Lợi nhuận:
- Có thể phân biệt nơi nào trí tuệ nhân tạo tiết kiệm thời gian thực trong phân tích kinh tế (tổng hợp dữ liệu, dự thảo, mã, tóm tắt) và nơi nào (trách nhiệm dự báo, quyết định chính sách, số liệu chính thức) quyết định được giao cho nhà kinh tế có thẩm quyền, theo mức độ rủi ro nhiệm vụ
- Khả năng áp dụng một nguyên tắc xác minh từng đầu ra trí tuệ nhân tạo thông qua các bước kết nối nó với nguồn ban đầu (TURKSTAT/EVDS/IMF), tính toán lại và chuyển nó qua bộ lọc theo lẽ thường kinh tế.
- Khả năng nhận biết rủi ro về số giả (ảo giác), ngày hết hạn dữ liệu cũ và rò rỉ dữ liệu bí mật, đồng thời hình thành thói quen lựa chọn các công cụ và tài nguyên an toàn.
Bàn làm việc của một nhà kinh tế thực chất là một nhà máy sản xuất dữ liệu và văn bản: bạn diễn giải dữ liệu lạm phát từ TURKSTAT vào buổi sáng, viết ghi chú chính sách cho một cơ quan phát triển vào buổi chiều, làm sạch chuỗi thời gian và cố gắng đưa ra dự báo vào buổi tối. Phần lớn công việc này mang tính máy móc chứ không phải trí óc: tải dữ liệu, chuyển đổi đơn vị, chỉnh sửa bảng, tóm tắt các báo cáo dài, viết mã. Trí tuệ nhân tạo (AI - mô hình ngôn ngữ lớn và các công cụ phụ trợ) chính xác giảm bớt gánh nặng cơ học này. Nhưng hãy bắt đầu bằng một câu mà chúng ta sẽ lặp lại trong suốt học phần này: Trí tuệ nhân tạo là trợ lý của nhà kinh tế học, không phải chuyên gia thay thế anh ta. Trách nhiệm về dự báo lạm phát, đề xuất chính sách tiền tệ hoặc số liệu được công bố công khai luôn thuộc về cá nhân và tổ chức đã ký vào đó.
Hãy coi đơn vị này giống như một “hướng dẫn sử dụng”: ở đây chúng tôi sẽ chỉ ra nơi đặt AI, nơi không bao giờ đặt nó và cách xác thực từng đầu ra. Mười đơn vị còn lại sẽ đặt thịt lên bộ xương này.
Trí tuệ nhân tạo tăng tốc cái gì trong kinh tế và cái gì không tăng tốc?
Hãy chia nhiệm vụ thành ba hộp theo mức độ rủi ro. Sự khác biệt này là la bàn của toàn bộ mô-đun.
Hộp màu xanh lá cây - AI mạnh mẽ, tăng thêm tốc độ (vẫn đang được xem xét). Viết mã tải dữ liệu, đề xuất các bước làm sạch dữ liệu, tóm tắt một báo cáo hoặc bài viết dài, tạo mã cho biểu đồ, đơn giản hóa và định dạng văn bản, giải thích các thuật ngữ, dịch thuật, soạn thảo khung ghi chú chính sách. Ở đây chi phí sai sót thấp và dễ dàng nhận thấy sai sót.
Hộp màu vàng - AI giúp đỡ nhưng con người xác minh. Xây dựng mô hình chuỗi thời gian, diễn giải hồi quy, tính toán kịch bản, diễn giải chỉ số, tổng hợp tài liệu. Ở đây AI tạo ra một bản thiết kế; Nhưng những con số, giả định và logic kinh tế sẽ không đi đến đâu nếu không được kiểm tra từng dòng một.
Hộp màu đỏ - Trách nhiệm thuộc về con người, AI không thể quyết định. Phê duyệt cuối cùng về con số lạm phát/tăng trưởng chính thức, quyền sở hữu đề xuất chính sách tiền tệ hoặc tài chính, chữ ký của một dự báo sẽ được công bố, một ý kiến sẽ trở thành quyết định đầu tư/tín dụng. Ở đây AI chỉ tạo ra đầu vào; Phán quyết, trách nhiệm và chữ ký thuộc về người đó.
