如果人工智能完成工作，谁获得收入？

问题不仅仅是谁失业

机器做几乎所有事情的经济的承诺似乎会带来两个相反的结果：共享富裕或收入极度集中。两者都出现在有关人工智能的讨论中。模型的写作、编程或交谈能力不会自动得出结论。在技​​术示范和生活水平的持久变化之间存在着公司、合同、市场、基础设施和政治决策。本档案调查了这段文字，但没有假设工作的终点已经被证明。

我们的核心问题是分配性的：当一个组织每小时为人类工作创造更多价值时，谁能将这种收益转化为收入、时间或安全？答案可能涉及工人、消费者、企业主、技术提供商和政府。这些组也有重叠。一个人可以获得薪水，支付更便宜的服务，并拥有企业的少量股份。因此，将争论归结为人类与机器之间的争论隐藏了我们需要研究的机制。

我们将分析分为三个层次。首先，任务对人工智能的技术暴露。然后，在工作环境和收入转移实验中观察到的结果。最后是制度选择和说明性情景。暴露指数有助于定位潜在的变化；不衡量裁员情况。实验可以了解人群和干预措施；它不会复制整个经济。模拟使假设变得可见；不会将这些前提转化为预测。

Rovemark的编辑论点是生产力和分配需要一起研究。这并不意味着我们已经知道哪种政策可以解决问题，也不意味着私人收益是非法的。这意味着只有在询问质量、总成本、工作条件和创造价值的目的地之后，实施才能被认为是成功的。相同的技术可以支持截然不同的组织和合同。

接触人工智能并不等于失业

国际劳工组织和 NASK 在 2025 中估计，全球约四分之一的就业岗位是在一定程度上接触生成式人工智能的职业。该指数结合了任务评估、工人和专家贡献以及模型辅助分类。高收入国家的参与度达到 34%，低收入国家的参与度达到 11%。这些百分比描述了职业构成和潜在的技术能力；它们不是失去工作的个人概率。

在最高暴露水平上，该指数报告了 3.3% 的全球就业情况。在该特定部分中，女性的比例为 4.7%，男性的比例为 2.4%。分母很重要：我们比较每个群体的就业参与率，而不是按性别划分所有暴露的职业。该图表允许您交替剪报，保持一定程度的曝光和最大类别分开。我们不应该将面板加起来或将它们视为时间轨迹。

职业汇集了具有不同需求的活动。生成初稿可以自动化，但协商例外、验证决策或承担责任仍需要人工参与。即使多个步骤在技术上成为可能，采用也取决于成本、可靠性和集成。公司可能会选择用同一团队服务更多客户、重组职能或减少招聘。确定技术可能性是调查的开始；确定发生了哪种响应需要其他数据。

认为较低的风险敞口代表完整的经济保护的结论也是错误的。工人可能从事的活动不是很数字化，但仍然会受到需求、价格或供应链的间接影响。相反，高度暴露的职能可以变得更加高效和有价值。我们的解释是使用该指数作为研究具体变化的指导，包括可能需要支持的群体。消息来源没有提供职业消失的日期。

实际生产力：不符合单一承诺的证据

在《经济学季刊》2025 上发表的一项研究中，Brynjolfsson、Li 和 Raymond 分析了在 5,172 客户服务代理的操作中交错引入助理的情况。报告的每小时解决问题的平均收益约为 15%。好处因经验和技能而异。这是一个公司和一个职业的证据，通过交错实施和计量经济分析；不是来自整个经济体的代表性样本，也不是来自个别抽签的试验。

结果证明了为什么值得在工作流程中研究人工智能。然而，每小时分辨率的提高并不自动意味着利润、工资或国民产量增加 15%。实施、审查、软件和组织变革成本需要包含在账户中。分辨率的质量也需要保持。在这些测量之间转移百分比会产生研究设计无法提供的明显精度。

