机器比人类更有效率，直到它们不是，反之亦然。

于红博

摘要: 随着人工技能的增长，组织可能越来越频繁地面临通过经济原则指导优化技能政策决策的问题。本文通过开发一个基于蒙特卡罗模拟的基于经验现实主义的模拟框架，分析人类和机器技能在执行具有不同复杂性水平的任务时的经济影响，无论是单独部署还是共同部署。我们的结果定量支持了已建立的观点，即自动化往往是对低至中等泛化难度的任务最经济有效的策略，而在更复杂的情况下，自动化可能难以匹配人类技能的经济效用。关键是，我们的模拟突出显示，当需要高水平的泛化能力时，结合人类和机器技能可能是最有效的策略，但只有在实现真正的增强时才会如此。相反，如果未能实现这种协同效应，人机政策将因其双重技能结构的固有成本而受到严重处罚，导致其破坏价值并成为从经济角度看最糟糕的选择。对决策者来说，结论是明确的：在需要高泛化能力的情境中，简单地将人类和机器技能分配给任务是不够的，人机技能政策既不是万能解决方案，也不是低风险妥协。相反，这是一个关键的机会，可以提高竞争力，需要组织承诺实现增强。此外，我们的研究结果表明，随着时间的推移提高机器技能的成本效益虽然有用，但并不能取代专注于实现增强的基本需要。

更新时间: 2025-09-18 13:27:46

领域: econ.GN,cs.AI,q-fin.EC

下载: http://arxiv.org/abs/2509.14057v2