《报业辛迪加》:审视AI代理经济

"

当信息开始直接触发行动，系统需要记录的不只是答案，还有谁用过它，以及修正发生后谁必须重来。

—— 译文之外

AI代理经济信息与公共品

原文题目

The Agentic Information Economy

An internet run by AI agents will need reliable data, correction channels, and a broader information ecology.

Project Syndicate｜Shuwei Fang｜2026年10月23日

📌 带着三个问题读

今天的互联网大体仍是为人设计的。网页给出商品、价格、评论和规则，人负责比较、怀疑并作出决定。AI代理改变的不只是搜索方式，而是把“读到信息”和“采取行动”接到了一起：招聘代理筛选求职者，采购代理自动下单，物流代理据此安排运输，软件代理甚至可以写代码并部署上线。

当多个代理彼此连接，一条信息就会沿着系统不断传递。第一个代理的输出，成为第二个代理的输入；第二个代理采取的行动，又改变第三个代理面对的环境。错误由此获得了执行力。

作者Shuwei Fang认为，仅仅要求“数据更准确”并不够。现实中的信息会过时、被修订，也可能本来就带有推销、辩护或政治动员的目的。过去，人类读者会凭经验对这些信息打折；今后，机器需要一套能够记录来源、传递修正并保留质疑能力的基础设施。

这套基础设施至少包括三项能力：一条信息必须带着可持续引用的来源；信息发生变化时，修正要能追到所有使用过旧版本的系统；数据拥有者应当能够回答问题，而不必交出全部底层资料。它们分别对应溯源、纠错传播和受控访问。

商业世界会先在错误代价高的地方购买这些能力。金融数据、临床证据和法律研究已经如此。真正棘手的是公共部门：福利申请人、签证申请人或候诊患者往往不是采购系统的人，却可能承担自动化错误的后果。

因此，文章最后落到一个政治经济学问题。AI代理需要“可信信息”，这会催生市场；但如果标准完全由少数平台私有化，企业知道机器依据了什么，受影响的人却无法查明。代理经济能否形成公共的纠错能力，取决于标准制定者、大型采购方和监管者能否在制度尚未固化时介入。

01｜信息不再只供人阅读

信息正在经历一种类别上的变化。它一直是人们消费的东西，如今也正在成为机器据以行动的东西。这意味着，错误不再只会留下数字世界里的错误印象，而会转化成影响深远的行动。风险既然如此，系统就需要拥有自己的防护机制。改善数据质量，或重新把人放进决策回路，都不足以解决问题。

自消费互联网诞生以来，信息与自主行动之间大多隔着一个人。购物者先比较，再购买；采购经理研究不同报价，再作选择。互联网主要被建成了一套供人作出决定的信息系统。它的主流商业模式、质量控制机制以及出错后的补救办法，都以一个假设为前提：链条末端最终会有一个人理解这些信息。

如今，这个人正被移出链条。AI代理已经在筛选求职者，也能在预先设定的预算内自主购买商品。在软件行业，“黑灯工厂”几乎无需人工审查便可以编写并发布代码。微软研究院的经济学家曾设想过一个更完整的代理经济：每一名消费者都有购物代理，每一家企业都有服务代理。两者连接起来，就不再是一件工具，而是一条链。你的代理向供应商的代理询价，供应商的代理再去询问物流代理；而物流代理所依据的预测，可能从未被任何人读过。每一个代理的输出，都会成为下一个代理的输入。

这种经济尚未完整出现，但构成它的零件已经存在。随着这些零件彼此连接，信息将不再是系统最终交付的东西，因为它已经变成系统赖以运转的东西。系统交付的将是过去由人完成的行动：购买、分析、运输和决策。无论代理执行什么任务，这套没有人类参与的系统，其表现都取决于输入信息的质量。“输入的是垃圾，输出的也是垃圾”这句老话，从未如此贴切。

然而，这样理解问题仍然危险地不完整。它把问题说成需要更干净的输入、更好的数据。事实上，在一个由代理独自运行的庞大经济中，机器需要的是更大的东西：一套能够质疑自身输入、把修正送回所有需要它的地方，并努力做到持续正确，而不是只在平均意义上准确的信息生态。

02｜我们有了零件，却没有纠错反射

我们已经拥有这套系统的各个部分，却没有它自我纠正的反射。要理解缺失的部分，不妨看看今天的代理究竟可以调用什么。它可以访问开放互联网，但这些内容是写给人看的；它可以访问企业内部的数据流，包括账簿、合同和案件档案，但这些资料原本只供拥有它们的机构查询；它还可以访问政府登记册和法院文件，这些资料权威而公开，却很少便于机器读取。最后，还有个人背景，也就是委托人告诉代理的有关自己的一切。

这些来源各自有不同的访问规则。它们即便带有某些可靠性信号，也是为人类读者设计的；信息一旦被吸收，这些信号往往会留在原处，无法跟着信息继续向下游移动。更何况，价值最高的资料恰恰不能任由任何人自由抓取，因为它们属于所描述的企业和个人。

