飞鱼博客 
根据澳大利亚经济发展委员会的数据，我们国家正经历着60年来最低的生产率增长。这种衰退在全球大多数发达经济体都有所反映。
因此，一些人将人工智能(AI)的崛起视为生产力的救世主，这并不奇怪。媒体文章预示着人工智能，特别是ChatGPT和DALL-E等生成式人工智能工具带来的高生产力新时代的到来。
同样，世界顶级期刊也充斥着关于人工智能如何实现研究变革飞跃的报道。例如，机器学习已经被用于从DNA信息中预测蛋白质的形状，或者在核聚变反应中控制过热等离子体的形状。CSIRO的一个团队设计了一个基于人工智能的自主系统，可以在24小时内制造和测试12,000个太阳能电池设计。
这是否意味着我们可以按下开关，让它保持自动状态，然后去海滩?不完全是。
尽管上面的例子提供了希望，但它们也分散了人们对许多尚未完全奏效的人工智能应用程序的关注。在这些案例中，使用人工智能既昂贵又耗时，而且未能产生预期的结果，而期刊和媒体通常没有捕捉到这些案例。
2021年，当62项使用机器学习从胸部扫描中诊断COVID-19的已发表研究被发现在临床环境中不可靠且不可用时，人工智能社区不得不暂停，主要原因是输入数据存在问题。这清楚地提醒人们，人工智能也会犯错。
这并不是说人工智能不能用于提高生产力，只是它不是解决我们生产力问题的现成灵丹妙药。人工智能不能神奇地解决与低效的流程、糟糕的治理和糟糕的文化相关的问题。
如果你把先进的人工智能放入一个愚蠢的组织，它不会变得聪明。它只会帮助组织更有效地(换句话说，更快地)做一些愚蠢的事情。这很难带来生产率的提高。
美国国家经济研究局(National Bureau of Economic Research)最近的一项研究发现，使用人工智能工具帮助引导对话的客服人员的工作效率提高了14%。在澳大利亚，西太平洋银行表示，人工智能使其软件工程师的生产力提高了46%，而工作质量却没有下降。
在很多方面，这些例子并不令人惊讶。很明显，如果使用得当，人工智能可以提高生产力;谷歌地图显然比旧的地图集更能帮助人们从A地到达B地。
那么，人工智能表现良好的常见情况是什么呢?
人工智能的成功应用往往以对人工智能系统的明确需求和功能为特征。它们与企业或组织的更广泛的流程很好地结合在一起，并且不会干扰员工的其他任务。
它们也倾向于拥有高质量、符合目的和精心策划的数据集，用于训练算法，并且安全且符合道德原则。
然而，很难在整个组织中实现人工智能的生产力效益，更不用说整个经济了。许多组织仍在为更基本的数字化转型而苦苦挣扎。
咨询公司德勤(Deloitte)估计，70%的企业数字化转型失败了。也许生产率困境的真正解决方案不在于使用人工智能，而在于管理与采用新技术相关的组织效率低下。
现代办公室充斥着毫无意义的电子邮件、不必要的会议和官僚程序，这些都消耗了员工的精力和动力。研究表明，当员工面对繁忙的工作和分心时，他们的工作效率会下降。
人工智能不太可能解决这个问题。现代社会的货币是注意力;一个用来保护我们免受不必要的忙碌工作的人工智能最终可能会唠叨我们。我们甚至可能会看到，未来旨在保护我们不受干扰的人工智能工具将与旨在分散我们注意力的人工智能工具展开竞争。
利兹大学(University of Leeds)经济学家斯图尔特?米尔斯(Stuart Mills)指出，如果ChatGPT之类的工具只是将官僚主义的低效率自动化，它们根本不会提高生产率。
我们曾经问过一位朋友，他是一家全球工程公司的高级经理，他是否在工作中使用ChatGPT。“哦，是的，”他兴奋地喊道。
“我用它来生成管理层一直要求我生成的所有报告。我知道没有人会读它，所以它不需要高质量。”
从长远来看，人工智能似乎很有可能提高社会层面的生产力，其中一些改进可能是变革性的。
截至2022年9月，研究发现，全球发表的所有同行评审研究中，有5.7%是关于人工智能的，高于2017年的3.1%和2000年的1.2%。
很明显，各地的创新者都在探索人工智能如何提高他们的生产力，或许还能帮助他们做出新发现。我们可以期待，真正解决问题的有效解决方案将自我选择并有机地上升到顶部。
成功的人工智能实施需要理解技术应用的环境。它需要为手头的任务选择正确的工具，并以正确的方式使用它。甚至在此之前，它还需要解决流程、治理、文化和道德等问题。由The Conversation提供
本文转载自The Co在知识共享许可下的对话。阅读原文。
引用是的，人工智能可以帮助我们解决生产力下降的问题，但它不能解决所有问题(2023年，6月22日
作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司
内容仅供参考之用。