与之相反的是，METR 使用早期的 2025 工具，对 16 经验丰富的开发人员进行了实验，并在已知项目上执行了 246 任务。人工智能的可用性使执行时间增加了 19%，而参与者预计任务之前的 24% 会减少，而任务之后的 20% 会减少。对比衡量的是对该实验中观察到的结果的期望和看法，而不是与服务研究相矛盾。人群、工具、任务和指标是不同的。

2 月份 2026 的 METR 更新对于解释这一历史性发现至关重要。研究人员开始考虑，参与者和任务的选择、报酬的变化以及同时代理人注册工作的困难阻碍了对新结果的解释。为原始估计值报告的 95% 置信区间的时间范围为 +2% 到 +39%。我们不使用2025的结果作为当前工具的诊断。适用的教训是衡量使用环境中的效果，而不是仅仅依靠速度的感觉。

节省时间并不决定谁赚钱

想象一个假设的流程，每次交付需要 10 个人工时，而现在需要 8 工时，才能保持相同的质量。每次交付直接节省了两个小时，但我们仍然不知道财务结果。也许有卖更多的需求。也许价格会因为竞争而下降。也许该公司会维持价格并增加利润。也许团队会承担其他任务，或者部分收益将通过协商缩短工作时间。这些是可能的答案，而不是本出版物中估计的百分比。

将三个会计问题分开是很有用的。首先是在此过程中节省了多少资源。第二个是实际出售了多少附加价值或消失了多少成本。第三个是在支付基础设施、供应商和税收后如何分配这一成果。可用时间不是已实现收入。未使用的草稿不属于销售。模型价格的降低并不一定代表可靠服务的总成本成比例下降。

经合组织将人工智能的扩散和采用能力视为其可能产生的宏观经济影响的重要条件。部门结构、技能、基础设施和经济一体化改变了受益范围。该机构讨论的预测是模型的结果，而不是我们可以完全归因于人工智能的已经观察到的增长。在本分析中，我们并未将服务业的测得收益转化为巴西 GDP 的预测。

我们的分配假设是，财产、竞争和议价能力决定了收益的目的地。如果所有竞争对手都这样做，小企业可能会获得以前昂贵的功能并失去利润。工人可以在不控制工资规则的情况下生产更多产品。供应商可以通过依赖其平台获得部分利益。为了检验这些假设，有必要随着时间的推移监控供应商的价格、合同、报酬和参与。仅仅观察采用情况是不够的。

基本收入：粘附或拒绝之前的定义

普遍基本收入通常指定个人定期货币转移，没有工作要求，针对该计划定义的人口中的每个人。世界银行指南有助于区分普遍性、无条件性和现金支付。这些特征没有具体说明足够的生活金额、融资来源或将继续存在哪些福利。普遍工资这个表达可能会令人困惑：工资是一种工作关系的报酬；收入转移遵循另一种制度逻辑。

一个具体的提案需要回答谁收到它、从什么年龄收到、持续多长时间以及有什么价值更新。它还必须明确这笔付款是增加还是取代现有的服务和福利、高收入人群如何通过税收制度做出贡献以及如何满足特殊需求。具有相同月值的两个提案可能会产生完全不同的净分布。仅凭政策名称并不能告诉您谁的结局更好或更坏。

有利的论据可以基于自主性、可预测性和拒绝不良工作关系的能力。相反的论点可能指出其他政策的成本、机会以及针对不同需求的统一福利的不足。我们将这些原因作为评估标准，而不假设单一答案。认真的讨论比较了具体的设计、其净受益人以及保留的服务。同意社会保护的重要性并不需要同意任何所谓的普遍建议。

与人工智能的关系是组织社会的假设，而不是强制性的技术结果。即使自动化进步，答案也可能结合转移、公共服务、培训、社会保险、利润分享或工作时间的变化。选择取决于所发现的问题和可用的机构。在选定的来源中，没有任何实验可以观察人工智能消除对人类劳动力的需求后的整个经济。这种情况仍然超出了此处收集的证据的范围。

