人類(lèi)為AI到底會(huì)不會(huì)搶走工作操碎了心。被AI取代，與投入巨資卻無(wú)法提升生產(chǎn)力同樣糟糕。各類(lèi)大模型與智能體的評(píng)估，正從紙面上的智商競(jìng)賽，轉(zhuǎn)向?qū)Φ闹苯訙y(cè)驗(yàn)。這有助于人類(lèi)面對(duì)“生存還是毀滅”時(shí)，盡可能地端正自己的位置。

從數(shù)據(jù)標(biāo)注巨頭 Scale AI 的最新報(bào)告來(lái)看，那些可以居家完成、端到端交付的遠(yuǎn)程任務(wù)，即便由當(dāng)下最強(qiáng)大的智能體執(zhí)行，也只有2.5%能達(dá)到客戶(hù)可接受的標(biāo)準(zhǔn)；它們的經(jīng)濟(jì)價(jià)值更低，智能體從中獲得的報(bào)酬至多占1.2%。但是，按照智庫(kù)METR的“”，到了明年底，也許最強(qiáng)智能體就有望完成一半的遠(yuǎn)程工作了。

AI被人為地賦予了提升生產(chǎn)力的使命。但“AI能干什么”，并不完整對(duì)應(yīng)著“AI能被市場(chǎng)承認(rèn)的勞動(dòng)”。Scale AI想研究的正是，客戶(hù)究竟愿不愿意為智能體的勞動(dòng)付費(fèi)。

該研究提出了智能體（或具備智能體能力的大模型）遠(yuǎn)程工作指數(shù)（RLI）的評(píng)估標(biāo)準(zhǔn)。所謂遠(yuǎn)程工作，往往是某些可以獨(dú)立完成的任務(wù)，可以委托、交付、驗(yàn)證的知識(shí)勞動(dòng)單元，而不是抽象的工作崗位職責(zé)。這對(duì)于圍繞業(yè)務(wù)的真實(shí)指標(biāo)（準(zhǔn)確率、延遲、幻覺(jué)率、客戶(hù)滿(mǎn)意度等）展開(kāi)具備現(xiàn)實(shí)意義。

盡管如此，這些遠(yuǎn)程工作本身，也可以是從人類(lèi)員工或團(tuán)隊(duì)的完整工作流程中拆分出來(lái)的——這又為智能體持續(xù)地嵌入生產(chǎn)系統(tǒng)和反饋循環(huán)創(chuàng)造了條件——這時(shí)候?yàn)榇恕百I(mǎi)單”的就是智能體的人類(lèi)合作伙伴了。

智能體的遠(yuǎn)程工作指數(shù)，核心就在于它的“自動(dòng)化率”（automation rate）。它指的是，智能體提交的任務(wù)，最終被客戶(hù)認(rèn)可付費(fèi)的任務(wù)數(shù)量，在所有選定任務(wù)中的占比。這些智能體完成的任務(wù)，可以是超越對(duì)照組的人類(lèi)員工提交的結(jié)果，也可以是符合客戶(hù)心理預(yù)期的結(jié)果。滿(mǎn)足上述任意一項(xiàng)，即可視為完成任務(wù)。

Scale AI選定的任務(wù)，來(lái)自全球最大遠(yuǎn)程自由職業(yè)平臺(tái)Upwork。研究團(tuán)隊(duì)從64個(gè)二級(jí)分類(lèi)（subcategories） 中篩選出23個(gè)“可端到端獨(dú)立完成”類(lèi)別，涵蓋了設(shè)計(jì)、運(yùn)營(yíng)、營(yíng)銷(xiāo)、行政、數(shù)據(jù)/商業(yè)智能、音頻/視頻制作以及其他類(lèi)別，共240個(gè)項(xiàng)目。

這些項(xiàng)目還附有人工交付成果的“黃金標(biāo)準(zhǔn)”，以及人類(lèi)完成上述任務(wù)花費(fèi)的時(shí)間與獲得的報(bào)酬。人類(lèi)完成所有這些任務(wù)，需要約6000個(gè)小時(shí)，獲得14.4萬(wàn)美元的報(bào)酬；其中，單個(gè)任務(wù)中位勞動(dòng)時(shí)間11個(gè)小時(shí)，中位勞動(dòng)報(bào)酬200美元。

結(jié)果，在所有這些任務(wù)中，即使最領(lǐng)先的智能體，能夠讓客戶(hù)心甘情愿付費(fèi)的，也就其中的2.5%。它就是今年出盡風(fēng)頭的“通用智能體”Manus。其他前沿模型GPT-5、Sonnet 4.5與Grok 4還沒(méi)它能打。

失敗的任務(wù)，各有各的難處。約45%是因?yàn)椤百|(zhì)量差”，還有35%是因?yàn)椤安煌暾保约?5%因?yàn)椤安灰恢隆薄６切┏晒Φ娜蝿?wù)，往往集中在更為“寬松”的創(chuàng)意類(lèi)項(xiàng)目，尤其是音頻（例如為復(fù)古游戲創(chuàng)建音效、分離人聲和伴奏、為旁白添加背景音樂(lè)）和圖像（例如廣告和Logo設(shè)計(jì)）相關(guān)的工作，以及寫(xiě)作和數(shù)據(jù)檢索/網(wǎng)絡(luò)抓取。

