AI经济学：像经济学家一样思考（增补版）
你好，我是梁捷。今天我们继续聊AI经济学。
上一讲我们讨论了劳动力面对AI的“暴露”，也就是说，AI能碰到我们工作里的多少任务。今天要换一个角度，就是我们从乐观的一面来探讨AI的影响。同样是工作在AI面前暴露，但结果不一定是你会被它取代，也有可能是你反而借助AI变得更加强大、更有能力。那这讲我们主要就来讨论这种可能，AI强化。
大家一定有一连串的问题，比如说AI到底能让我们做哪些以前我做不到的事情？又有哪些岗位会因为AI变强，而不是被AI淘汰？什么样的人最容易被AI增强呢？我们又应该怎样选择自己的工作方向，去主动迎接AI增强？下面我们就来一篇一篇读论文。
什么是AI增强？
要理解“AI增强”，首先要把它和"AI替代"区分开。这两件事情的任务模型是不一样的。AI替代它就意味着，原来是由人完成的某项任务，现在就由AI完成了。就比如说，以前财务岗需要有人专门去做数据录入还有对账这些事情，但现在AI可以直接接管，这两项任务直接就被替代了。这个岗位上它需要的人自然而然就变少，工资自然也不可能增加。甚至如果AI可以完全接管，那这个岗位彻底就没有了。
而增强是什么意思呢？增强意味着，原来由人完成的某项任务，现在就变成人加上AI一起来完成，结果就是这项任务会做得更快、更好、或者覆盖范围更广。
我们这样理解，同样是前面说到的财务岗位，会计ta本来只能做记账还有报税，这样一些最基础的工作。但是现在聪明的会计ta会借助AI工具，ta可以同时帮客户做风险分析，可以做税务规划，可以做长期财务建议等等，那简直ta就变成财务顾问了。所以财务工作的复杂度提升，单个会计ta要服务的内容增加，ta能够服务的客户数量也可以增加，这样一来，客户的体验反而会比以前来得更好。在这种情况下，劳动者的价值明显是有所提高的，所以这种岗位它不但不会消失，这个岗位它的工资它反而会上升吧？所以这就是替代和增强的区别。替代和增强不同，决定了AI对你是好事还是坏事。
2026.07.10
精选评论
共 36 条把AI用来提高劳动者的能力，而不是替代，这个想法挺好的。但是我觉得这一集有几个事实问题和有几个观点质疑。 1. 财务岗的大多数影响是在AI技术之前就有的（写定功能的程序），可能AI只是让更多的人知道有这个功能。 比如说数据录用和对账这两件事情，还有基本的算账功能，如果是结构化的数据的话，根本用不到AI，直接是用python脚本就可以输入，然后校对。 如果是非结构化的数据（比如说一张图片里的数据），直接交给AI识别出图片里面的账单，然后再把它写进数据库。这项任务最后还需要人的校对，不能够完全交给AI。 这项任务是经典的图像识别文字、文本中用AI转化为数据库语句text to sql，最好的模型也只能做到98-99%（这里区分召回率和精度，召回率是说图上有100个数据输入的任务完成了98个，精度是说在这完成了98个当中可能正确的有九十六，九十七个）。 而企业的要求是说，这种基本的数据输入和数据库语句是不能错的，尤其是这种财务类的数据。（可以想象，比如说审计做账务核算的时候，最基础的数据输入的错误率有2%，会是怎样的后果） 另外，这两项任务在大模型之前，就有免费的开源模型可以用，只是它的精度不太够，如果精度够的话，以前可能价格会比较高。（大模型使得这类任务便宜了很多，但是依然需要人来校对。） 所以对于会计主要的影响，是在AI之前的功能性的软件产生的。AI起到的效果除了上面两项任务之外，可能就只有查询相关的报告。（AI搜索的rag技术可以允许只有95%的检索正确率。） 2. 半专家的问题：如果做决策是AI做的，甚至是由AI批量生产的，就会遇到两类明显的问题。 一类问题是，半专家在什么样的程度上能够理解AI给出来的决策，以及怎样避免犯错，和出了错这个半专家应该要承担怎样的责任。
Kate Zhang ：我完全同意你的说法，在AI时代，责任承担是非常复杂的。关于你的问题，我问了一下Chatgpt，它的摘要回答是： 1.在很多场景下，人把一部分认知工作交给AI后，人类未必能承担原有责任，原因是责任与能力应该相匹配，如果系统的设计让人类难以保持警觉（L3驾驶），要求人承担和人工驾驶相同责任，就带来伦理上的张力。 2.AI不只是工具，而应理解为环境。在AI环境中，它参与塑造了人的认知，进一步影响人的行为，所以责任也需要随之拆解为环境中的各个环节，包括系统设计是否能让人有效监督（类似L3可否给出充足时间让人类接手），厂商是否合理呈现AI能力和局限，使用者是否保持了应有的审慎，制度是否建立了合理的分工和保障。 另外，在经过我和AI讨论后，如果引入协议概念，AI Protocol，假设场景为医疗手术，原来医生需要病人签署知情同意书，这里的知情同意书就相当于Protocol,界定了医生的责任界限。现在AI诊断，相当于提前引入了一个责任主体，问题是现实中这个新的AI主体并没引起病人注意，甚至没有告知病人，那么这个隐藏的责任主体就会引起风险分配争议。所以在AI时代，会有越来越多的隐性Protocol，需要通过制度加以完善，使得使用者能更清晰的意识到自己的法律地位和责任承担问题。
