轉載于：金融科技實驗室｜作者：邁克爾·S·巴爾（美聯儲監管副主席）

人工智能（AI）的快速發展

近年來，人工智能（AI）的發展速度顯著加快。如今，自動駕駛汽車在城市街道上行駛已司空見慣，生成式AI工具也隨處可見，出現在手機和其他設備中。AI的創新頻頻登上頭條，并在金融市場中扮演重要角色。生成式AI有潛力改變我們對生產力、勞動力市場和宏觀經濟的看法。今天，我將通過概述兩種假設情景來探討AI的影響，并分析其對商業、監管機構和社會的潛在影響。我將重點討論生成式AI（GenAI），這是AI的一個子集，在短短幾年內已顯著增長并融入經濟活動。

生成式AI及其應用

與早期的AI相比，生成式AI能夠生成內容，從而顯著提高知識型活動的生產力，并被沒有編程技能的人使用。生成式AI很可能成為一種“通用技術”，廣泛采用、持續改進，并為經濟中的多個領域帶來生產力提升。我們已經在生成式AI的研發中看到了生產力的提升。人們對生成式AI充滿熱情，調查顯示，消費者對生成式AI的采用速度已經超過了個人電腦或互聯網的早期采用速度。盡管生成式AI的實際應用目前僅限于某些業務功能，并且過程中存在一些挑戰，但幾乎每個行業的企業都在試驗或考慮如何利用這項技術。

企業還在探索“代理式AI”（Agentic AI）——這些生成式AI系統不僅能生成新內容，還能主動追求目標，通過生成創新解決方案并以速度和規模執行。想象代理式AI的最終應用，一些人推測我們可能會經歷“數據中心中的天才國家”——一種超越人類能力的集體智能，能夠在問題解決和協作方面表現出色。一些人認為，代理式AI有潛力連接不同領域的想法，可能徹底改變研發和社會。

生成式AI可能演變的兩種假設情景

今天，我將概述兩種假設情景，探討生成式AI可能如何演變。在第一種情景中，我們看到的是增量式采用，主要增強人類目前的工作，但仍帶來廣泛的生產力提升。在第二種情景中，我們看到的是變革性變化，生成式AI擴展了人類的能力，帶來了深遠的影響。對于每種情景，我將考慮其對經濟和金融部門的潛在影響。

通過思考假設情景，我們可以拓寬視野，考慮一系列可能的結果，并提供一個框架來評估收益與風險之間的平衡。情景并不是對未來的預測，而是提供了一個分析可能導致不同結果的因素的框架。現實是復雜的。生成式AI的采用率將因行業而異，從而對市場結構產生不同的影響。兩種情景中的某些元素可能會同時出現，并以不同的速度展開，這將影響經濟和社會。

假設情景1：增量式進展與廣泛的生產力提升

首先，讓我們從增量式情景開始，在這種情景中，生成式AI主要增強現有流程中的工作，帶來穩定且廣泛的生產力提升，但并未從根本上解鎖新的能力或改變經濟。

在這種情景下，生成式AI工具提高了效率，并在各個行業中實現了更個性化的解決方案，對人們的生活產生了增量式但仍有意義的影響。例如，在客戶服務、專業寫作（不包括這篇演講）和軟件工程中，生成式AI工具已經在支持員工，提高準確性和速度，這些影響可能會擴展到其他行業。在這個世界中，醫療保健領域取得了顯著進步，生成式AI減少了行政負擔，協助診斷，并根據實時患者數據個性化治療方案。藥物和其他治療方法的開發速度加快。教育領域也受到類似影響，生成式AI減輕了教師的行政任務，允許課程根據學生個體需求進行調整，并讓學生通過實踐學習。在制造業中，生成式AI優化的供應鏈能夠更快地預測和應對中斷，并通過虛擬迭代改進現有制造流程。在材料科學中，生成式AI驅動的實驗加速了新材料的發現，推動了從建筑到電子等領域的進步。

在金融領域，我們可能會看到類似的生產力提升。社區銀行利用生成式AI驅動的聊天機器人提供基于本地知識的定制財務建議，而各種規模的機構繼續推進生成式AI在合規監控、欺詐檢測、風險管理和文件分析中的應用。

