龙志勇、黄雯/文

OpenAI发布的《GPT是通用技术：大语言模型对劳动力市场潜在影响的早期观察》报告（后文简称《GPT劳动力影响观察》报告）认为，约八成劳动力会受到大模型的影响，他们手头工作任务的10%以上都会受到影响，而其中有19%的劳动力受影响的程度更大，占到他们工作任务的50%以上。

这样的影响广度和深度，对劳动力市场会有怎样的冲击呢？报告最后指出，新技术的替代效应和使能效应的影响有多大，是否会造成新的不平等，如何为培养劳动力技能蓄力，这些问题都还需要进一步研究。

马克·吐温曾说：“历史不会简单重复，它会押着同样的韵脚。”回顾工业革命时代的历史，我们看到，新技术对人类就业的贡献常常会低开高走，技术刚出现时，对人力的替代效应较明显，会引起部分群体的反抗，而随着技术应用的逐步加深和扩散，催生更多创新，放大市场规模，就有可能为人类创造更多的新岗位。《GPT劳动力影响观察》报告也指出，GPT大模型满足通用技术的三个核心标准：随着时间推移，技术不断改进，贯穿整个经济体系，能够催生互补性的创新。因此，大模型作为通用技术，就像蒸汽机、内燃机、电力一样，未来将广泛传播，不断改进，激发创新，产生新的产业（例如第二次工业革命的汽车），其对经济与社会带来的深远影响需要几十年时间才能显现。

比尔·盖茨对大模型解决社会公平问题抱有期望，他在文章《AI时代来临——人工智能的革命性堪比手机和互联网》中提出，人工智能大模型可以帮助改善健康医疗和教育领域中的不平等现象，因为在全球范围内，尤其对于贫困人口，医疗、教育领域迫切需要更多的知识劳动力投入，而纯靠市场力量不会自然产生对他们的帮助。

回顾工业革命时代的历史，我们看到，新技术到来之后，技术与教育会发生一场长期的竞赛，它们的此消彼长、相互拉动，会对劳动力工资差距、教育回报以及相关的经济增长造成直接的影响。20世纪上半叶美国的中学教育扩张和课程改革，就很好地顺应了当时的工业电气化和流水线生产的发展趋势。《GPT劳动力影响观察》报告指出，在这一轮变革需要较高的学历和实践经验突破壁垒进入职业，例如药剂师、律师、设计师、程序员等，容易受到大模型的影响。而运用科学方法和批判性思维解决问题的技能，则不容易被替代。在大的时代趋势下，大部分的人类，无论是主动还是被迫，无论是通过个人学习，还是通过学校教育、社会培训，都需要加入这场技术与教育的竞赛。那么，作为人类，在与大模型协作竞合的过程中，需要守住哪些阵地呢？

量子力学创始人海森堡说，“提出正确的问题，往往等于解决了问题的大半。”明确需求、完善结果，都需要人类对大模型提出正确的问题。“问商”的重要方法——苏格拉底启发式提问，背后需要的正是批判性思维，即OpenAI报告认为难以被人工智能替代的批判性思维。即便人工智能的理解力、推理力越来越强，人类也不能放弃自身能力的修炼，只有比人工智能更强，才能对人工智能的回答作出评判，从而进行有价值的追问和启发。

此外，在情感和创意方面，人类仍然具备不可比拟的优势，也是值得我们坚守和加强的领域。在许多服务场景下，人与人之间的、面对面的情感交流是很难被人工智能完全取代的。在创意方面，即便OpenAI公司的首席执行官山姆·阿尔特曼（Sam Altman）声称“创意性工作看起来是首当其冲被取代的”，但无论是图像设计还是文本创作，都是由人类向人工智能提出正确的需求，评价筛选人工智能提供的线索，跟人工智能互相碰撞灵感，最后人工智能才能产出好的作品。虽然大模型有能力穷尽所有的创意组合，但它仍不具备人类级别的艺术体验鉴赏的能力，难以在无穷的组合中独立挑选出好的创意。正如刘慈欣科幻小说《诗云》中高级技术文明的神之哀叹：“这里面包含了所有可能的诗，当然也包括那些超越李白的诗！可我却得不到它们！技术在艺术中再次遇到了那道不可逾越的障碍。借助伟大的技术，我写出了诗词的巅峰之作，却不可能把它们从诗云中检索出来。”

回顾工业革命时代的历史，我们还看到，新技术到来之后，需要很长的时间酝酿，需要产业围绕新技术进行流程和组织重构。例如，在爱迪生的发电站运行30多年之后，工程师们针对电动机的特点，对工厂传动和生产流水线进行重新设计，才真正兑现了电气化的全部生产率，从而“催生了第二次工业革命”。关于这一轮变革，《GPT劳动力影响观察》报告指出，大模型存在的事实错误、固有偏见、虚假信息等风险，业务端需要通过互补性的新方法新流程来配合解决，包括新的工具软件，或人机协作流程。例如，基于大模型提供法律咨询服务的Casetext，利用私域文本嵌入和摘要技术来应对GPT的错误信息风险。我们也分析了智能客服行业的大模型应用，需要对客服业务流程和协作分工进行重构，并配合大模型技术的不断成熟，才能将无人化等级从L1提升到L5。

纸上推演终觉浅，企业的业务流程重组看似简单，实际涉及人和组织变动的改革都有巨大的失败风险。因此，各行各业大都从极少数创新型企业开始尝试，从失败中找到成功的路径。但重组成功的获益也是巨大的，小则获得生产率优势，大则可能将知识密集型服务的小作坊转变成标准化大生产模式，重写行业规则。

继蒸汽机、电力和计算机之后，这一次，大模型又带来了新的变革时代。怎样应对短期的冲击？如何创造长期的收益？脑机协作能否取长补短而不是两败俱伤？基辛格说：“随着我们逐渐成为技术人（Homo technicus），我们有责任明确我们物种自身的目的。能否找到真正的答案，取决于我们自己。”

（作者龙志勇曾任硅谷AI创业公司联合创始人兼首席运营官，黄雯为互联网大厂高级AI产品经理，本文摘自《大模型时代》一书）

责任编辑：方凤娇 主编：程凯