Mẹo: Nếu bạn không chắc chắn nên đặt nhiệm vụ vào ô nào, hãy đặt câu hỏi sau: "Ai sẽ bị tổn thương nếu kết quả đầu ra này sai và liệu lỗi có dễ dàng được nhận thấy không?" Nếu thiệt hại lớn và lỗi được ẩn đi thì nhiệm vụ đó gần màu đỏ.
Ba giới hạn cơ bản của trí tuệ nhân tạo
Để sử dụng nó một cách an toàn trong kinh tế, trước tiên người ta phải biết nó vấp phải ở đâu.
1) Bịa đặt (ảo giác). Mô hình ngôn ngữ lớn đôi khi tạo ra một số hoặc nguồn mà nó không biết, bằng ngôn ngữ tự tin. Câu “Thâm hụt tài khoản vãng lai năm 2023 là 45,2 tỷ USD” nghe có vẻ đúng nhưng cũng có thể sai hoàn toàn. Trong kinh tế học, điều này thật tai hại: một con số sai sẽ hủy hoại một báo cáo, một dự báo, một quyết định.
2) Ngày hết hạn dữ liệu. Dữ liệu huấn luyện của mô hình dừng lại ở một ngày nhất định. Lạm phát mới nhất, quyết định lãi suất mới nhất và tỷ giá hối đoái của ngày hôm qua có thể bị loại khỏi thông tin này. AI thực sự có thể cung cấp cho bạn một con số cách đây vài tháng hoặc vài năm là "dữ liệu mới nhất".
3) Sự mù quáng về nguyên nhân và thiếu bối cảnh. AI nắm bắt các mẫu hình trong ngôn ngữ; không “hiểu” được quan hệ nhân quả kinh tế. Ông đưa ra những câu như "Khi lãi suất tăng, lạm phát giảm" một cách trôi chảy, nhưng ông không thể đánh giá chúng hợp lệ trong những điều kiện nào hoặc điều ngược lại xảy ra ở quốc gia nào trong thời kỳ nào. Nó không thể nhìn thấy sự phá vỡ cấu trúc (sự thay đổi mô hình khi xảy ra khủng hoảng).
Lưu ý: Một câu nói trôi chảy và tự tin không có nghĩa là nó đúng. Trí tuệ nhân tạo ở mức thuyết phục nhất có thể lại sai lầm nhất.
Nguyên tắc xác minh: NGUỒN–TÀI KHOẢN–LỌC
Trọng tâm của mô-đun này là một thói quen duy nhất. Thực hiện từng đầu ra AI qua ba bước:
- NGUỒN. Mọi con số và tuyên bố thực tế đều được liên kết với nguồn ban đầu. Lạm phát từ TURKSTAT, tỷ giá hối đoái và cán cân thanh toán từ CBRT, dự báo toàn cầu từ IMF. Bạn tham khảo công bố chính thức chứ không phải con số do AI đưa ra.
- HÓA ĐƠN. Bạn tính toán lại từng số dẫn xuất theo cách thủ công ít nhất một lần. Tốc độ tăng trưởng, giá trị thực và chỉ số có được tính theo công thức đúng không? Kiểm tra một khoảng thời gian trên giấy.
