AI没让大规模失业发生，先让入门岗位招聘变慢了

Google DeepMind 10月29日发布了一篇论文，标题叫《The Economics of Intelligence》，作者是Alex Imas、Andrew Koh和Shane Legg。它给了一个反直觉判断：AI已经在改变经济，只是没按大众盯着的指标来。大规模失业没出现。变化藏在更精简的初创公司、更扁平的组织图，以及部分入门级岗位招聘放缓里。

论文的核心拆分很简单：单项能力（competence）和协作能力（coordination）。大多数基准测试测单个模型在孤立任务上的表现。企业却以团队竞争。经济转型是组织在供需下竞争后的均衡结果。一个模型可以在单项任务上超过每个人，仍可能输给结构良好的人类团队。组织本身像一种超级智能。

他们让100人做了一个跨六个领域的测验：数学、语言推理、科学、模式、文化、经济。一个人在一个领域的表现，不能很好预测另一个领域。人更像不同方向的特化。平均智能副本这个假设不成立。把互补的人配对去解特定任务，比随机配对高32%。AI模型也有锯齿，但弱点相似。复制一个模型只加容量，不加能力宽度。所以“模型是否比人强”问错了对象。该问的是，AI组织能否超过人类组织，或人机混合组织。

论文用“mosaic intelligence”描述组织：互补专家填补彼此缺口，团队能力超过任何个人。协调者单看单项能力平庸，在团队里却降低交接摩擦，让团队扩大而不失焦，因此均衡工资高。

AI和人的两个差异被单独拎出来：可复制性和协调。人类专家供给固定，工资受稀缺影响。模型达到某个能力后，按算力租金无限复制，工资锚定算力成本。协调方面，人类团队受沟通带宽、控制幅度、激励错位限制。Coase问过，既然组织内部能省成本，为什么不是一个大公司通吃。组织经济学的回答是人的协调极限。19世纪电报和铁路没有让单个工人更强，它们提高交接速度和保真度，重组了生产，现代公司才起来。

AI agent理论上可以绕开这些限制。副本共享权重和表示，能传递完整工作状态，包括代码库、中间推导、完整上下文窗口，也没有冲突的职业激励。但今天实际协调很差。OpenAI的Noam Brown在Dwarkesh播客里说，让大量agent以生产性方式协作很难，多agent贡献他连10%都不到。

论文把组织增长拆成三条曲线：单人工作、有限规模、无界规模。单项能力设定每工人产出的水平，协作决定组织能扩多大。协作越过supercooperative阈值后，每增加一个成员反而提高团队生产率，Coase天花板被打破，公司规模只受市场大小限制。单项能力让经济渐进变化，协作让经济突然转型。

按两个阈值组合，论文分了四种区间：minimal AGI、supercompetent AI、supercooperative AI、ASI。minimal AGI下，工资先变，组织重构没来，所以失业率低不能证明AI没影响。supercompetent AI下，公司更高效但不更大，可能出现“丰裕但没有集中”；常规专家工资降，判断、编排、设计协作架构的价值升。supercooperative AI下，大型标准化市场突然集中，工资骤降，niche和relational sector被波及。ASI下，大型AI公司主导深度市场，niche也不能庇护人类团队。

当前劳动力市场正好对应论文说的位置：AI单项能力指数提升，协作落后。表现包括更精简的初创、更扁平的组织图、入门级招聘放缓、能指导复杂工作的有经验者需求稳定或上升。大规模失业和突然垄断还没出现。

这给了一个判断：单模型榜单会高估AI对组织的替代能力，也会低估协作突破的突然性。论文建议补组织级基准测试，测多agent能否拆分陌生问题、干净共享上下文、在长周期里发现而不是放大彼此错误。经济统计也要同时看工资支出和算力支出。工资和岗位角色是最早信号，早于GDP和行业集中度。

入门岗位的变化值得单独看。有网友在推文下说，少一个初级岗位比裁员公告更安静，但它改变谁有机会入行。另一位网友担心，初级岗位是学活的地方，AI接手后，十年后公司会缺有经验的管理者。论文没给时间表，它给的是一个观察坐标：别只盯单模型分数。真正可能突然改变市场结构的，是Agent之间的协作能力。

来源：论文原文，工作论文，Rohan Paul推文。