成本。AI的基础设施建设已总计投入了1.5万亿美元，预计明年的支出节奏还要进一步提速。但如果生成式AI所释放的任何速度收益都被其糟糕的可靠性全面抵消甚至吞噬，那么可能从来就不存在什么生产力悖论，而只有一个庞大的、由速度和规模故事所支撑的"生产力幻觉"。

原文：https://www.hardresetmedia.com/p/the-ai-productivity-illusion