- SÀNG. Bạn vượt qua kết quả thông qua ý thức chung về kinh tế: Kích thước này có hợp lý không? Dấu hiệu có đúng không? Trong phạm vi lịch sử? Có mâu thuẫn gì không? Một kết quả không hợp lý thường là tín hiệu của sai sót.
ba trường hợp nhỏ
Trường hợp 1 - Bắt hình giả. Một nhà phân tích của cơ quan phát triển đã yêu cầu YZ "lập bảng số liệu xuất khẩu năm 2023 trên cơ sở cấp tỉnh." AI đã đưa ra một bức tranh đẹp. Ở bước NGUỒN, nhà phân tích đã xem xét số liệu thống kê ngoại thương của TUIK và thấy rằng số liệu của ba tỉnh cao gấp đôi dữ liệu thực tế; AI đã điền những thông tin còn thiếu bằng những con số “có vẻ hợp lý”. Nhà phân tích đã ném chiếc bàn đi và lấy dữ liệu trực tiếp từ TURKSTAT. Con số bịa đặt đã bị bắt trước khi đưa vào báo cáo.
Trường hợp 2 - Bẫy dữ liệu lỗi thời. Một nhà báo kinh tế hỏi YZ, "Tỷ lệ chính sách hiện tại là bao nhiêu?" anh ấy hỏi; Câu trả lời anh nhận được chính là tỷ lệ của 8 tháng trước. Nhà báo có thói quen TÀI KHOẢN/NGUỒN đã xem xét quyết định MPK (Ủy ban Chính sách tiền tệ) cuối cùng của CBRT và sử dụng tỷ giá chính xác. Nếu anh không hỏi thì sai lãi đã đi xuất bản.
Trường hợp 3 - Bộ lọc kinh tế. Một sinh viên-nhà nghiên cứu đã nhờ AI tính toán chuỗi lương thực tế. Kết quả cho thấy tiền lương thực tế đã tăng 140% trong một năm. Bước LỌC phát huy tác dụng: kích thước này không thực tế. Trong mã, AI đã sử dụng chỉ số giảm phát (chỉ số điều chỉnh giá) sai cơ sở. Lỗi đã được tìm thấy, công thức đã được sửa và kết quả nằm trong phạm vi hợp lý.
Bốn mẫu có thể sao chép
1) Lời nhắc hệ thống xác định vai trò và ranh giới:
Vai trò của bạn: trợ lý trợ lý phân tích cho một nhà kinh tế cấp cao. Quy tắc: (1) Đừng bịa ra bất kỳ con số nào tôi không đưa cho bạn. Nếu bạn không biết, hãy nói "bạn cần xác minh dữ liệu này". (2) Chỉ định nguồn chính thức nào (TURKSTAT/CBRT/IMF, v.v.) cần được xác nhận cho mỗi số bạn cung cấp. (3) Nêu rõ điều kiện và sự không chắc chắn khi đưa ra yêu cầu quan hệ nhân quả. Nếu bạn hiểu, hãy xác nhận bằng một câu.
2) Yêu cầu xác nhận nguồn:
Phân tích khẳng định sau: "[claim]". Liệt kê nguồn chính thức/chính (tổ chức, tên xuất bản, bộ sách) mà tôi nên xem xét để xác minh điều này. Xác định định nghĩa và giai đoạn mà mỗi số trong yêu cầu thuộc về. Đừng đưa ra những con số từ trí nhớ của riêng bạn.
3) Nhắc lọc đầu ra:
Kiểm tra kết quả phân tích sau đây để biết tính nhất quán về mặt kinh tế: dấu hiệu có hợp lý không, độ lớn có nằm trong phạm vi lịch sử không, đơn vị có nhất quán không, có giả định ẩn nào không? Đánh dấu bất cứ điều gì bạn thấy đáng ngờ bằng thẻ "xác minh".
4) Yêu cầu phân loại rủi ro nhiệm vụ:
Tôi sẽ thực hiện nhiệm vụ sau: "[nhiệm vụ]". Phân loại nó thành màu xanh lá cây (cơ học, rủi ro thấp), màu vàng (dự thảo, con người xác minh) hoặc màu đỏ (con người quyết định/trách nhiệm) và giải thích lý do trong một câu.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Viết một bài phân tích về nền kinh tế Thổ Nhĩ Kỳ.
Không bối cảnh và không giới hạn; AI tạo ra một văn bản chung chung, không có nguồn gốc, không thể xác minh được.