收入实验让我们得出什么结论

在与 OpenResearch 相关的美国实验中，1,000 名低收入参与者在三年内每月获得 1,000 美元，而 2,000 名对照参与者每月获得 50 美元。 2026 年 8 月修订的 NBER 32719 工作文件报告称，与管制相比，劳动力市场参与度下降了 4.2 个百分点，个人收入（不包括转账）每年减少约 1,900 美元，每周工作时间减少一到两个小时。这些是不同的结果，具有不同的单位。

该文章仍被视为工作论文，不受学术出版物的同行评审。本分析第一版中引用的初始版本有不同的估计；我们现在已经采用了 2026 的 8 月修订版，并将其记录在参考书目中。审查还表明，对劳动力供应的适度影响并未被其他衡量​​的生产活动所抵消。这并不会将花在有偿工作上的时间减少转化为对参与者个人价值的判断。

芬兰的经验提供了另一种设计。在 2017 和 2018 之间，2,000 失业人员每月大约收到 USD 647，使用欧洲央行 2017 和 2018 年平均值进行说明性换算。官方平衡描述了对就业的较小影响以及对福祉的更有利的看法。它还警告说，失业激活规则的变化使得很难在第二年隔离其影响。幸福感调查在各组之间的反应率不同。原始收益以 EUR 计价：USD 中的显示使用 560 乘以 2017 和 2018 的欧洲央行年利率的算术平均值（1.15531784313725 USD x EUR），无需根据通货膨胀进行调整，也无需复制每次付款的汇率。这些限制阻止了将这一经验视为任何基本收入总是会增加就业或必然改善所有指标的简单证明。

这些研究都没有衡量在人工智能转型的经济中由纳税人自己资助的对全体人口的永久性转移。试点可以估计转移的个人影响，并且仍然在全国范围内保留开放的价格、税收、移民、服务供应和公司反应。我们的解读是，实验可以为决策提供信息并纠正绝对的陈述。他们并没有结束辩论。下面的面板展示了美国的设计和当前审查的结果，没有将参与度、收入和工作时间混合在一个轴上。

需要花多少钱？账户透明，有限额

转账的总成本是一个简单的乘法：每人每月付款、受益人数量和十二个月。该模拟器使用 USD 作为货币单位，并允许您更改价值和人口。一亿人的标准是一个全面的说教假设，而不是对巴西成年人或符合条件的人口的估计。没有人口统计数据的自动查询。这一选择避免了呈现一个虚构的人口，就好像它已经被测量过一样。 USD 中的场景是一个新假设，而不是 BRL 中先前示例的货币换算。

在最初的示例中，一亿人每月 USD 1,000 相当于每年 USD 1.2 万亿。这是年度支出总额。它不是额外的赤字、净成本或效益建议。我们不会对受益人返还的收入、替代福利、管理成本或行为改变进行折扣。我们也没有添加有关机器人的假设集合。除了评估分配效应之外，所有这些分期付款都需要自己的假设和数据库。

资金辩论至少需要两项额外的分析。一是预算：哪些收入和支出发生变化、在什么时期以及以什么管理能力发生变化？另一个是经济问题：谁支持征收新税？家庭和公司如何应对？税款的合法纳税人不一定是承担其最终成本的人。我们并不假设节省的时间的估计价值可以完全收回，也不假设私人财富和公共收入是等价的。

经合组织关于基本收入的说明提请人们注意改革的融资和分配影响。这指导了集中护理：一项分配给每个人并消除有针对性的支持的提案可能会伤害有更大需求的人。我们的评估要求显示每组的净结果，而不仅仅是付款总额。该图使选择的算术范围可见；它并不决定其财政可行性或对通货膨胀的影响。为了回答这些问题，需要一个更完整的模型。

收益分配的三种方式

第一种情况是注意力集中。拥有难以替代资产的公司或供应商保留了大部分附加价值。在这个假设的路径中，生产可以增长，而部分工人面临收入损失或谈判能力下降。决定性变量不仅是模型的性能，还包括竞争对手和工人参与价值创造和挪用的可能性。为了观察这条路径，我们需要检查利润、价格、工资和合同依赖性。

