诺贝尔经济学奖得主Daron Acemoglu表示，关于“AI正在大规模取代工作岗位”的说法，目前仍缺乏充分的数据支撑。据MIT Technology Review 5月12日（当地时间）报道，他将影响AI经济走向的关键因素归纳为三项：AI智能体的发展水平、AI企业对经济学家的招募，以及AI应用可用性的提升速度。

Daron Acemoglu在2024年发表的一篇论文中曾预计，AI可能对美国生产率带来温和提振，但不会让人类劳动变得无关紧要。两年过去，他的这一判断并无明显改变。原因在于，现有多项研究仍未显示AI已对就业率或裁员产生明确可辨的影响。

在他看来，最值得关注的变量之一是AI智能体。与主要用于回答问题的聊天机器人不同，AI智能体通常被定义为能够围绕既定目标自主执行任务的工具。尽管不少企业将其包装为替代人力的方案，但Daron Acemoglu认为，这类工具更可能是在部分工作环节中发挥辅助或强化作用，而非直接取代整个岗位。

他的理由是，一个岗位通常由多项任务共同构成。以X光技师为例，其工作可能涵盖整理患者病史、采集并存储乳腺造影影像等约30项不同任务。人类能够在不同格式、数据库和流程之间自然切换，但AI是否具备同等水平的协调与转换能力，仍有待观察。他认为，如果智能体无法在多项任务之间灵活切换，许多岗位就难以被AI真正替代。

除技术能力外，Daron Acemoglu也注意到AI企业正在加大对经济学家的招募力度。OpenAI于2024年引入杜克大学的Ronnie Chatterji出任首席经济学家，并于去年表示，Chatterji将与Jason Furman共同研究AI与就业问题。Anthropic则聚集了10名经济学家推进类似研究。Google DeepMind上周也聘请芝加哥大学经济学家Alex Imas，负责“AGI经济学”相关工作。

Daron Acemoglu认为，这一趋势与公众围绕就业风险不断升温的AI怀疑情绪相互交织。对AI企业而言，主导有关其技术影响的经济叙事，具有很强的现实动机。他担心，关于AI如何影响劳动市场这一关键议题的研究，未来可能越来越集中到那些“结论越有利、受益越大”的企业手中。

他同时将AI应用可用性列为另一项关键变量。与PowerPoint、Word等安装后即可直接完成目标任务的软件不同，当前AI应用在可用性上尚未达到同等水平。虽然几乎任何人都可以与AI模型对话，但对普通劳动者而言，要将这类工具高效转化为实际生产力，仍需要时间。

他指出，未来若出现能显著降低使用门槛、让AI更易融入实际工作的应用，将是一个重要信号。不过，在“高校毕业生就业市场走弱”与“生产率变化并不明显”等现象并存的情况下，当前理解AI经济影响的核心关键词，仍然是“不确定性”。