Lời nhắc mạnh mẽ:
Vai trò của bạn: trợ lý phân tích. Tôi có dữ liệu tăng trưởng GDP và CPI hàng năm 2019-2024 từ TURKSTAT (bên dưới). Viết một bản thảo nhận xét gồm 3 đoạn dựa trên dữ liệu này; Lấy từng số trong bảng tôi đưa cho, không thêm số từ bên ngoài vào; Chỗ nào chưa rõ thì ghi "phải xác minh". Cuối cùng liệt kê những điểm tôi cần kiểm tra thủ công.[table]
Lời nhắc này cung cấp cùng lúc vai trò, nguồn lực, ràng buộc và kỳ vọng xác minh; Đầu ra trở nên có thể kiểm tra được.
Những lỗi thường gặp
- Coi con số do AI đưa ra là nguồn. AI không phải là tài nguyên; TURKSTAT/CBRT/IMF là nguồn.
- Nhầm lẫn sự trôi chảy với sự chính xác. Một câu viết hay có thể sai.
- Bỏ qua hộp nhiệm vụ. Vượt qua ô đỏ nhanh như ô xanh là sai lầm đắt giá nhất.
- Quên ngày hết hạn dữ liệu. Hỏi "hiện tại" và lấy số cũ.
- Đưa bừa bãi dữ liệu bí mật/nhạy cảm với thị trường vào công cụ. Một hành vi vi phạm quyền riêng tư mà chúng ta sẽ thấy ở phần tiếp theo.
- Bỏ qua bước tính toán thủ công. Sử dụng số dẫn xuất mà không kiểm tra nó.
Tóm lại
Trí tuệ nhân tạo là trợ thủ đắc lực giúp giảm đáng kể gánh nặng máy móc của nhà kinh tế; nhưng trách nhiệm dự báo, chính sách và số liệu chính thức vẫn thuộc về con người. Sắp xếp các nhiệm vụ vào các hộp màu xanh lục-vàng-đỏ, ghi nhớ ba giới hạn cơ bản của AI (chế tạo, ngày cắt dữ liệu, mù quan hệ nhân quả) và chuyển từng đầu ra thông qua kỷ luật NGUỒN–TÀI KHOẢN–LỌC. Ba bước này là vành đai an toàn cho phần còn lại của mô-đun.
Nhiệm vụ ứng dụng
Chọn một tuần thực tế từ công việc của bạn và liệt kê 10 nhiệm vụ kinh tế bạn đã làm trong tuần đó (ví dụ: "diễn giải dữ liệu lạm phát", "lập bảng xuất khẩu cấp tỉnh", "lập báo cáo tóm tắt"). Phân loại từng nhiệm vụ theo màu xanh/vàng/đỏ. Sau đó, chọn một tác vụ trong hộp màu xanh lá cây và yêu cầu AI thực hiện việc đó bằng cách sử dụng các mẫu 1 và 3 ở trên, đồng thời kiểm tra đầu ra bằng SOURCE–ACCOUNT–FIlter và ghi lại ít nhất một lỗi bạn tìm thấy.
danh sách kiểm tra
- [ ] Tôi đã đặt bài tập chính xác vào ô màu xanh lá cây/vàng/đỏ.
- [ ] Tôi đã xác nhận mọi con số do trí tuệ nhân tạo đưa ra từ nguồn chính thức.
- [ ] Tôi đã tính toán lại ít nhất một số dẫn xuất bằng tay.
- [ ] Tôi đã lọc kết quả thông qua hiểu biết chung về kinh tế (dấu hiệu, độ lớn, đơn vị).
- [ ] Tôi đã kiểm tra ngày hết hạn dữ liệu và rủi ro gần đây.
- [ ] Tôi không sử dụng dữ liệu bí mật/nhạy cảm hoặc sử dụng các công cụ an toàn/được phê duyệt.
- [ ] Tôi đã tuyên bố quyền sở hữu kết quả đầu ra và khẳng định rằng tôi có phán quyết và chữ ký cuối cùng.