第二种情况是竞争性扩散。更易于使用的工具可以帮助小型企业、降低价格并启用新服务。消费者可以获得购买力，一些组织可以通过服务以前不可行的市场来实现增长。这并不能保证每个工人都会加薪，也不能消除困难的过渡。评估应监控公司的进入、质量、价格和专业流动性，检查收益是否超出了第一批采用该技术的组织。

第三种情况涉及时间谈判和保护。部分收入可以资助缩短工作时间、工作期间的培训、参与成果或集体收入和服务机制。关于谁参与、如何衡量结果以及如何分配风险都有选择。在不控制工作强度的情况下宣布减少工作时间可能不会改善团队的生活。没有足够服务的转移可能无法满足基本需求。这些机制需要通过设计和执行进行评估。

这三个路径并不相互排斥，也没有被分配概率。它们可以按部门、公司和时期共存。它们用于组织可验证的问题。如果我们想知道哪种路径占主导地位，我们必须提前定义可能与我们的偏好相矛盾的指标。解释观察后任何结果的假设并不能指导研究。编辑的承诺是以同样的谨慎程度监测集中和扩散的信号，并在证据发生变化时修改解释。

公司现在可以衡量什么

一个组织不需要解决资本主义的未来来改善其人工智能评估。您可以首先界定过程、结果和最低质量条件。在服务中，这可能意味着已确认的解决方案和重新开放率；在文件中，接受人工审查；在运营中，有效交付，不增加事故。仅选择所产生的响应量来奖励可能不会产生价值的活动。该指标应代表已完成的任务以及给客户带来的相关后果。

Rovemark提出的协议从基线开始，记录需求和复杂性的变化。在可行的情况下，有计划地比较相似的组或替代使用条件，而不会让人们面临不受控制的关键决策。记录需要包括审核时间、返工、模板和工具的成本、错误、中断和培训。随着业务的发展，依赖于特殊监督的积极成果可能不会持续存在。问题是增益是否能承受日常使用。

监控应包括团队内的分配。初学者和专家的反应可能不同；平均值可以掩盖稀有任务或有特定需求的客户的恶化情况。薪酬、工作量和自主权也是需要观察的结果，个人数据的保护和访问与需求成正比。分析不应成为个人评估的不透明机制。发布汇总指标和使用规则有助于让员工更加知情地参与其中。

这是提议的协议，而不是 Rovemark 已执行的实验列表。为了进行我们自己的研究，我们仍然需要参与组织、对结果的预先定义、同意和足够的数据库。预期的贡献是将操作证据与分配结果联系起来。我们不想宣布某种工具取代了团队的一定比例，而是想展示哪些任务得到了改进，哪些任务失败了，全部成本是多少，以及谁获得了好处。这些结果可以进行讨论，并在可能的情况下进行复制。

什么会改变我们的结论？

在多种情况下，面对一致的证据，即生产率的提高会随着收入和生活质量的提高而扩大，而无需额外的机制，我们的立场将会改变。如果强有力的研究表明持续的就业和收入损失规模大于观察到的转型能力，情况也会发生变化。在这两种情况下，都有必要将人工智能的影响与需求、经济周期和其他技术的变化分开。没有机制标识的聚合数字无法解决此归因问题。

在基本收入方面，更长、更广泛的计划成果，加上观察到的融资和市场反应，将有助于减少个别试点无法解决的不确定性。评估应该比较真实的替代方案，包括改进的现有系统，并显示谁赢谁输。我们还需要有关护理、健康、教育和选择自由的证据，而不是假设就业之外的任何活动都是没有生产力的，或者所有理想的效果都已经得到证明。

标题中的问题故意保持开放式。消息来源表明，技术暴露、生产率和劳动力供给是可衡量的，但是不同的现象。他们没有授权终止雇佣的日期或任何国家都可以资助的普遍价值。我们的编辑结论是优先考虑测量完整增益及其分布。该议程的质量将取决于使前提具有争议性并允许新的结果来纠正叙述，包括当这违背 Rovemark 本身的商业利益时。