AI时代的生产和消费:(三)从出售工具到交付结果:服务业的新经济学(3)

AI可能改变企业的边界

服务业的变化还提出了一个超越定价的问题:为什么企业需要雇用员工、设立内部部门,而不是从外部市场购买所有需要的服务?

一家大型企业可能拥有自己的会计部门、法律团队、信息技术人员、市场营销组织和客户服务中心。其中一些活动完全可以外包,但企业仍然选择在内部进行协调。

原因包括控制权、保密性、业务连续性、专门知识,以及与外部供应商签订和执行合同所需要的成本。

科斯的企业理论为理解这个问题提供了重要起点。企业之所以存在,部分原因在于某些经济活动通过内部组织协调,比通过市场上反复发生的交易更加经济。但内部组织与外部交易之间的相对成本,会随着技术发展而改变。

AI 可能同时改变这一比较的两端。

一方面,AI 可以提高企业内部运营效率。企业能够利用智能体自动处理会计、客户服务、数据分析和行政流程,而不必将这些工作转移给外部服务商。这样既可以减少人力投入,又能够保留对业务的直接控制。

另一方面,AI 也可能使外部专业服务更加便宜、更容易集成。企业可以不再维持庞大的内部部门,而是向具有更大规模经济优势的专业供应商购买持续可用的服务。

哪一种安排更有吸引力,取决于总体协调成本,而不仅仅是完成某项任务的直接成本。

我们可以将这种选择简化为:

\[ C_{\mathrm{internal}} =C_{\mathrm{operation}}+C_{\mathrm{management}} \]

以及

\[ C_{\mathrm{external}} =P_{\mathrm{service}}+C_{\mathrm{contract}}+C_{\mathrm{integration}}+C_{\mathrm{risk}} \]

在服务质量、控制权和其他战略条件得到满足的前提下,企业通常倾向于选择相关总成本较低的组织方式。

AI 可能降低内部部门的运营成本,也可能降低外部服务的市场价格。因此,它可能使某些行业更加倾向于外包,同时使另一些行业更愿意将业务重新纳入企业内部。

这也是为什么我们应当谨慎看待“AI 必然使企业越来越小”或者“AI 将消除大型企业”的预测。

AI 可能使一支很小的团队协调过去需要大型组织才能完成的工作,但它也可能强化那些拥有大量数据、成熟客户关系、监管经验,以及跨复杂业务系统集成 AI 能力的大型企业。

企业边界可能发生变化,却不一定朝着同一个方向变化。

一种特别值得关注的可能性,是出现由少量人类专业人员监督大量专门化 AI 智能体的新型企业。这些组织可能同时拥有小企业的灵活性,以及过去只有大型企业才具备的部分生产能力。

但它们能否成功,仍然取决于市场需求、可靠的执行能力、资本获取,以及协调复杂业务活动的能力。

AI 可以减少完成工作所需要的人数,却不会因此消除企业作为一种经济组织存在的全部理由。

服务中容易被忽略的人际关系

关于 AI 服务的讨论,通常集中在那些能够明确描述、自动执行和客观衡量的任务上。但许多服务还包含一种重要的人际关系维度,它很难与技术性工作完全分离。

例如,获得一份技术上正确的医学解释,与得到一位理解患者个人处境的医生的照顾,并不完全相同。获得一份文字严谨的法律文件,与同一位理解客户目标、担忧和风险承受能力的律师合作,也可能是两种不同的服务体验。

即使提供的信息相似,服务本身也未必具有相同的价值。

这并不意味着 AI 不能提供有用的情感支持、有效交流,或者参与有意义的互动,也不意味着人类专业人员总能提供更好的服务。在许多场景下,AI 可能比工作负担沉重的人类服务人员更加耐心、容易接近、表现稳定,或者回应及时。

真正需要注意的是,服务需求往往不仅仅包括完成一项技术任务。

客户可能重视持续的关系、信任、个人理解、谨慎保密、情感上的安心,以及有人愿意为自己的利益承担责任。即使服务中的技术工作变得非常便宜,这些因素仍然可能影响客户的支付意愿。

