代理AI仍然从根本上建立在大型语言模型（LLMS）上。 LLM预测用户提示最有可能延续并模拟类似人类的推理的LLM构成了代理AI的核心。设置代理与简单LLM区别的是它访问其环境，从API，传感器，在线数据和用户交互的信息。这使代理可以超越标准LLM的局限性，该标准LLM只能根据训练的数据进行预测。
通过这种环境访问，代理AI可以比简单的LLM更全面地处理一项任务。它不仅可以设定目标，还可以独立计划，计划，执行和监视操作。因此，代理AI标志着创建真正的AI同事迈出的重要一步。
这些代理是自主的，能够处理工作流程中的多个任务。例如，单个代理可以管理库存，预测和报告准备：通常需要几个人的任务。结果，工作位移可能不是一对一的，并且可能更高。考虑到这些现实，代理AI体现了关于AI接管人类工作的许多共同问题。
代理AI的政策含义可以大致分为两种情况。在第一种情况下，重要的是要认识到，即使国内需求的增长，出口仍然在印度的增长故事中仍然发挥关键作用。
在2024 – 25年，总出口达到了创纪录的8249亿美元。某些部门（例如它）特别是服务出口密集型。在2024 – 25年，印度出口了3875亿美元的服务，主要在其中，咨询，金融和数字技术。像IT这样的出口密集型部门直接雇用了约500万工人，而纺织业则雇用；另一个出口密集型部门雇用了超过四千万。但是，代理AI的到来可能会大大改变印度出口的方式。保持强大的出口余额需要更高的生产率和效率，以最大程度地以最低成本提高产出。采用AI的国家可能会降低生产成本，使其商品在国际上更具竞争力，部分原因是我们之前讨论的非线性工作流离失所，部分是由于AI本身的专业知识。如果敌对的国家，服装，面料，珠宝，珠宝或药品在印度在印度之前就可以直接影响印度的外观，并提供进出口的进口。
但是，这些部门的AI采用不一定要取代所有直接工人。取而代之的是，它可以在像IT这样的领域及其在诸如纺织品等领域的间接效果中具有直接效应，在纺织品中，代理AI被应用于物流等后端操作。
最终，这可能会使印度的出口竞争对手具有竞争优势，可能导致出口侵蚀和不成比例的失业，尤其是在像这样的高薪部门。
最近的事态发展表明，AI采用已经导致工人的不平衡结果。 9月4日，Salesforce宣布在旧金山宣布裁员超过250个，其首席执行官将AI归功于AI减少对人工劳动的依赖。几天后，即9月9日，Oracle在印度裁定了100多名员工，这是向AI和削减成本的转变的一部分。
相比之下，沃尔玛（Walmart）正在利用AI简化运营，同时保持其160万个美国的劳动力完整，押注该技术将把角色转变为高薪，更多的技术职位，而不是消除它们。
这些案例共同介绍了AI采用的两个方面：提高生产力或直接替换工人。在这两种情况下，较低的成本都给印度等国家的出口国提供了压力，这可能难以坚持其出口份额
进入第二种情况，让我们假设印度采用代理AI保持竞争力。尽管这在纸上看起来可能有益，但它带来了不同的挑战。使用代理AI可能会破坏传统的Solow增长模型，该模型假设技术可以补充劳动力并提高生产力。
相反，这些AI代理可以取代劳动力而不是增强劳动力。结果，即使产出不断增长，印度也可能保持其出口份额，因为停滞或较慢的GDP增长。但是，在印度实施AI并不是直接的。即使成功，这些代理商产生的许多财富也可能向西流动，因为印度仍在准备AI种族方面。
像Chatgpt这样的工具在印度已经拥有大型用户群，而本土LLMS尚未获得大量的吸引力。根据玛丽·米克（Mary Meeker）的AI趋势报告，印度现在是Chatgpt最大的用户群，在每月活跃的用户中超过了美国。印度约占全球CHATGPT用户的13.5％，而美国为8.9％，印度尼西亚为5.7％。
最终，两种情况都面临着自己的挑战。不采用AI会削弱竞争力；在采用它的同时，风险会失业。因此，AI的到来需要精心设计的政策响应，因为它很可能以难以预测的方式暴露了印度的结构弱点。
一方面，如果使用良好的话，人工智能可以提高现有工人的生产率，但另一方面，它也可以创建我们前面概述的政策困境。这使得仔细平衡和深刻的内省对于了解代理AI可能对经济产生的效果的范围至关重要。
例如，政策制定者必须确定代理AI构成较高劳动力替代风险的部门，并将其与风险较低或AI实际上可以带来明显好处的行业区分开。因此，有效的响应将是一个全面的计划，将多个政策目标整合到一个连贯的框架中。
Amit Kapoor是主席，Mohammad Saad是竞争力研究所的研究员。
（tagstotranslate）AI（t）人工智能（t）代理AI（t）AI工作损失（t）AI工作（t）chatgpt
关键词：