在這種情景下，對社會的影響將是增量式的積極影響。人類將使用生成式AI作為工具，以更高效的方式提供我們目前生產的商品和服務。生產力將提高，經濟增長速度將加快。

這對勞動力意味著什么？影響將取決于行業和工作的性質。生成式AI實驗表明，該技術有望提升技能，并將低績效員工的生產力提高到與高績效員工相當的水平。在其他情況下，它可能會增強最高績效員工的能力，讓他們有更多時間專注于創造性或戰略性的工作。某些任務的自動化可能會取代一些工人，特別是當某些技能可以被生成式AI復制時。歷史上，隨著技術取代某些工作，它也增強了現有角色或創造了新的工作。然而，這并不意味著忽視那些需要重新培訓、尋找其他工作或改變職業的工人的個人成本。社會需要考慮AI可能帶來的這些影響。

這對經濟意味著什么？正如我之前提到的，如果增量式生產力提升廣泛存在，經濟應該會增長。然而，在這種情景下，生成式AI的預期價值創造可能被過度炒作，人們期待的是變革性突破，而不是增量式生產力提升。如果現實未能達到預期，這可能會引發對大量投資于該技術的公司的市場調整。盡管美國經濟在20世紀90年代末的互聯網繁榮期間經歷了生產力增長的激增，但隨后出現了一波破產、資本過剩和謹慎的商業投資環境。隨之而來的經濟衰退影響廣泛。

這對金融穩定性和其他金融風險意味著什么？在這種增量式情景中，生成式AI可能會放大系統中已經存在的脆弱性和韌性來源。有吸引力的交易變得更加擁擠，但風險管理者獲得了新的洞察力。惡意行為者獲得了新工具，但網絡防御者也變得更加強大。只要金融監管機構、企業風險管理者和其他負責管理下行風險的人優先努力跟上不斷發展的金融生態系統，就沒有理由認為風險平衡會發生全面轉變。當然，跟上步伐將帶來挑戰，我們都需要關注應對這些風險的必要性。

假設情景2：變革性變化

現在，讓我們考慮一個更具戲劇性的假設情景，在這種情景中，生成式AI的采用不僅限于改進我們目前的工作，還提供了新的專業知識和能力，對經濟和社會產生了變革性影響。在這種情景下，人類利用他們的想象力和創造力，結合對研發的強勁投資，部署智能生成式AI系統，在生物技術、機器人和能源等領域實現快速突破，從根本上重塑現有行業并創造新的行業。在這種情況下，我們可以將生成式AI視為不再僅僅是科學家分析數據的工具——在某種意義上，它成為了科學家，指導研究。

例如，假設生成式AI在醫療保健中的應用不僅改善了當前的護理方式，還實現了針對基因突變的療法，治愈了以前被認為無法治愈的疾病。同樣，制造業演變為創建生成式AI驅動的機器人工廠，使用新材料和原子級精度生產商品。材料科學通過可編程材料和自愈物質的發現而發生了變革，所有這些都重塑了建筑、技術和消費品。與此同時，生成式AI優化了核聚變能源研究，加速了向可持續能源的轉變。生成式AI還幫助創建了下一代量子計算。通過這種方式，生成式AI改善了自己的能源來源和計算能力，使其成為更強大的創造性工具。

金融領域也發生了根本性的變化。能夠獲得超個性化財務規劃的個人與擁有創新產品和服務的企業通過近乎無摩擦或新穎的金融中介形式無縫連接。交易策略和風險管理實踐通過生成式AI分析工具得到了提升，這些工具可以動態實時訪問公共和私人領域的龐大知識庫。

盡管這種變革性情景更具推測性，并且伴隨著比第一種情景更大的不確定性，但考慮到可能帶來的人類進步和福祉的非凡機會，即使只是其中一個變革性組成部分得以實現，我們也需要從根本上重新構想經濟的結構。

在這種情景下，勞動力將受到什么影響？在生成式AI的能力超越人類當前能力的世界中，人類可能扮演管理多代理生成式AI框架的角色，或填補生成式AI解決方案仍然昂貴或低效的領域。但在這個世界中，一些工人可能會看到他們當前的工作消失。同時，他們也可能看到自己的工作發生轉變，并有更多關于工作選擇的機會。勞動的性質將發生根本性變化，這將要求我們進行更廣泛的討論，探討如何在認識到對人類狀況的影響以及人們從工作中獲得社區、友誼、個人意義和尊嚴的情況下，應對重大經濟變革。