当前的信息来源也不会在内容从一个代理传给另一个代理之后自动更新。假设某个婴儿配方奶粉批次在周二检出污染，并被要求召回。召回信息到当天下午才发布，可补货代理早已下了新订单，物流代理也已安排好托盘的运输路线。到周三早晨，奶粉罐已经摆上货架。每一个代理都根据自己掌握的信息正确行动；没有一个环节单独“做错”。

问题在于，一份原本等待人们注意的召回通知，跟不上自动化运行的速度和规模。眼下，这类失败仍然有限，因为大多数任务还很简单，也相对独立，例如一个结账代理在设定预算内购物，而且流程两端仍有人参与。但任务越复杂、经过的环节越多，问题就会越严重。

03｜人类读者曾经承担了隐形的基础设施

此外还有第二个、更古老的问题。写给人看的信息等待解释，写给机器的信息则会被执行。图书腰封是为了推销，企业公告是为了让人安心，政治人物的承诺是为了赢得掌声；人类读者会对这些话打折，通常也不会立刻据此采取行动。这种“打折”本身就是一种自我纠正，数以百万计的读者以模糊、持续且免费的方式分担着它。

这种机制经常失效，有时还会造成灾难性后果，但它仍以人类的速度和规模运行。由于建造它从未产生显性的成本，人们也从未把它视为基础设施，更没有人为替代它的系统标过价格。

重新把人放回流程，偏离了问题本身。输入信息从来都不完整，因为它原本只是一套系统的一半，另一半是人。如果后面这一半正在离开，那么接替它的系统就必须被设计出怀疑和纠正的能力，而且必须有人有动力去做这项设计。

更好的模型也无法解决这个问题。修正没有抵达，是管道的故障，不是认知能力的不足。人类读者有不同的先入判断，也承担不同的利害关系，他们共同完成分散的折价与校正。今天的代理却集中使用少数模型：它们的平均判断也许更好，却会在各处重复同一种判断，错误因而相互关联，而不是彼此抵消。

模型能力决定代理能把已有材料推理到什么程度，却不能决定它能够获得什么材料。更强的能力会让人们允许代理拥有更多自主权，因此增加风险敞口，而不是自动降低它。

所有这些成本最终集中在逆转行动的时刻。错误仍然可以撤销，但当人们发现它时，它可能已经被反复执行。错误以机器的速度和规模传播，修正却还没有做到这一点。在这种条件下，造成伤害的将不再是一个误导了少数读者的标题，而是一个被错误执行的行动。

这种风险也不会只落在私人企业和个人身上。远在AI代理出现之前，早期自动化已经让我们看到需要防范什么。2016年至2019年，澳大利亚的Robodebt计划自动通知数十万名福利领取者，称他们获得了超额给付，并向许多并不欠款的人追债。一个行政裁判机构在400多起案件中认定这种方法有问题，但相关裁决不构成先例，也没有公开发布，因而没有任何机制把这些结论送回继续生成债务的系统。

04｜“正确”开始有了价格

面对这些风险，许多人会说，我们一开始就不该把生活交给AI代理。但在强大的商业逻辑推动下，代理经济仍会到来。真正的问题，是如何把握它提供的机会。

我们应当把机器对准确信息的需求视为一种杠杆，因为机器比人更需要准确的信息：它们一旦犯错，错误会在更大规模上执行。在金融数据、临床证据和法律研究中，人们一直愿意为准确性付费，因为信息可以得到认证，出错代价也足以支撑这笔费用。除此以外的领域里，“确实正确”和“听起来正确”往往卖出同一个价格。如果自动化扩展到整个经济，这种状况就可能改变。

两个因素使高质量信息有可能被定价。第一，以前只由人消费、作为最终产品的信息，正在成为机器使用的中间投入。可信的消费者评论、价格历史和安全召回，不再只是等待阅读的文字，而是会触发行动的信号。信息发生变化时，纠正信号也会成为另一项有价值的投入。

所有这些投入，都可以根据它们对最终产出的贡献来估值，也就是经济学所说的“派生需求”。与人类读者不同，AI代理的产出原则上可以接受检查。

第二，一个代理作出的贡献可以衡量。某项输入给结果带来的变化，是可以观察的；纠正一项错误输入带来的变化，同样可以观察。

05｜一个市场需要三项标准

当然，仅有需求不会自动形成市场，更不会自动形成生态。任何多代理经济中的输入，都需要满足三项标准。

第一，一项输入必须说明自己来自哪里，而且在原始来源移动或消失之后仍能被引用。第二，一项修正必须送达所有使用过旧输入的地方，而不是停在源头等待别人注意。第三，信息来源必须能够回答问题，而不必交出支撑答案的全部底层资料。

金融业很早就建立了信息溯源和自我纠正机制，因为在这个行业，错误信息的代价很高。公司修正盈利数据时，修正会被送到大多数曾依据旧数字定价的系统；“某个历史日期上当时已知什么”，本身也会被作为产品出售。

