机智体
为什么AI还暂时不会取代你的工作

为什么AI还暂时不会取代你的工作
Tom Barnett
/
Tyde

2024-06-03
#职场#方法
人工智能虽然可以高效处理特定任务,但在人类创造力和判断力方面仍存在巨大差距。尤其在复杂工作,如法律分析和决策,AI还远未能完全取代人类。

一位首席数据官解释了为什么 AI 仍需很长时间才能与人类的创造力或判断力竞争。

我们生活在一个高度专业化的时代。这一趋势已经持续了几个世纪。亚当·斯密在开创性著作《国富论》中,观察到经济增长主要由专业化和劳动分工驱动。而自计算机技术诞生以来,专业化一直是其标志。直到现在。人工智能(AI)开始改变,甚至在逆转这种演变。

AI 的崛起重新点燃了关于计算机能否长期增强或最终完全取代我们能力的辩论。专门用来解决决策、基于学习解决问题(如下棋或过滤垃圾邮件)的高度专业化计算功能被称为弱AI。而能够适应和响应广泛外部刺激的AI,被称为通用人工智能(AGI)或强AI。

AGI 吸引了领先科技创新者的想象力和大量资本投资。你可以把这看作是试图创建与我们形象相似的软件,或至少是我们认知功能的工作方式。在乌托邦或反乌托邦的极端视角下,超级AI或超级人工智能,即最通用的AI形式,理论上将具备超越人类的能力——这可能会推动我们进入一个充满闲暇的幸福生活,或者将我们变成超级 AI 的服务阶级。

许多AI创新的最终目标是从高度专业化走向通用化。一台计算机可能能够击败世界上最伟大的棋手,但它能像你的猫或狗一样在世界上运作吗?

目前尚不可能。但方向是明确的。当社会朝着越来越专业化的方向发展时,AI正在朝相反的方向发展,试图复制我们最大的进化优势——适应性。

在 AI 世界中工作

评估AI替代工作的可能性有困难,但已经有一些分析。世界经济论坛预测,2025年AI将取代8500万个工作岗位。2023年Resume Builder的一项研究表明,超过三分之一的企业已经在用AI替代员工。知名行业领导者和专家往往走得更远——埃隆·马斯克表示,他认为大多数工作最终会被AI取代,而OpenAI CEO萨姆·奥特曼则持更温和的观点,他认为所有不需要“深层情感联系”的重复性工作都会被AI更好、更便宜、更快地完成。

这对未来AGI时代的工作意味着什么?这取决于你如何看待工作。让我们来看一下美国非常普遍的职业——律师。

据美国律师协会估计,2023年美国律师人数约为130万。律师的工作中有多少可以被某种形式的 AI(无论是弱AI、强AI还是超级AI)取代?他们是否是远超高级生成预训练转换器(GPT)奇迹的创造性生物?

在《国富论》中,亚当·斯密著名地分析了制造一个大头针所需的步骤,他得出结论认为这需要 18 个不同的专门任务。一个工人可能需要一天或更长时间才能完成一个完整的大头针。但他断言,将工作分成 10 个人的任务,可以每天生产超过 48000个大头针。

AI 能取代多少工作?

撇开制造大头针是否比审阅文件更具认知的问题不谈,文件审阅任务的固有特性似乎非常适合弱AI。分析工具可以识别文件作者、参与者、传输和接收日期。这些是计算机自诞生以来就擅长的明确定义的专门任务,也是弱AI的强项。

但AI能接管大部分律师工作吗,还是存在一种只有推测的超级 AI 才能希望解决的创造力和判断力的潜在线索?换句话说,我们在哪里划定我们执行的一般和具体任务之间的界限?AI 在分析案件的优劣或确定特定文件的有用性及其如何融入合理的法律论据方面有多好?目前,我认为,我们还远未达到这一点。

但是人工智能真的能接管大部分法律工作吗,或者说其中是否有一种只有推测性超级AI才能希望解决的创造力和判断力的基本线索?换句话说,我们如何在我们执行的一般任务和特定任务之间划界?人工智能在分析案件的优点或确定特定文件的用途以及它如何符合一个可信法律论证方面表现得怎么样?就目前而言,我认为,我们甚至还远未达到这个水平。

无论是考虑文件审阅、合同起草、法律研究、合规监控还是诉讼可行性分析,我们目前都生活在一个弱AI世界中。法律工作,尤其是专业任务方面的工作可以极大地得到AI的帮助,但目前并没有完全被AI取代,无论你怎么分类。如果你还在等待那一天到来,你最好再等等。

喜欢这篇内容?

如果文章对你有帮助,可以请作者喝杯咖啡。感谢支持

由Stripe提供安全支付 • 支持支付宝和信用卡

相关推荐

AI视频生成技术解析:从扩散模型到Transformer架构

AI视频生成技术解析:从扩散模型到Transformer架构

#方法 #技术

你知道从文字生成视频的技术背景吗?本文以通俗语言带你了解扩散模型等高效、连贯视频创作的底层原理与未来趋势

Shopify如何构建生产就绪的智能体系统

Shopify如何构建生产就绪的智能体系统

#方法 #智能体

将AI智能体从“能用”原型推向“好用”产品,关键在建立集分层架构、全面评估与用户信任于一体的系统化构建范式

麦肯锡智能体项目实战关键与避坑指南

麦肯锡智能体项目实战关键与避坑指南

#方法 #智能体

基于一线实践项目,McKinsey总结了成功部署的六大要素,涵盖工作流设计、技术选型与组织协同。确保AI投资获得真实回报

如何为 AI 智能体编写高效工具

如何为 AI 智能体编写高效工具

#方法 #技术

Anthropic 团队分享为智能体编写高质量工具并评估的原则与方法,探讨如何利用 AI 自身优化工具和适应新开发模式

如何让 Claude Code 成为领域特定编码专家

如何让 Claude Code 成为领域特定编码专家

#方法 #技术

LangChain解析了将Claude Code变身领域编码专家的关键:提供精炼的“心智模型”以指导AI,而非仅让其访问海量文档

机智体

机智体主要围绕人工智能、智能体和具身智能等深科技,观察技术发展趋势、商业应用和社会影响。精选各大英文媒体文章和有影响的意见领袖观点,主要基于机器翻译 + 人工审阅而成。

© 2026 机智体 观机于智 · 见体于行