人工智能经济的规则正在默认形成中。
今年六月我曾指出，“AI末日论者”在计算就业影响时存在误区：他们应关注的是“痕迹”（traces）。痕迹是人与系统交互时留下的印记，包括修正意见、决策判断、促成交易的推理过程，以及未写入手册的变通方案。这些痕迹是公司最有价值的资产之一，但其归属权尚无定论，且这一窗口期不会持续太久。
回顾20世纪20年代广播业的兴起，美国广播电台抢占无线电频率的速度快于法律跟进。直到1927年《无线电法案》通过，控制权已然固化；1934年《通信法案》则予以确认。当年的广播业是一场关于无线电波所有权的官僚之争，而今天的资源是人类智慧——即人们如何推理、决策和创造。若将其视为可提取资源而非需培育的源泉，我们将耗尽未来突破所依赖的基础。
利用员工工作数据构建AI的公司，实际上是在主张对系统学习内容的所有权。若不现在塑造规则，控制最强大模型的公司将设定条款，其他人只能支付“租金”。
智能经济的三层社会契约
为此，我提出针对智能经济的三层社会契约：平台层、组织层和个人层。
平台层：选择权
不应让单一模型成为智能领域不可避免的底层基础设施。随着基础模型能力趋同，持久优势存在于模型之上，即组织在其运行的任意模型之上构建的学习闭环中。服务提供商常使切换成本高昂，将组织绑定在首个采用的模型上。获取AI服务的权利，不应以出让智能为条件。
组织层：主权
组织在AI之上构建的学习闭环、工作流和领域专业知识属于组织本身。人类专业知识正被转化为AI训练数据，例如RedCompass Labs利用认知任务分析（CTA）训练支付专家代理，将数千小时专家工作转化为数据集，教导AI像专家一样推理。
员工使用公共AI工具，实则是在教外部代理了解组织运作，这是模型能学到的最有价值的内容。尽管企业合同通常禁止使用内部数据训练，但对行为痕迹和流程知识的保护远未确立。常规操作可保持透明，但异常情况——如无视脚本却成功成交的销售代表，或修复手册未记载问题的工程师——其生成性部分的主张应归属于改变结果的那个判断。
个人层：增值
此处借用投资者语境中的“增值”含义：一个人离职时的判断力应高于入职时。模型通过从人类判断中学习变得更聪明，人类是否也因此受益？当雇佣关系结束时，各方各自保留什么？这是争议最少的一层。
AI可能沦为“拐杖软件”，直接给出答案而不要求用户判断准确性或质量。一项研究显示，使用ChatGPT作为学习辅助的大学生，在45天后的突击记忆测试中得分显著低于坚持传统方法的学生。工具给出了正确答案，却剥夺了使学习牢固的记忆提取过程。
但“拐杖”是一种设计选择。哈佛研究人员测试了一款AI导师，它在学生推理出答案之前延迟提供答案。这些学生在课后即时测试中取得了更多学习增益，且耗时少于活跃学习课堂中的同龄人。虽未确立长期记忆效果，但这展示了AI如何被设计以支持学习。
技术应使人更擅长工作，这是我们2017年“教练网络”理论的延伸。第一代技术收集并传播顶尖表现者的做法；下一代必须帮助人们发明新做法，这需要一定的摩擦。若无这种摩擦，随着AI崛起，员工技能将会退化。
人们离开岗位时，应比加入时拥有更多。医生离开医院带走临床判断力，医院保留病历和协议。AI通过同时捕获个人输出和方法，模糊了这一界限。“认知护照”（cognitive passport）可恢复这一界限：这是一种便携式匿名记录，记载个人解决问题的方式，但不包含交易细节、文档和保密流程。公司保留其所学内容，个人保留其判断力。这种可移植性赋予人们持续成长的动力，支持该做法的公司将在招聘中占据优势。
以一位企业销售代表为例。四年间，公司AI观察了她数千次通话及每笔交易，学习了定价策略、谈判技巧、竞争账户情况及高层介入时机。它看到她如何以询问买家上一季度业绩开场，如何在首席财务官加入时放慢节奏，以及面对技术型买家时如何抛弃脚本。随后，它利用这些做法指导团队其他成员。
当她离职时，通话记录、档案、客户信息、交易细节及定价策略仍归企业所有，包括从她那里学到的辅导模型也归企业所有。她的“护照”则记录了她的模式和工作形态，如偏离脚本或推翻系统并被证明正确的时刻。她以特定方式开场的习惯属于她，但公司设定的18%折扣底线不属于她。护照由系统生成，经雇主保密审查后清除，并由未来雇主评估。目前尚不存在通用格式使一家公司生成的护照在另一家公司得到认可。
当前的诱惑是利用AI减少人力工作，这是错误的目标。真正的目标应是使人类思维更强大、持久且具可移植性。人们将继续工作，关键在于他们产生的智能是使其受益并产生复利，还是流向无法控制的平台。
时机尚早，答案仍是选择。麦肯锡研究发现，虽然89%的组织至少在一项业务功能中使用AI，但只有44%开始规模化应用。这正是“真正选择原则”发挥最大影响的窗口期。
明确我的立场：Emergence Capital是一家风险投资公司，我们通过所投公司价值提升获利。但在企业软件领域二十多年的经验表明，当向AI提供思维的参与者信任该系统时，技术才能创造最大价值。
这一框架需要创始人、研究人员、法律学者和劳工声音的压力测试，我预计其中部分内容可能是错误的。在AI时代，人类是唯一的变异引擎。AI可以掌握任何规则固定的游戏，但市场不断改变规则，而人是率先看到新游戏的人。训练当今AI系统的人类判断力应被视为共同作者，而非原材料。