接下来哪些领域会采用这些标准，取决于同一个计算：人们愿意为优质输入付多少钱，取决于劣质输入会造成多大损失。这套逻辑会遗漏两类地方：错误本身看起来代价不高的地方，以及决定所影响的人并不是直接付钱的人，例如福利申请人、签证申请人和候诊患者。

06｜政府采购可以把公共需求写进市场

幸运的是，这道缺口没有听起来那么大，因为同一种机制可以同时服务两个世界。一项输入的来源知识，不必因为询问者是案件工作人员而不是交易台，就被创造两次。修正也是如此：一旦输入本身携带来源信息，通知所有使用者发生了变化，只是增加一步操作。

为运输煤炭修建的铁路，后来也运送乘客、邮件和牛奶。在已经建成的设施上扩展用途，成本低于重新建造一套设施。

弥合缺口有一条明显的道路，而且已经掌握在公共部门手里。政府是全球最大的软件买家群体之一，如今也开始把代理部署到福利、许可、移民和医疗等流程，而在这些流程中，受影响的人没有采购权。

政府可以制定采购规则，要求输入携带来源信息，并要求修正抵达所有使用过该输入的系统。这样一来，福利申请人和许可申请人也能获得原本只有交易台才会购买的能力。制造了Robodebt的国家，比大多数国家更有理由写出这样的规则。

07｜纠错能力为什么是一种公共品

代价当然不小。保持信息准确是一项永不停止的工作，替代普遍存在的人类解释者也不会免费。个人、公司、基金会或开源项目都可以搭建我们需要的部件，但它们不会自行选择共享。

在一家企业或一个行业内部建立来源与修正结构，是一个可处理的问题，因为企业有理由这样做。让这些结构跨越更广泛的生态，并产生社会收益，则是另一类问题。它和所有公共品一样，并不天然归属于某一个特定主体。

如果要实现更高层次的协调，任务将落到标准制定机构、大型采购方和有前瞻性的监管者身上。若缺少这些力量，市场仍会形成，只不过会以少数企业为中心，各自使用专有方法判断什么值得信任。

届时，审查只能朝一个方向进行：企业知道并决定自己的代理依据了什么信息，受到决定影响的人却无从知晓。

这样的局面既不公平，也不稳定。几家占主导地位的私人企业看似提供了多样性，但没有人知道三个来源是否只是同一个来源披了三件外套。私有封闭还会带来很高的运行成本：如果每家公司只信任自己的来源，使用外部信息就会十分昂贵。一个只能依据所有者亲自核验过的信息采取行动的代理，也只能在那栋办公楼里获得信任。因此，公共利益与商业利益最终指向了同一个方向。

无论如何，替代传统读者的系统都会被建造出来。它究竟能服务整个信息生态，还是只服务少数企业，正在此刻被决定；因为现在，相关标准还没有变硬。

这篇文章从一个容易被忽略的变化出发：信息正在从“供人参考的内容”变成“机器执行的中间投入”。过去，一条错误消息会误导读者；在代理链中，同一条消息可能触发付款、拒绝申请、调配库存或发布软件。

作者的机制链条可以概括为四步：

文章提出的制度回应也不是一句“保证数据质量”，而是一套闭环：为每项输入保留来源与版本，记录谁使用过它；来源更新时，把修正送到所有下游；为已经发生的行动提供暂停、复核和回滚；在涉及个人权利时，保留说明理由和提出异议的渠道。

市场会优先在错误代价高、买方支付能力强的领域建立这套设施。金融、医疗和法律信息可能走在前面。公共部门的难点在于，系统的购买者与承担错误后果的人并不相同。政府采购因此成为把公共需求转化成产品要求的杠杆。

这套论证也有清楚的边界。完整的代理经济尚未出现，文章从当前的自动化系统、双边代理市场研究和Robodebt等案例推演未来风险。它证明了制度缺口已经存在，却不能证明所有AI代理都会形成同一种市场结构，更不能证明溯源和纠错标准足以解决偏见、权力和责任问题。

真正值得持续观察的指标包括：代理行动中有多少可以追溯到具体来源和版本；一项修正传到所有下游需要多久；错误行动能否回滚；受到决定影响的人能否取得理由并提出异议；不同代理是否依赖同一批模型与信息源。

文章最终提出的不是“机器能否像人一样怀疑”，而是一个更可操作的问题：谁负责把怀疑、修正和责任写进机器之间的连接方式。相关标准仍在形成，选择也仍然存在。

当AI代理替你订票、采购、筛选简历或处理申请时，你最希望保留哪一种权利？

欢迎在留言区说说你的判断。

我是「译文之外」，尝试用严肃翻译和通俗导读，拆开泛财经外刊背后的概念、证据与现实背景。

如果你觉得这篇有收获，欢迎点赞、在看、转发。也欢迎留言：当机器替你作出决定时，你最希望保留哪一种知情、纠正或申诉权？我们下篇见。

英文原文著作权归作者及Project Syndicate所有。