人工智能代理当自由职业者还差得远

数据标注公司Scale AI与非营利组织“人工智能安全中心”（CAIS）联合研发了一项新基准——“远程劳动力指数”，用于衡量前沿AI模型自动化有经济价值工作的能力。研究人员让多款领先AI代理执行一系列模拟的自由职业工作任务，结果显示，即便是表现最佳的AI也仅能完成不到3%的工作，在总价值约14.4万美元的任务中仅能赚取1810美元。研究评估了多款工具后发现，能力最强的是中国同名初创公司开发的Manus，其次是xAI的Grok、Anthropic的Claude、OpenAI的ChatGPT以及谷歌的Gemini。
CAIS主任丹·亨德里克斯表示：“希望这能更准确地反映AI能力的实际情况。”他补充道，虽然部分AI代理在过去一年左右有显著进步，但这并不意味着会以同样速度持续提升。
此前，AI的惊人进展引发了关于AI很快将超越人类智能并取代大量工人的猜测。例如，今年3月，Anthropic首席执行官达里奥·阿莫迪曾称，90%的编码工作将在数月内实现自动化。然而，以往的AI浪潮也曾引发过类似的错位预测，比如AI算法即将取代放射科医生等。
该研究通过经验证的Upwork自由职业者生成了一系列任务，涵盖平面设计、视频编辑、游戏开发以及数据抓取等行政杂务。每项任务都配有工作描述、执行所需的文件目录以及人类完成的项目示例。
亨德里克斯指出，尽管近年来AI模型在编码、数学和逻辑推理方面有所进步，但在使用不同工具和执行多步骤复杂任务时仍存在困难。“它们没有长期记忆存储，无法从经验中持续学习，也不能像人类那样在工作中习得技能。”
该分析与OpenAI在9月推出的“GDPval”基准形成对比，后者声称可衡量有经济价值的工作。据GDPval显示，GPT-5等前沿AI模型在各类办公室工作的220项任务上已接近人类能力。OpenAI对此未予置评。
Scale AI研究主任刘冰补充道：“多年来我们一直在讨论AI与就业的关系，但大多停留在假设或理论层面。”
刘冰和亨德里克斯承认，这项新基准并非衡量AI经济影响的完美标准。许多职业包含该指标未涵盖的任务，且现实中许多自由职业者可能会将AI作为工具来提高生产力。
不过，“AI已开始取代工作”的观点正逐渐升温。本周，亚马逊宣布将裁员1.4万人，部分原因归咎于生成式人工智能的快速崛起。亚马逊负责人员体验与技术的高级副总裁贝丝·加莱蒂在公开备忘录中写道：“这一代AI是自互联网以来最具变革性的技术，它使企业能比以往更快地创新（无论是在现有市场领域还是全新领域）。”
然而，若以远程劳动力指数为参考，AI不太可能接手这些被裁岗位。