“中国冲击”背后的经济学家探讨Z世代的AI悖论

背景：从“中国冲击”到AI技能悖论

David Autor是MIT经济系主任、Google Technology and Society访问学者，以与David Dorn、Gordon Hanson共同提出的“中国冲击”闻名。该研究显示，中国进口竞争对美国制造业社区造成持久伤害，工资与劳动参与率长期低迷、失业率高企至少十年。Autor在Reid Hoffman主持的Possible播客中称，AI“不会在任何意义上重复中国贸易冲击”，因为美国企业视其为“纯粹负面竞争冲击”，而AI提高生产率的“质感非常不同”。但AI辩论仍基于中国冲击推翻的假设：技术接管常规工作后，工人自然上升至更高技能。Autor对Fortune说，他担心AI同时消灭一些专业领域并创造新领域，而失去旧职业者未必能利用新角色。Gen Z曾被承诺AI是伟大均衡器，能让24岁的人像老手一样产出，但Autor最新研究显示可能相反：AI是绩效均衡器，却是技能不均衡器，只有已有基础心智模型的从业者才能提升底层技能。

实验：专利律师与AI助手

Autor与六位合著者（六人均为Google员工）发布NBER工作论文，未经同行评审。实验招募133名律师，来自11家与Google有持续专利起草关系的美国知识产权律所。研究人员随机分配定制AI专利起草助手（当时未发布的Google Labs工具）访问权，三分之二律师获得，其余无。Google实施研究并支付直接成本，MIT人类受试者委员会认定MIT未参与；Google称这是Autor作为访问学者所做的独立研究。律师在10天和90天后根据模拟发明人材料起草专利，由独立律所专利律师盲评。90天后AI访问使起草分数提高0.38个标准差；Autor与合著者Tanya Rodchenko在Google博客中称相当于11个百分点增益，改进来自减少弱作品而非增加优秀作品。

最后测试要求律师标记一份含许多实质性和风格错误的假设专利，这是专利律师“常规无协助执行”的任务，禁止AI。有AI访问的高级律师（7年以上执业）比对照组高0.45个标准差，而初级律师平均无增益。研究按经验而非年龄分组，未专门研究Z世代，但早期职业者受影响最直接。限制包括：133人中仅91人完成无AI测试；律所拒绝初始技能测试，技能增益由随机分配推断；15份标记被怀疑AI协助，排除后高级优势缩至0.39个标准差仍成立，总体效应不成立。初级律师分数分化：更多差评、更少平庸、更多好、顶部无增益，作者称AI“对某些初级律师是跳板，对另一些是缓冲垫”。他们从上到下先润色介绍，发现严重缺陷只留言不修复，对照组也如此，作者称“基线初级缺陷”未被三个月AI修复。但他们喜欢工具，任务满意度激增为研究中最大效应；Autor说跳过“空白页问题”让他们直接进入审阅者角色。

结果与启示：能力幻觉与学徒制

Autor警告年轻专业人士提防“能力幻觉”，要判断技能是否发展，必须在无AI协助下完成任务并评估表现。经验丰富律师把AI当“逻辑审计员”而非成品，这削弱对现有文本的依恋，迫使他们阐明结构编辑原因。Autor说，只有已足够懂法律、能发现流畅文本法律缺陷的人才能把AI用作逻辑审计员；卸载基线起草让高级律师专注战略范围，“森林而非树木”。无协助测试中，受处理高级律师跳过低风险文本、从头重建权利要求、删减可能缩小法律保护的语言，并将编辑与法律原则联系。这并非让初级律师放弃AI。Autor建议新手像高级律师那样：先无协助构建论点，再用AI作为批评者压力测试逻辑；但承认低努力工具在手边时多数人缺乏自律。对雇主，更好产出诱惑减少招聘初级律师，Autor称短视：若自动化形成性练习却不以指导性学习环境替代，会切断培养未来高级合伙人的学徒管道。他建议区分可永久由AI协助完成的任务与需无协助掌握的判断任务，将AI推广与定期无协助技能检查配对（如离线红线练习）；但这些只是想法，未经强有力证明，领域尚早。

论文局限包括样本小、来自为单一复杂客户服务的律所、三个月相对建立专利专长所需数年很短；更新模型和更广AI熟悉度可能改变结果，也未显示AI阻止初级律师成为专家。Autor联系其中国研究：多数技术优势来自人类专业知识，通过缓慢费力掌握建立。“如果我们认为AI将减轻掌握专业知识的负担，我想我们会非常失望。人类智能和机器智能长期将是互补的。”