谷歌AGI团队研究了AI会不会取代人的工作?

这是一篇理论工作论文，推演的是有条件的经济情景，并没有给出“大规模失业倒计时”。

一、AI超过普通人，为什么仍可能输给一支团队？

AI也从“单兵跑分”转向“组织协作”。

过去行业评估 AI 常用的是 Benchmarks（基准测试，如能不能考过律师资格证、高考能考多少分）。但论文指出，现实经济的基本单位是公司和组织，而不是孤立的个体。 

• 马赛克智能（Mosaic Intelligence）：人类没有全能天才，每个人都是偏科的“锯齿状专才”。公司存在的意义，就是把互补的专才拼成团队，发挥比较优势。

• AI 的致命短板：当前的 AI 极度缺乏协作能力，同质化大模型复制 1000 份，盲区和内耗完全重叠。在多 Agent（智能体）协作测试中，内耗极其严重，任务失败率高，这就是限制 AI 无法在现实中大规模重组企业的“科斯天花板（Coasean Ceiling）”。

想象一家软件公司：有人擅长编程，有人擅长理解客户，有人负责协调交付。

每个人都有短板，但通过分工，他们能够共同完成任何一个人都做不好的项目。

论文将这种互补称为“马赛克智能”：组织把不同人的长处拼接起来，形成集体能力。

同一个AI模型复制十份，可以增加工作量，却未必补齐它共同的短板。因此，AI超过人类平均水平，并不自动意味着纯AI组织能战胜搭配合理的人类团队或人机团队。

对个人而言，一个更有用的问题是：我在哪个环节，能够补上整个团队的关键缺口？团队可能是你的家庭、可能是你工作的公司、不同形式的组织

二、决定变化方向的，是两条能力轴

论文用一套严密的经济学模型，将 AI 分为进化的四个阶段，并推演了它对人类工位和薪资等经济内涵的重构：

第一条是任务能力：代码写得更准确，分析做得更深入。同样规模的团队，可以交付更多成果。

第二条是协调能力：能否分工、共享信息、衔接步骤，让团队扩大后仍然高效。

这一区别，解释了两个看似相反的未来。

当任务能力提升、协调仍有限时，企业可能更加精简：少量人类组织AI，完成过去更多人的工作。

当AI协调能力跨过关键门槛时，大型组织可能获得持续的规模优势，推动市场向少数AI主导企业集中。

三、“科斯天花板”是什么意思？管理也有成本。人数增加后，会议更多、交接更复杂，信息容易丢失，目标也容易偏离。

这些摩擦构成了企业规模的天花板。

论文讨论的是：如果AI能够让扩大组织带来的收益持续超过协调成本，这个天花板就可能被突破。

所以，“一人公司越来越多”和“超级企业越来越大”，可以出现在不同的能力条件下。

这里还要分清：论文中的组织规模包含人类与AI智能体。员工少了，不代表业务规模小了。

四、就业冲击，可能有两条路径

一条发生在公司内部：人机团队不断调整，部分任务交给AI，人类岗位逐步减少或改变。

另一条发生在公司之间：一家AI企业以更低成本、更稳定的交付赢走客户，原有的人类企业退出市场。

前者表现为岗位调整，后者可能表现为整家公司失去订单。论文说明，两种组织结构可以产生渐进或突发的就业变化；突发替代也不必等到所有AI能力全面超过人类才发生。

这给我们的提醒是：除了看自己的任务是否会被自动化，也要看所在公司的交付方式是否仍有竞争力。

五、效率提高，工资为什么未必提高？

论文把工资变化拆成两部分：

技术效应：保持企业原有结构，AI进步会怎样改变人的价值？

重组效应：企业改变规模、人机比例和岗位搭配后，人的价值又怎样变化？

一个岗位可能因为AI能够完成同样任务而承压；也可能因为企业重组，需要一个岗位可能因为AI能够完成同样任务而承压；也可能因为企业重组，需要有人组织更多AI、解决更复杂的问题，而变得更有价值。

重组效应可以抵消甚至逆转原来的工资压力，但这绝不意味着所有管理者都会涨薪，或协调工作永远安全。

总结一下：

他们重构了对“AI 抢饭碗”的传统认知：岗位可能依然存在，但人类的议价权会率先消失。随着 Agent 协作能力的突破，旧有企业边界和薪资防线将面临解体。

看完我更认为人要靠自己的，搭建系统。

参考：Imas、Koh、Legg，《Organizing Intelligence》，《The Economics of Intelligence》。配图依据论文机制重绘。