UV-XZUM 回复 Kate Zhang ：关于责任的问题，我感觉非常复杂，而且要区分不同的领域和行业，来分类讨论。 比如说汽车的自动驾驶，假如说是l5级别的全自动驾驶责任，完全是由AI的公司来负责，但如果是l3级别的自动驾驶，法律意义上是由开车的人来负责任。 但是假如，厂商夸张地宣传和过度承诺，加上驾驶员在某一个特定场景下，之前100次（用自动驾驶）都没有出现问题，大家都比较信任，但某天突然出现了问题，然后驾驶员没有反应过来（或者即使反应过来也没有办法阻止）。 那么此时，驾驶员应该付全部的责任吗（不是说法律上应不应该负责，而是从伦理上，应该负怎样的责任）。 驾驶员把一部分工作交给了AI，在大多数情况下是不会出错的，但是突然出错的时候，又没有办法及时阻止。 类似的有好多，比如上面说的的高级职业护士诊断，又比如程序员不完全理解AI代码的情况下使用AI给的代码 （有一些小团队连审核 ai给的代码，都在用ai review ai给的代码，这一类产品还上线了。 如果代码的书写和review全交给AI的话，程序员是不可能看出这里面AI出现的错误的。 光靠测试能够发现一部分的问题，但不能打包票的）。
梁杰老师，想与您探讨一下“增强与替代”的关系问题。我们可以假设，如果组织里的员工都被AI增强，可能发生的一个现象是不再需要那么多员工了。这时可能会发生的不是替代，而是挤出。最新鲜的员工被挤出（因为大多数新人，培养起来麻烦），最资深的员工被挤出（因为太贵了）。看起来是中间层得以壮大，但是上下层被挤出了。
必须说，这个流传已久的段子就是完完全全的 bulls**t。 首先，从生物学的角度讲，认为洗衣服和洗碗这样的任务不如写作和画画复杂，这个是不成立的。因此认为洗衣服洗碗比写作画画更容易被攻克，也是毫无道理的。 但，即便如此，人类都想到了“另辟蹊径”的办法，发明了洗碗机和洗衣机，来实现自动化。 更不必说，这一轮的语言模型技术本来仅处理抽象世界，而洗衣服洗碗处理的是实体世界。实质上并不在同一个领域。 所以这个段子 in any sense 都成立不了。
看来这一集大家提出的都是反面事例，普遍情绪是AI替代而不是AI增强。我的理解是，梁捷老师所引用的所有经济学家的分析都滞后于现有AI的迭代。AI发展实在太快！别说2023年2024年的数据了，2025年的数据放到2026年的AI都是不合适的。 以我普通人的身份而言，2025年我还是请会计师完成的报税，而今年我已经在AI帮助下完成自己报税不说，还决定以后都不用会计师了，因为我发现他们之前的报税有常识性错误。就我个体而言，AI替代会计师已经是事实。
Kate Zhang 回复 UV-XZUM ：谢谢你的分享。我的AI使用经验和这里的大部分听众可能都不太一样，因为我不是在我的日常工作流直接使用AI，而是用AI不断拓展我的能力边界，比如完成报税，规划财务，设计客户手册，完成客户画像，学习绘图软件等等等。主要是我自由时间比较多，所以就可以在我能够到的各个领域都试试😂。
UV-XZUM 回复 Kate Zhang ：感觉在用AI做调研的时候，碰到关键的点，最好点进去看一下它的原文里面是怎么写的（多一步校对事实的工作），不要只看AI提供的这些文字（因为会有幻觉，并且不知道什么时候会出现）。 我感觉你提供的这类情况，是用AI克服一些语言障碍、政策文化障碍、交互界面繁琐的障碍、陌生领域基础常识的障碍，还有就是用AI做搜索-调研和书写。 这些方面，我感觉是AI增强最大的一个方向。 其实类似的，还有法律基础相关的工作，政策解读相关的工作，专业论文降低门槛阅读的工作，甚至初步使用复杂的工业软件，AI都可以加增强。 ----- 我怀疑的是，一些深入的专业问题，半专家是使用AI获得的决策是不是靠谱；以及一些专业的问题，一个小白直接用一套AI agent工具来处理，他是不是能够意识到AI会有很多幻觉。 （比如说像你说的那种报税的问题，有些人用AI，不是像你一步一步去搜索阅读理解，而是直接把自己相关的数据扔给agent，然后agent可能给出一个报表，然后他就直接把这个报表交上去。 这一类我觉得是有问题的，应该在每一个关键节点都做一次校对。） ------- 最后，感谢你这么长的回复呀。