如果用“經(jīng)濟(jì)價(jià)值”來(lái)衡量，智能體的表現(xiàn)就更差了。最強(qiáng)的Manus，完成這2.5%的任務(wù)，總共獲得了1720美元的報(bào)酬，占所有潛在總報(bào)酬的1.2%；剩下的幾個(gè)模型或智能體，甚至都離1%都還遠(yuǎn)著。

這倒側(cè)面證明了最新披露的一組token數(shù)據(jù)。

這家每月消耗1300萬(wàn)億token的硅谷巨頭，自有模型Gemini通過(guò)API每分鐘消耗約70億個(gè)token，折合每月約300億，相當(dāng)于企業(yè)調(diào)用僅占不到25%，絕大多數(shù)token都被谷歌自身龐大的搜索、視頻與廣告等業(yè)務(wù)消耗了。目前能高效、規(guī)模兌現(xiàn)token價(jià)值的，仍然是硅谷巨頭主導(dǎo)的消費(fèi)者市場(chǎng)。

目前，全年消耗萬(wàn)億token的“需求大戶(hù)”，也僅150家，差不多每家每年在token上花費(fèi)百萬(wàn)美元左右。這意味著“企業(yè)AI”為谷歌云貢獻(xiàn)了0.3%的收入。它們也許已經(jīng)通過(guò)了技術(shù)驗(yàn)證，正在不斷嘗試與大模型與智能體磨合，驗(yàn)證工作流程與商業(yè)模式。

可見(jiàn)，AI應(yīng)用在企業(yè)服務(wù)領(lǐng)域的爆發(fā)，尚需時(shí)日。盡管OpenAI最早分析了人類(lèi)工作的GPT暴露風(fēng)險(xiǎn)，今年又發(fā)布了經(jīng)濟(jì)價(jià)值評(píng)估框架GDPval；Anthropic多次更新了自己的經(jīng)濟(jì)指數(shù)（AEI）。但從這兩家AI巨頭最近的用戶(hù)使用報(bào)告來(lái)看，企業(yè)AI滲透率的擴(kuò)展，確實(shí)仍然存在“鴻溝”。

OpenAI發(fā)現(xiàn)，ChatGPT用戶(hù)超過(guò)70%的對(duì)話(huà)與工作無(wú)關(guān)。而在與工作有關(guān)的活動(dòng)中，獲取信息（19.3%）、解釋信息含義（13.1%）、記錄信息（12.8%）占比最高，其次是提供咨詢(xún)與建議（9.2%）、創(chuàng)造性思考（9.1%）和決策解決問(wèn)題（8.5%）。

就連更擅長(zhǎng)企業(yè)服務(wù)的Anthropic也遇到了問(wèn)題。它發(fā)現(xiàn)，旗下Claude API任務(wù)的使用分布（usage distribution），呈現(xiàn)了非常明顯的“冪律分布”。即，將近50%的API使用量，映射到了計(jì)算機(jī)和數(shù)學(xué)任務(wù)，而靠后80%的任務(wù)，只占了10%的使用量。

也就是說(shuō)，在面對(duì)現(xiàn)實(shí)工作任務(wù)時(shí)，AI與智能體還不夠“通用”。OpenAI和Anthropic，采用的工作分類(lèi)都是傳統(tǒng)的O*NET分類(lèi)（美國(guó)勞工部的職業(yè)數(shù)據(jù)庫(kù)），這也意味著它們所謂的“使用”，往往并不意味著讓智能體端到端地替代人類(lèi)員工。

它當(dāng)然仍然有用，但無(wú)法真實(shí)反映生產(chǎn)力層面的提升。事實(shí)上，美國(guó)METR研究所分析開(kāi)發(fā)者的實(shí)際工作產(chǎn)出時(shí)，發(fā)現(xiàn)使用AI的開(kāi)發(fā)者完成任務(wù)的速度，竟比不使用AI時(shí)慢了20%。

Claude Sonnet 4.5剛出來(lái)的時(shí)候，Anthropic就宣稱(chēng)它能連續(xù)專(zhuān)注工作超30小時(shí)。但是，很快就被智庫(kù)METR打了臉。該機(jī)構(gòu)測(cè)評(píng)發(fā)現(xiàn)，它實(shí)際能以50%成功率完成的任務(wù)，相當(dāng)于1小時(shí)53分鐘的人類(lèi)任務(wù)的水平，不及今年8月發(fā)布的GPT-5的2小時(shí)15分鐘。

這也解釋了為什么在Scale AI的遠(yuǎn)程任務(wù)指數(shù)中，大模型的表現(xiàn)往往不佳；因?yàn)橛薪?jīng)濟(jì)價(jià)值的獨(dú)立任務(wù)，即使中位時(shí)間也達(dá)到了11個(gè)小時(shí)。

不過(guò)，按每7個(gè)月翻一番的“智能體摩爾定律”，那一天不會(huì)太久。理論上，差不多16個(gè)月后，也就是明年底，最強(qiáng)大的智能體，就可以搶走一半不需要互動(dòng)與協(xié)作的人類(lèi)遠(yuǎn)程工作了。

參考：

https://scale.com/research/rli

https://www.anthropic.com/economic-index

https://openai.com/index/how-people-are-using-chatgpt/