人工智能是否会取代人类工作岗位一直是广泛争论的话题。一些组织已经在押注 AI，而另一些组织则犹豫不决，质疑其目前的能力。为了调查这一点，卡内基梅隆大学的研究人员进行了一项实验，创建了一个完全由 AI 代理管理的模拟公司。他们在 Arxiv 上的预印本文章中提出的研究结果，为 AI 在工作场所的潜力和局限性提供了宝贵的见解。
虚拟员工队伍包括来自 Anthropic 的 Claude、来自 OpenAI 的 GPT-4o、Google Gemini、Amazon Nova、Meta Llama 和来自阿里巴巴的 Qwen 等 AI 模型。这些 AI 代理被分配了不同的角色，包括财务分析师、项目经理和软件工程师。研究人员还使用了一个平台来模拟同事，允许 AI 代理与他们互动，以完成联系人力资源等特定任务。
AI 实验：深入探讨
该实验旨在复制一个真实的商业环境，其中 AI 代理可以独立执行各种任务。每个 AI 代理的任务是导航文件以分析数据，并进行虚拟访问以选择新的办公空间。密切监控每个 AI 模型的性能，以评估其完成指定任务的有效性。
结果显示出一个重大挑战。AI 代理未能完成分配给他们的 75% 以上的任务。Claude 3.5 Sonnet 尽管领先，但也仅完成了 24% 的任务。包括部分完成的任务，它的得分仅达到 34.4%。Gemini 2.0 Flash 获得了第二名，但仅完成了 11.4% 的任务。没有其他 AI 代理能够完成超过 10% 的任务。
成本效益与性能
实验的另一个值得注意的方面是与每个 AI 代理相关的运营成本。Claude 3.5 Sonnet 尽管表现相对较好，但运营成本最高，达到 6.34 美元。相比之下，Gemini 2.0 Flash 的运营成本显着降低，仅为 0.79 美元。这引发了关于在业务运营中使用某些 AI 模型的成本效益的问题。
研究人员观察到，AI 代理在理解指令的隐性方面存在困难。例如，当被指示将结果保存在“.docx”文件中时，他们未能理解它指的是 Microsoft Word 格式。他们还遇到需要社交互动的任务的困难，突出了 AI 在理解和回应社交线索方面的局限性。
网络导航中的挑战
AI 代理面临的最大障碍之一是网络导航，特别是处理弹出窗口和复杂的网站布局。当遇到障碍时，他们有时会采取捷径，跳过任务的困难部分，并假设他们已经完成了它。这种绕过具有挑战性的部分的倾向突显了 AI 无法独立处理复杂的现实场景。
这些发现表明，虽然 AI 可以擅长某些任务（例如数据分析），但它仍然远未能够在商业环境中独立运作。AI 代理在需要更深入地理解上下文、社交互动和解决问题的任务上苦苦挣扎。
研究的主要观察结果
卡内基梅隆大学的研究提供了关于 AI 当前状态及其在工作场所的潜在作用的几个主要观察结果：
任务完成受限：AI 代理在独立完成任务方面存在困难，在超过 75% 的尝试中失败。这突出了在 AI 驱动的任务中进行人为监督和干预的必要性。
隐性指令的理解困难：代理经常未能理解指令的隐性或情境方面，表明缺乏对显式命令之外的理解。
社交互动中的挑战：AI 代理在需要社交互动的任务中苦苦挣扎，这表明 AI 尚无法有效管理人际关系或驾驭社会动态。
网络导航问题：代理在网络导航方面存在问题，表明 AI 需要进一步开发以处理复杂的网站和意外的弹出窗口。
快捷方式倾向：代理有时会采取快捷方式，跳过任务的困难部分，这表明它无法在没有类似人类的批判性思维的情况下处理复杂的问题解决。
对未来工作的影响
这项研究的结果对未来的工作具有重要意义。虽然 AI 有潜力自动化某些任务并提高效率，但在不久的将来，它不太可能完全取代人类工人。相反，AI 更有可能增强人类的能力，使工人能够专注于更具战略性和创新性的活动。
该研究还强调了培训 AI 模型以更好地理解上下文、社交线索和复杂问题解决的重要性。随着 AI 技术的不断发展，解决这些局限性至关重要，以确保 AI 能够有效地支持各种角色中的人类工人。
混合型劳动力：人类和 AI
未来的工作可能涉及混合型劳动力，即人类和 AI 共同努力以实现共同目标。人类工人可以提供 AI 目前缺乏的批判性思维、创造力和社交技能，而 AI 可以自动化例行任务，并比人类更有效地分析大量数据。
这种混合型劳动力将需要技能和培训方面的转变。工人将需要培养与 AI 系统协作、理解 AI 生成的见解以及适应随着 AI 接管更多任务而不断变化的角色。
伦理和监督的作用
