人工智能生产力的真实成本：高盛上调失业预测

高盛的约瑟夫·布里格斯（Joseph Briggs）现在预测，向生成性人工智能（AIQ）（AIEQ）的过渡可能会在10年的采用周期内取代超过9%的美国劳动力（相当于大约1500万工人），这一数字凸显了未来劳动力市场的巨大破坏，尽管该公司保持最终乐观的长期前景。

修订后的9%估计比高盛之前的模型有了显着的提高，后者预测6%-7%的工人将经历与人工智能相关的流离失所。区别在于方法论：早期的估计侧重于任何特定时间失业工人的“存量”，而更新的分析则通过研究技术驱动的生产力增长如何历史上影响总就业破坏率来检查工人离开现有工作岗位的“流动”。

布里格斯表示，技术变革导致的生产力每提高1%，就会在冲击后的两年内累计使工作岗位破坏率提高约0.5-0.6个百分点，比之前的流离失所估计高出约50%。一些失业工人很快找到新职位或完全退出劳动力市场，这降低了失业率，但掩盖了失业的真实规模。

高盛

历史模式表明，有可能出现更大的流离失所。在20世纪90年代末和2000年代初，信息和通信技术的繁荣--与预期的人工智能生产力激增最接近的历史类比--技术驱动的生产力每提高1%，就会累计使就业岗位损失增加0.6%-0.7%。

同样，历史分布第75百分位以上高于平均水平的生产率冲击历史上也在同一较高范围内产生了位移效应。鉴于高盛预计人工智能对生产力的影响将超过大多数历史事件，布里格斯认为这些估计的高端存在取代的空间。使这一风险变得更加严重的是，常规职业份额的长期下降历来集中在经济衰退期间，当时企业裁员，经济也不太有能力创造新职位来吸收失业工人。

尽管有这些严峻的预测，布里格斯认为劳动力市场的阻力将被证明是暂时的。美国经济非常活跃，即使在正常时期，每年也能创造2500万至3500万个新就业岗位。从长远来看，人工智能预计将通过三个渠道创造大量新就业机会：直接创造新职业（数字经济创造了大约1500万个就业岗位）、专业化程度的提高（60年内医疗保健就业从200万增长到超过1800万的关键驱动力）以及人工智能驱动的收入增长推动的非必需服务间接需求增长。

假设失业分布在10年的采用期内，并且大多数工人在一年内找到新工作，布里格斯估计失业率峰值的影响将保持在1个百分点以下，这对于习惯于持续创造性破坏的经济体来说是痛苦的，但可以控制的。

高盛