AI对劳动力市场的冲击 - AI正在迅速冲击几乎所有劳动领域，包括创意工作、数据分析、金融分析、法律、医学等专业领域 [1][3] - 43%的AI交互已属于直接执行任务的自动化形式，而非协助思考 [5] - 自动驾驶可能取代数百万网约车、公交和卡车司机 [5] AI技术发展现状与争议 - OpenAI和Anthropic认为通用人工智能(AGI)可能1-2年内实现，而Meta专家认为当前模型缺乏物理世界理解和战略前瞻性 [3] - 2012年卷积神经网络突破终结AI寒冬，确立数据+指标+算力的成功模式 [8] - 当前AI模型仅在其训练数据范围内发挥作用 [3] 自动化影响评估框架 - 自动化风险取决于任务可量化程度，被法律/税法/合规协议规范化的环境最易被取代 [5] - 判断力曾被认为是人类最后优势领域，但AI正快速侵蚀这一领域 [5][6] - 测量成本降低使更多领域变得可量化，加速自动化进程 [9][11] 难以自动化的领域 - 涉及奈特不确定性的任务如创业、政策制定、艺术创作等难以量化 [15] - 隐私/伦理受限领域、要求透明推理的领域、人类偏好参与的领域发展滞后 [14] - 极端物理研究、地幔探索、活脑细胞研究等测量困难的科学领域 [14] 企业应对策略 - 领导者需识别易受自动化影响的业务环节，规划向智能价值链上游迁移 [4] - 应重视无法量化的技能如信任、品味、经验等无形因素 [16] - 支持ROI模糊的创新项目，鼓励团队探索未知，保留战略模糊性 [1][16] AI技术演进模式 - 成功AI系统需要三大要素：任务环境数据、明确奖励机制、充足计算能力 [9] - 合成数据生成和传感器普及正加速AI应用落地 [9] - 测量成本降低形成正反馈循环，使自动化范围持续扩大 [11][12] 人类独特优势 - 人类前额叶皮层支持开放式反事实规划，在不确定性中保持优势 [13] - AI将可预测任务常规化，释放人类脑力处理更高级问题 [13] - 创造性突破依赖设想全新反事实世界的能力 [15]