競爭格局會如何變化？最初，企業的回報可能會更加不均衡，因為具有深遠影響的重大突破可能會使一部分企業和行業受益，并將經濟權力集中在控制生成式AI突破的企業手中。如果只有少數幾家企業有能力實現上述令人難以置信的事情，它們可能會主導市場并排擠競爭對手。如果生成式AI變得廣泛有效、普及且成本低廉，并且適當的監管環境支持競爭性市場動態，這些市場優勢可能會隨著時間的推移而減弱。但歷史表明，在這方面需要謹慎；少數幾家企業可能會主導市場。

最后，對于金融領域，我們應該預期到根本性的變化。當金融系統運作良好時，它有助于在時間和空間上轉移資金和風險。如果經濟組織方式發生根本性變化，我們可能需要一套新的機構、市場和產品來促進家庭、企業和生成式AI代理之間的交易。

我們應該做什么？

在我們可以幫助利用生成式AI的潛在收益并最小化其風險的眾多方式中，我今天只強調幾點。

金融機構和美聯儲系統應考慮投入足夠的資源來理解生成式AI技術，將其適當地納入工作流程，并培訓員工如何負責任且有效地使用該技術。與此同時，金融監管機構應以敏捷和靈活的態度應對不斷變化的格局。在金融領域之外，政府、私營行業和研究機構之間的合作對于確保生成式AI系統不會被用于災難性的目的至關重要。我們應繼續專注于負責任的AI研發，并實施防止濫用的保障措施，包括監控系統、安全AI系統開發標準以及對可接受用例的共識。我們應關注生成式AI對我們的經濟和政治機構的影響。存在一種風險，即它可能將經濟和政治權力集中在極少數人手中，導致只有一小部分人獲得收益，而其他人被拋在后面。

我想強調的另一點是AI治理。我認為大多數人會同意，技術的目標是改善人類狀況，為了實現這一目標，我們需要有意識地推進這一目標。我們應確保將生成式AI視為增強而非取代人類的工具，并為此建立最佳實踐和文化規范。每個金融機構都應認識到該技術的局限性，探索生成式AI在流程中的適用性，并確定如何最好地讓人類參與其中。我們還應關注數據質量，確保生成式AI的使用不會延續或放大訓練數據中的偏見，或在數據不完整或不具代表性時做出錯誤的推斷。在監管領域，理解模型風險的框架可能需要更新，以應對AI方法的復雜性和挑戰，以及評估數據質量的難度。

我們需要關注金融領域的風險。生成式AI的吸引力——速度、自動化和優化金融策略的能力——也帶來了風險。當該技術變得無處不在時，生成式AI的使用可能會導致羊群行為和風險集中，可能放大市場波動。由于生成式AI代理將被指示最大化利潤，它們可能會通過協調市場操縱來最大化回報，可能助長資產泡沫和崩潰。速度、自動化和普及性可能會在廣泛范圍內產生新的風險。

我們還應監控該技術的引入如何改變銀行業格局。非銀行機構可能更靈活且更具風險意識地將生成式AI納入其運營，這可能會將中介推向監管較少、透明度較低的金融領域。此外，這種競爭壓力可能會推動所有機構，包括受監管的機構，采取更激進的生成式AI采用方法，加劇我之前提到的治理、一致性和金融風險。

結論

盡管AI的影響將因行業而異，現實也在不斷演變，但我今天概述的情景提供了一個框架，幫助我們開始思考如何應對生成式AI的發展。然而，正如我之前提到的，兩種情景中的某些元素可能會同時出現，并以不同的速度展開，這將影響經濟和社會。該技術的快速發展，如代理式AI和開源模型的進步，突顯了這項技術的新穎性以及理解其對個人、企業和市場影響的重要性。

THE END

轉載聲明：本微信公眾號刊登的文章僅代表作者本人觀點，不代表中國普惠金融研究院及本微信公眾號觀點