在家工作的效率，被AI悄悄改写
一项由斯坦福经济政策研究所（SIEPR）研究员、斯坦福商学院金融学助理教授迈克尔·布兰克（Michael Blank）主导的新研究，首次系统关注到生成式人工智能一个常被忽略的效应：它在家庭环境中显著提高了人们完成各类事务的效率。
关于生成式人工智能如何改变企业运作、提升员工生产力的报道几乎每天都在出现。这并不意外：当AI能够独立完成更多任务时，同样时间内产出的工作量自然增加，从理论上看，这有利于整体经济增长。
然而，围绕“AI会不会抢工作”的讨论，往往遮蔽了另一个同样重要的问题：
生成式人工智能工具（如 ChatGPT）正在如何改变人们在工作之外的生活？
如果这类技术也在加快人们在家处理事务的速度，那么它带来的经济影响就远不止于职场，而且这些影响往往不会直接体现在国内生产总值（GDP）等传统统计指标中。
例如，如果AI让人们更快完成日常琐事，从而有更多时间找工作或学习新技能，这种时间再分配会带来长期的经济回报。即便人们把多出来的时间用在与朋友相聚、看电影等休闲活动上，经济学家也普遍认为，这类“休闲”本身具有内在价值，只是难以精确量化。
研究发现：最大生产力提升发生在家庭
布兰克的新研究，是少数专门聚焦“AI在家庭场景中的生产力效应”的早期工作之一。他与合著者的结论是：到目前为止，人工智能带来的最大生产力提升，很可能发生在家中，而不是办公室。
研究团队利用了超过 20 万个美国家庭的互联网浏览数据，追踪了 2021 年至 2024 年间 ChatGPT 的采用情况。他们重点分析了生成式人工智能在“生产性”数字任务上的影响。
在这项研究中，“生产性”任务被宽泛地界定为所有非纯娱乐性质的在线活动。通俗地说，就是人们在家中常做的各种“正事”，例如：
- 搜索和申请工作
- 规划旅行行程
- 在线购买洗衣液等生活必需品
- 处理账单、查询信息等
研究结果显示，当人们在这些任务中借助生成式人工智能时，效率提升幅度在 76% 至 176% 之间。
换句话说，同样的家务和线上事务，在AI辅助下可以用远少于以往的时间完成。
多出来的时间，被用在了哪里？
由于处理“生产性”任务的效率大幅提高，ChatGPT 用户获得了更多可支配时间。研究进一步追踪这些时间被用在了哪些活动上。
结果表明，人们主要把这部分额外时间投入到了：
- 在 Instagram 等社交媒体上发帖、浏览
- 观看 Netflix 等流媒体内容
- 与朋友放松、社交
布兰克指出，这一发现可以从两种角度解读：
“乐观的看法是，生成式人工智能帮助人们更高效地完成繁琐的家庭任务。
悲观的看法是，人们似乎并没有把额外的自由时间用在学习新技能等被证明能提升生活水平的‘人力资本’投资上。”
“生成式AI数字鸿沟”正在拉大
这项研究也揭示了一个值得警惕的现象：不同群体在采用生成式人工智能上的差距正在扩大。
布兰克与合著者——加州大学洛杉矶分校安德森管理学院的格雷戈尔·舒伯特（Gregor Schubert）和南加州大学马歇尔商学院的张苗本（Miao Ben Zhang）——发现：
- 年轻人和高收入群体更快、更广泛地开始使用生成式人工智能工具；
- 年长者和低收入群体的采用速度明显落后；
- 更重要的是，这种差距有“越拉越大”的趋势。
布兰克认为，这种“生成式人工智能数字鸿沟”尤其令人担忧，因为这意味着：
- 年长和低收入人群，可能错失利用AI在家中加快处理账单、查询健康信息等任务的机会；
- 在发展新职业技能方面，他们也可能进一步落后。
围绕生成式人工智能，人们曾有不少期待：
- 它或许能在一定程度上“平衡”教育机会，让任何人都像“口袋里装着一个博士”；
- 它可能为低技能员工、以及面临AI替代风险较大的年长工人，提供学习新技能、寻找更好工作的工具。
但这些潜在收益有一个前提：
低收入和弱势群体必须在家中真正开始使用 ChatGPT 等工具，并用它们来搜索更高技能、更高薪的工作，而不是仅仅把时间花在被动娱乐上。
“生成式人工智能的一个重要希望，是这些工具能够在整个社会经济分布中扩展人们的能力，尤其帮助处于较低端的人群提升技能和机会。”布兰克强调。
政策与研究：关注“工作之外”的AI影响
布兰克及其合著者呼吁，学界和政策界需要更加重视人工智能在工作场所之外的影响。
在公众对 ChatGPT 等生成式人工智能工具高度熟悉的背景下，年长和低收入群体仍然采用缓慢，这表明：
- 仅靠市场自发扩散，可能不足以让所有人都受益于这项技术；
- 需要有针对性的政策，帮助这些群体接触并掌握生成式人工智能工具，从而释放其潜在的经济和福利效应。
正如合著者舒伯特所说：
“政策制定者还需要意识到，大量的生产力提升，其实发生在传统劳动力市场之外。”
从这项研究来看，生成式人工智能带来的“巨大生产力提升”，很大一部分正在客厅、卧室和沙发上悄然发生。如何让更多人公平地享受到这场技术变革的红利，将是接下来政策和研究都无法回避的问题。
