人工智能软件与万亿美元生产力问题

如果人工智能在编写软件方面显著变好，企业领导者今天应该改变什么？我的回答是：衡量它如何改进一个完整的业务流程，包括检查和维护其输出所需的工作。

人工智能能否为年度全球经济产出增加20万亿至30万亿美元？埃隆·马斯克提出了这一粗略估计，同时预测人工智能几乎可以处理任何数字任务，并达到Stockfish级别的编程能力。这些说法引起了关注，因为它们暗示了知识工作经济学的重大转变。

这些是雄心勃勃的预测，不是已确立的结果。企业领导者应区分重大生产力提升的可能性与人工智能能够可靠交付每项数字任务的证据。投资决策需要来自组织实际开展工作的证据。

Stockfish比较告诉我们什么

Stockfish是一个开源国际象棋引擎，也是世界上最强的引擎之一。这一比较展示了一个真实的可能性：机器可以在要求严苛的智力任务中超越人类。然而，仅凭这一类比无法确定人工智能何时会超越每一位软件工程师。

国际象棋有固定的规则、可见的棋盘和明确的目标。企业软件涉及不完整的需求、变化的政策、遗留系统和相互竞争的利益相关者优先级。一个程序可能在通过测试的同时解决错误的业务问题。

生成代码是工程的一部分。决定构建什么、控制访问、检查安全、安全部署和支持用户仍然是结果的一部分。即使能力很强的AI也需要一个能够发现错误并分配责任的流程。

理解经济主张

年度经济产出水平提高20%至30%与每年增长20%至30%是不同的。这种规模的主张需要关于采用、可靠性、投资以及实现收益所需时间的明确假设。将这些百分比与20万亿至30万亿美元相结合，意味着大约100万亿美元的起步经济体。

作为参考，高盛在2023年发布了一个情景，其中生成式人工智能可能将全球GDP提高约7%，即近7万亿美元，并在十年内将生产率增长提高1.5个百分点。这是一个有条件的预测，不是衡量的结果，也不是未来收益的上限。它不能独立验证马斯克更大的估计。

在公司层面，一个有用的计算更简单：净值等于额外有用产出和已实现节约的价值，减去AI成本、集成、审查、返工和错误造成的损失。只有当组织能够有效地利用节省的时间时，它才成为财务价值。

优势与成本

速度对验证。AI可能缩短起草、编码和分析。领导者应在衡量生产结果所节省时间的同时，衡量检查结果所需的时间。

更低的生产成本对新的运营成本。创建第一个版本可能变得更便宜。模型使用、集成、监控和纠正仍然消耗金钱和员工时间。

更广泛的访问对依赖。较小的团队可以承担以前超出其资源的工作。对单一供应商的依赖可能使价格、可用性和模型更改变得更难管理。

更大的能力对劳动力中断。员工可以将更多时间花在客户需求和艰难决策上。企业还需要为角色变化、再培训以及初级员工的发展做规划，他们的日常学习任务可能被自动化。

一个实用的企业例子

考虑一个构建订单跟踪服务的假设仓储企业。AI可以起草界面、提出数据库查询并生成测试用例。团队仍需确认哪些客户可以查看每个订单、如何处理库存差异以及该服务是否与现有系统兼容。

有意义的比较是每个被接受的发布版本的成本和使用中的性能。衡量交付时间、缺陷、支持请求和客户结果。产生更多生产事故的更快初稿可能降低整体价值。

同样的原则适用于客户服务。自动化简单请求可以缩短响应时间。不明确的案例需要一条通向人员的可靠路径，并保留相关上下文。

CEO和CTO应该做什么

CEO应选择一个具有可识别成本和明确客户结果的流程。建立基线，运行有限的试点，并事先就什么样的改进能够证明扩展是合理的达成一致。包括实施成本和员工职责的变化。

CTO应在来自自己系统的代表性工作上评估所提议的模型。检查正确性、安全性、隐私、故障恢复以及与现有服务的兼容性。将提议更改的许可与执行更改的许可分开。

对于有重大影响的行动，定义审批负责人并保留审计追踪。保留在性能恶化时撤销更改、限制访问和暂停自动化的能力。

审查供应商依赖并培训员工质疑输出。当衡量的收益在审查和支持成本之后仍然为正时，扩大部署。全球经济预测应为情景规划提供信息，而本地证据应指导投资。

领导力决策

人工智能可能大幅改变数字工作的经济学。规模和时间仍然不确定。我的建议是：现在建立负责任地评估和采用它的能力，然后随着证据加强而增加投资。

你会首先测试组织中的哪个流程，什么证据会使你确信人工智能创造了持久的商业价值？

以数学方式思考。以智能方式设计。以战略方式领导。以负责任的方式建设。在全球范围内扩展。通过人工智能创造真正的商业价值。

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

最初由凯沙文·蒂亚加拉贾在LinkedIn上发表。在LinkedIn上阅读原文。 [1]