关于AI教学的智能体，批改作业已经完全可以替代人类。但批改题和出题还是认知的两个维度。目前AI出有水平的题还有些困难，出题的前提是AI能够用专业的眼光来理解知识后再出题，这些需要用问答+编程的方式（或者实验数据+理论指导）的方式教会AI才行。除非用AI的答案当反面教材来用（可能效果更好）。此外，教育教学最大的问题不在于做题和解题，而在于学生是否愿意配合教学，以及教师是否能够根据学生近未来的痛点来进行引导式教学。否则任何方式和方法都会失效。比如，平时不上课，靠抄历年考题就可以在2-3天里突击复习获得70-80分的话，很多学生都不会认真学习，也难怪考完就忘。因为在他们看来这是唯一的“最优解”。因此教学考核的激励机制和考核量表才是一门课最重要的指挥棒。当然，还有一个前提，那就是现在的老师能拿出多少的精力放在教学上…
小新老师 回复 UV-XZUM ：带图的题一般AI都会失灵
UV-XZUM ：如果有固定题库，用rag技术去搜索相关的答案，然后比对，然后批改这类技术，我觉得是可靠的。 但如果没有固定题库的话AI直接批改，你不知道他正确率是多少以及它会在哪些地方犯错。 比如说正常的训练集测出来，训练误差可能只有2%，一方面你不知道它的泛化误差多少（训练集的分布不代表现实应用场景的分布），另一方面，这2%你不知道会出现在哪些地方。 假如答案批错的话，其实对学生的影响和误导还挺大的。另一个方式是说批改的答案需要老师再校对一遍，那这个工作量其实没有省多少。 我尝试过用AI去学数学，然后批改数学，有些情境下是非常好用的，但有些时候他会不懂装懂，即使用最好的、最强的模型。（B站有一个叫PiKachu345 专门做过这类测试，昨天他还测了最新发布的gpt模型）所以这个对初学者来说还是挺麻烦的一件事情。
AI增强的案例：国内某儿童口腔领域通过AI+医疗实现机器+人类专家共同标注口腔从而判断儿童长歪的萌牙是让其自然发展还是及时干预。Yu H, Cao Z, Pang G, Wu F, Zhu H, Zhu F. A deep-learning system for diagnosing ectopic eruption. *Journal of Dentistry*, 2025; 152: 105399. ([PubMed](https://pubmed.ncbi.nlm.nih.gov/39424256/))
在第二篇文章里，用的是DiD吗？但听起来只有时间维度？
人类双手的精细动作（洗衫洗碗擦杯子等等等）在镜头的绝对凝视之下，这些目前仍是AI机械的盲区，构成了全球科技巨头最渴望得到的无形资产。250卢比，约合2~3美元。这是印度工人一小时日常家务动作所能获得的报酬。这不是普通的劳务外包，而是一场行为数据采集。工人每一次手指抓握，每一次手腕受力旋转，都转化为高精度第一视角数据。这些数据源源不断流入硅谷与全球AI巨头服务器中。在印度库拉尔的简陋厂房和流水线里，成百上千名头戴类似设备的年轻工人和妇女正坐在电脑前或打包台前。这些由人类演示的动作，在软件中被实时解构成三维空间坐标与骨骼运动轨迹。 机器人在虚拟世界里无所不能，但在现实中抓不一条柔软的毛巾，捏不碎一个鸡蛋，不能保证不打碎一个杯子，人类繁衍数百万年、刻在骨骼里的肌肉记忆与物理微操，是硅机难以逾越的鸿沟。而现在，印度庞大且廉价的底层劳动力，正在用最原始的汗水为AI填补最后一公里。 根据摩根士丹利的预测，到2050年，全球将有超过10亿台人形机器人投入使用。一旦AI彻底学会了折叠衣服，擦拭相框，搬运货物，机器人的性价比将瞬间超越最廉价的人类体力。这些为了眼前的口粮疯狂出卖动作数据的印度工人，实际上正在亲手编织自己明天的经济绞刑架。讽刺的是，印度工人接下来会无忧无虑地去写作和画画吗？这是Al毁灭。人类的生而不平等永恒存在，这是人类永远的政治困境。
问题是 有没有AI增强员工也没有减少工作时长 资本家还是用另外一套话语把劳动力死死地绑在岗位上 提高效率最后还是资本家获利 对员工并没有什么激励 只有压力而已
请问编辑老师可以把梁老师论文的参考文献放在文末吗？谢谢🙏
看理想 （编辑） ：可以的，已经加上了！
小新老师 回复 看理想 ：非常感谢🙏