AI 為什麼還沒幫我們賺到錢？#

很多人觀察到 AI 已經被應用於很多領域，相關公司的股價都在飆升，人人都在談論它。可是反映在經濟上，AI 對發達國家生產力的促進還沒體現出來。

• 《麻省理工學院斯隆管理評論》（MIT Sloan Management Review）2020 年調查發現：
  • 59% 的商業人士說自己有 AI 戰略
  • 57% 的公司已經部署或嘗試了某種 AI 方案
  • 但只有 11% 的公司真正從 AI 中獲得了財務利益
• 這其實是「通用技術」正常的發展階段——蒸汽機、電力、半導體、互聯網都經歷過同樣的過程

經濟學家羅伯特·索洛（Robert Solow）1987 年就曾感嘆：我們這個時代到處都能看到計算機，唯獨生產力統計裡看不見計算機。AI 也是如此。

通用技術發揮生產力的三個階段#

作者引用三位加拿大經濟學家（阿格拉沃爾、甘斯、戈德法布）在《權力與預測》（Power and Prediction）中的框架，指出我們正處在 AI 的「中間時代」（The Between Times）。

第一階段：點解決方案（The Point Solution）#

• 簡單的輸入端替換
• 例：用燈泡比蠟燭方便一點，用電力做動力有時候比蒸汽動力便宜一點
• 效果：生活方便了一點點，成本降低了一點點，僅此而已

第二階段：應用解決方案（The Application Solution）#

• 把生產裝置也給更換了
• 例：工廠從蒸汽軸驅動改為每台機器獨立電源，可以用哪台開哪台
• 難點：必須對機器進行改造，重新設計，這需要時間

第三階段：系統解決方案（The System Solution）#

• 整個生產方式的改變
• 例：電力讓機器可以放在工廠任何位置，使得「生產流水線」成為可能
• 這已經不是局部的改進，而是生產方式和組織方式都得到系統性的變革

AI 也會如此。到目前為止，我們對 AI 的應用還處在點解決方案和一定程度上的應用解決方案階段，並沒達到系統解決方案階段。這就是為什麼 AI 還沒有發揮最大的作用。

AI 是一個「預測機器」#

從商業角度看，《權力與預測》認為 AI 本質上是一個「預測機器」：

• 三位作者專注的不是 ChatGPT 那樣的生成式語言模型，而是新藥發現、商品推薦、天氣預報那樣的預測性 AI 應用
• 這些應用的確是商業化程度最高的
• 例：向螞蟻金服申請貸款，AI 能根據你的記錄預測你的償還能力，當場就能審批

預測是決定的前提#

• AI 預測能改變人們做決定的方式
• 類比電力：電力被廣泛應用後，人們對電力的應用和來源就脫鉤了
• 同理，當 AI 被廣泛應用，預測和決定也可以脫鉤——你不用管 AI 是怎麼預測的，直接根據預測做決定就是

AI 三個階段的決策對應#

• 點解決方案：用 AI 改善你現有的決定（例：亞馬遜根據購物喜好推薦商品）
• 應用解決方案：用 AI 改變你做決定的方式（例：亞馬遜「預先發貨」Anticipatory Shipping）
• 系統解決方案：AI 促成了新的決定，你的生產模式整個變了

用預測取代規則#

AI 預測能改變決定方式，就能改變生活方式：

• 我們在生活中很多時候根本不做決定，都是根據習慣或者規則做事
• 例：怕錯過航班，有人規定自己坐飛機必須提前 4 小時出發——這些規則只是為了防止出事，但拉低了生活效率
• 如果天氣預報非常準，你就不必每天帶傘；如果 AI 能精準預測交通和安檢情況，你就可以取消提前 4 小時出發的規則

再進一步，何必還先問 AI 的預測、自己再做決定呢？乾脆直接把決定權交給 AI。到時候你會很樂意把決定權交給 AI。這就是預測取代規則。

農業的例子#

• 農民種田最早是看看天氣預報，自己大概估計播種、施肥、收割時間（預測只是參考）
• 後來氣象公司提供精確預測，直接通知農民最佳的播種、施肥和收割時間（應用解決方案）
• 農業公司 Monsanto（孟山都）2013 年收購了一家氣象公司，提供一攬子的解決方案，把所有決定都替農民做了

教育的例子#

• AI 輔助教學的技術已經可以做得很好——根據你的詞彙量決定背哪些單詞、根據測驗得分決定學哪些知識
• 但學校的組織仍然是按照年齡分級的規則行事
• 系統性的改變是：用 AI 的邏輯重新組織教學，讓每個學生接受真正個性化的學習，讓每個老師發揮個性化的能力

小結#

• 每次當你思考怎麼用 AI 的時候，都可以想想當初的電力
• 我們的生產、生活和社會很快就會圍繞 AI 重新設置
• 這一切才剛剛開始