经济学家早已认识到,许多服务是在供应商与客户的互动中共同形成的。服务质量可能部分取决于客户的参与、供应商对具体情况的理解,以及双方之间建立的关系。

这使得一个简单的设想变得复杂:只要将专业服务中的技术环节自动化,就能够把整个服务转化为标准化数字产品。

在教育领域,解释一个数学概念只是教学的一部分。学生还需要动力、反馈、智力挑战、社会互动,以及发展独立判断能力的机会。AI 可以参与这些活动,但不同因素的相对重要性,以及学生和学校希望以什么形式获得这些服务,可能随着时间不断改变。

在医疗领域,诊断只是医疗照护的一部分。患者还需要治疗协调、长期监测、沟通,以及充分考虑个人情况的决策。

在专业咨询领域,客户可能不仅需要一份分析,还需要据此采取行动的信心、独立专家意见带来的可信度,以及处理组织内部不同意见的帮助。

随着 AI 降低技术性工作的成本,服务中的这些其他维度可能在经济价值上变得更加突出。

但我们也不应当假设它们将永远保持稀缺。AI 能力、消费者偏好和社会预期都可能继续变化。一些客户可能因为隐私、便利、成本或独立性的考虑,更愿意选择自动化服务;另一些客户则可能继续重视人类参与。

因此,未来的服务市场可能不是简单地用 AI 替代人类服务,而是出现更加多样化、差异化的服务形式。

人类与AI之间的新分工

关于 AI 替代专业服务的讨论,往往假设选择只有两种:由人完成,或者由机器完成。实际上,许多服务更可能演变为人类专业知识、AI 系统、传统软件和组织基础设施之间的不同组合。

法律服务可以利用 AI 审查文件、寻找相关判例,而由具备资格的专业人员监督解释并承担咨询责任。金融服务公司可以自动处理常规交易,同时保留人工监督以应对异常情况和监管要求。教育机构可以利用 AI 提供个性化练习和反馈,让教师将更多精力投入教学设计、学习动力和综合评价。

这些混合服务的经济结构,取决于工作如何分配。

假设一项服务由 \(n\) 个任务组成。令 \(a_i\) 表示第 \(i\) 项任务由 AI 完成的比例,\(c_i^H\) 和 \(c_i^A\) 分别表示由人类和 AI 完成该任务的成本。暂时忽略任务之间的相互影响,总任务生产成本可以近似表示为:

\[ C=\sum_{i=1}^{n}\left[(1-a_i)c_i^H+a_ic_i^A\right] \]

这个表达式虽然简单,却说明一个重要问题:一项服务并不需要完全自动化,便可能获得显著的效率提高。

但模型也忽略了现实服务中的一个关键特点:不同任务之间存在相互作用。某个环节自动化以后,可能需要在其他环节增加验证工作。人类与 AI 的工作也可能相互补充,一方的价值取决于另一方的存在。集成和协调本身还可能产生相当大的成本。

因此,更完整的模型需要加入任务之间的相互作用,以及服务质量约束。

这与经济学家对自动化和新任务关系的研究是一致的。达龙·阿西莫格鲁(Daron Acemoglu)与帕斯夸尔·雷斯特雷波(Pascual Restrepo)指出,技术变化既可能使劳动者从现有任务中被替代,也可能创造新的任务,使人类劳动重新获得需求。就业和工资的总体变化,取决于这些机制之间的平衡,以及更广泛的经济回应。(Daron Acemoglu and Pascual Restrepo, “Automation and New Tasks: How Technology Displaces and Reinstates Labor,” Journal of Economic Perspectives, 2019。)

因此,AI 可能改变的不只是需要多少人类劳动,还包括什么样的人类工作在经济上更加重要。

一些专业人员可能减少编制常规文件的时间,转而更多地解释特殊案例、与客户沟通、验证结果或者协调复杂决策。围绕 AI 评估、系统治理、工作流程设计和责任管理,也可能出现新的职业。

但这些变化并不能保证足以补偿每一个被替代的岗位。新工作能够创造多少、质量如何、报酬高低,都取决于需求、竞争、投资和技术采用的速度。

服务业可能在生产效率不断提高的同时,经历困难的劳动力市场调整。

因此,我们仍然必须将生产效率与更广泛的经济后果放在一起分析。

(未完待续)


我的其它文章

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注