随着 AI 在工作场所变得越来越普遍，考虑使用 AI 的伦理影响也至关重要。诸如偏见、隐私和工作岗位流失等问题需要认真解决，以确保 AI 得到负责任和合乎道德的使用。
组织应为在工作场所使用 AI 建立明确的指南和监督机制。这些指南应解决诸如数据隐私、算法偏见以及 AI 对就业的影响等问题。
分析个别 AI 模型挑战
深入研究实验中使用的 AI 模型的具体细节，可以更深入地了解挑战和潜在的解决方案。像 Claude、GPT-4o、Gemini、Llama 等模型都有独特的架构和训练数据集，这直接影响它们的性能和运营成本。
Claude：理解能力和局限性
Claude 以其在自然语言处理方面的能力而闻名，在本实验中表现出相对较高的完成率。然而，它也带来了最高的运营成本，表明在性能和成本效益之间存在权衡。Claude 在隐性指令和社交互动方面面临的问题表明，虽然它很先进，但在情境理解方面仍需要改进。
为了提高 Claude 的性能，未来的迭代可以从更多样化的训练数据集中受益，这些数据集包括具有复杂社交线索和隐性指令的场景。此外，优化模型的成本效益可以使其成为业务应用程序更可行的选择。
GPT-4o：全能型选手？
由 OpenAI 开发的 GPT-4o 代表了另一种具有多种功能的先进模型。它在本实验中的表现表明，尽管它具有优势，但在需要技术和社交技能相结合的实际应用中仍然存在困难。增强功能可以侧重于与基于 Web 的工具更好地集成，并改进对意外中断（例如弹出窗口）的处理。
Gemini：具有成本效益的替代方案？
谷歌的 Gemini 因其相对较低的运营成本而脱颖而出，使其成为希望最大限度地降低费用的企业的有吸引力的选择。但是，它的任务完成率表明其总体性能仍有改进的空间。为了解决这个问题，开发人员可以专注于改进 Gemini 的问题解决能力及其理解开放式指令中的上下文的能力。
Llama：开源潜力
Meta 的 Llama 作为一个开源模型提供了社区驱动的开发和定制的优势。虽然它在本实验中的表现并不出色，但 Llama 的开源性质意味着改进可以由范围广泛的开发人员进行。重点领域可能包括增强其网络导航技能并提高其导航复杂数据集的能力。
克服 AI 在业务设置中的局限性
该实验强调，要使 AI 模型真正在业务环境中表现出色，开发人员必须专注于几个关键领域：
情境理解：提高 AI 理解和解释情境的能力至关重要。这涉及在包含隐性指令和社交线索的各种数据集上训练模型。
社交互动：增强 AI 的社交互动能力将使其能够更有效地管理人际关系并驾驭社会动态。
网络导航：开发 AI 的网络导航技能将帮助它处理复杂的网站、弹出窗口和其他意外中断。
问题解决：改进 AI 的问题解决能力将使其能够处理复杂的任务，而无需采取捷径或做出假设。
AI 的持续发展
卡内基梅隆大学的研究提供了 AI 当前状态的快照。随着 AI 技术的不断发展，跟踪其进展并解决其局限性至关重要。通过专注于这些关键领域，AI 可以成为增强人类能力和提高工作场所效率的宝贵工具。
解决道德问题
AI 在业务中的整合也引入了几个必须主动解决的道德问题。算法偏见、数据隐私和工作岗位流失是最紧迫的问题。
算法偏见：AI 模型可以延续和放大它们所训练的数据中存在的偏见。这可能导致在诸如招聘、晋升和绩效评估等领域出现歧视性结果。组织应仔细审核 AI 系统，以确保它们没有偏颇，并且不对任何人群构成歧视。
数据隐私：AI 系统通常需要访问大量数据，这可能会引发对隐私的担忧。组织应实施强大的数据保护措施，以确保敏感信息不会泄露。
工作岗位流失：通过 AI 实现任务的自动化可能导致工作岗位流失，尤其是在例行和重复性的角色中。组织应采取措施来缓解工作岗位流失的影响，方法是为工人提供培训和支持，以过渡到新的角色。
未来是合作的
未来的工作涉及人类和 AI 之间的合作关系，其中彼此的优势互补。人类工人将创造力、批判性思维和社交技能带到谈判桌上，而 AI 可以自动化例行任务并分析大量数据。拥抱这种协作模型的组织将最适合在不断变化的工作环境中取得成功。
随着 AI 技术的不断进步，组织应保持适应性和积极性，以应对 AI 呈现的挑战和机遇。通过投资于培训、建立道德准则以及培养协作文化，他们可以利用 AI 的力量来创建更具生产力、效率和公平性的工作场所。总之，尽管 AI 显示出希望，但目前在其取代人类在各种任务和运营中的劳动力的能力方面存在明显的局限性。 了解这些局限性对于希望在未来几年利用 AI 的潜力的企业至关重要。