收益：
- 能够根据任务风险级别区分人工智能在经济分析中实时保存的地方（数据整理、草稿、代码、总结）以及在哪些地方（预测责任、政策决定、官方数据）留给称职的经济学家决策
- 能够应用一门学科，通过将每个人工智能输出连接到原始来源（TURKSTAT/EVDS/IMF）、重新计算并通过经济常识的过滤器来验证每个人工智能输出。
- 能够识别假数字（幻觉）、旧数据截止日期和机密数据泄露的风险，并养成选择安全工具和资源的习惯。
经济学家的办公桌实际上是一个数据和文本工厂：您早上解读 TURKSTAT 的通胀数据，下午为开发机构编写政策说明，清理时间序列并尝试在晚上做出预测。这项工作大部分是机械性的，而不是脑力劳动：下载数据、转换单位、编辑表格、总结长报告、编写代码。人工智能（AI——大型语言模型和辅助工具）恰恰减轻了这种机械负担。但让我们从本模块中将重复的一句话开始：人工智能是经济学家的助手，而不是取代他的专家。通胀预测、货币政策提案或公开数据的责任始终由签署者和机构承担。
把这个单元想象成一本“用户手册”：在这里我们将列出在哪里放置人工智能，在哪里不放置它，以及如何验证每个输出。其他十个单位都会给这个骷髅加肉。
人工智能在经济学中加速了什么，没有加速什么？
让我们根据风险级别将任务分为三个框。这个区别是整个模块的指南针。
绿框——人工智能功能强大，速度更快（仍在审查中）。编写数据下载代码，建议清理数据的步骤，总结长报告或文章，生成图表代码，简化和格式化文本，解释术语，翻译，起草政策说明框架。在这里，错误的成本很低，而且错误很容易被发现。
黄色框——人工智能提供帮助，但需要人工验证。建立时间序列模型、回归解释、情景计算、指标解释、文献综合。在这里，AI 制作了一个蓝图；但如果不逐行检查，数字、假设和经济逻辑就无法发挥作用。
红框——责任在于人类，人工智能无法决定。官方通胀/增长数据的最终批准、货币或财政政策提案的所有权、公开预测的签署、转变为投资/信贷决策的意见。这里人工智能只产生输入；判断、责任和签名均属于本人。
提示：如果您不确定将任务放入哪个框中，请提出以下问题：“如果此输出结果是错误的，谁会受到伤害？该错误是否容易被注意到？”如果损害很大并且错误被隐藏，则该任务接近红色。
人工智能的三个基本限制
为了在经济学中安全地使用它，我们必须首先知道它的缺陷在哪里。
1）捏造（幻觉）。大语言模型有时会用自信的语言组成一个它不知道的数字或来源。 “2023年经常账户赤字为452亿美元”这句话似乎是正确的，但可能是完全错误的。在经济学中，这是致命的：错误的数字会毒害报告、预测和决策。
2) 数据截止日期。模型的训练数据在某个日期停止。最新的通货膨胀、最新的利率决定以及昨天的汇率可能不包括在该信息中。人工智能实际上可能会给你一个几个月或几年前的数字作为“最新数据”。
3）因果盲目性和缺乏背景。人工智能捕捉语言模式；不“理解”经济因果关系。他流利地说出诸如“当利率上升时，通货膨胀下降”之类的句子，但他无法评估这些句子在什么条件下有效，或者在哪个国家哪个时期发生了相反的情况。它看不到结构性断裂（危机导致模式改变）。
注意：仅仅因为一个句子流利且自信并不意味着它是正确的。人工智能最有说服力的时候也可能是最错误的。
验证规则：SOURCE-ACCOUNT-FIlter
该模块的核心是一个习惯。每个 AI 输出都经过三个步骤：
- 消息来源。每个数字和事实主张都与原始来源相关联。通货膨胀来自 TURKSTAT，汇率和国际收支来自 CBRT，全球预测来自国际货币基金组织。你引用的是官方公布的数据，而不是AI给出的数字。
- 账单。您至少手动重新计算每个派生数字一次。增长率、实际价值和指数是否由正确的公式得出？查看纸上的一段时间。
- 筛。你通过经济常识来传递结果：这个规模合理吗？标志正确吗？在历史范围内吗？有什么矛盾吗？不合理的结果往往是错误的信号。
三个迷你箱子
案例 1 — 捕捉假人。一位发展机构分析师告诉 YZ“按省份制作 2023 年出口数据表”。 AI给出了一张不错的图片。在SOURCE步骤中，分析师查看了TUIK的外贸统计数据，发现三个省份的数据是实际数据的两倍；人工智能用“看起来合理”的数字填补了缺失的信息。分析师扔掉了表格，直接从 TURKSTAT 中提取数据。这个捏造的数字在被纳入报告之前就被抓获了。
案例 2 — 过时的数据陷阱。有经济记者问YZ，“目前的政策利率是多少？”他问道；他得到的答案是八个月前的比率。这位有ACCOUNT/SOURCE习惯的记者查看了CBRT最后的MPK（货币政策委员会）决定，并使用了正确的汇率。如果他不问，出版社就会产生错误的兴趣。
案例 3 — 经济过滤器。一名学生研究员让人工智能计算出真实工资序列。结果表明，实际工资一年内增长了 140%。 FILTER 步骤开始发挥作用：这个尺寸是不现实的。在代码中，人工智能使用了错误基数的平减指数（价格修正指数）。发现了错误，修正了公式，结果落在合理范围内。
四个可复制模板
1）系统提示定义角色和边界：
您的角色：高级经济学家的助理分析助理。规则： (1) 不要编造任何我没有给你的数字。如果您不知道，请说“您需要验证此数据”。 (2) 指定您提供的每个数字应从哪个官方来源（TURKSTAT/CBRT/IMF 等）进行确认。 （3）在提出因果关系时，明确说明条件和不确定性。如果你明白了，请用一句话来确认。
2) 来源确认请求：
分析以下主张：“[主张]”。列出我应该查看哪些官方/主要来源（机构、出版物名称、系列）来验证这一点。确定权利要求中的每个数字属于哪个定义和时期。不要给出你自己记忆中的数字。
3）提示过滤输出：
检查以下分析结果的经济一致性：符号是否有意义、大小是否在历史范围内、单位是否一致、是否存在隐藏的假设？用“验证”标签标记您发现可疑的任何内容。
4）任务风险分级要求：
我将执行以下任务：“[quest]”。将其分类为绿色（机械、低风险）、黄色（草稿、人工验证）或红色（人工决策/责任），并用一句话解释原因。
弱提示/强提示
弱提示：
写一篇关于土耳其经济的分析。
无上下文且无限制；人工智能产生通用的、无源的、无法验证的文本。
强力提示：
您的角色：分析助理。我有来自 TURKSTAT 的 2019-2024 年度 CPI 和 GDP 增长数据（如下）。根据此数据撰写 3 段评论草案；从我给你的表中取出每个数字，不要添加外部的数字；不清楚的地方写上“必须核实”。最后列出我需要手动检查的点。[表]
该提示将角色、资源、约束、验证期望一起给出；输出变得可审计。
常见错误
- 将 AI 给出的数字视为来源。人工智能不是一种资源，而是一种资源。来源为 TURKSTAT/CBRT/IMF。
- 将流畅性误认为准确性。一个写得好的句子也可能是错误的。
- 绕过任务框。与绿框一样快地通过红框工作是最昂贵的错误。
- 忘记数据截止日期。询问“当前”并获取旧号码。
- 不加区别地将机密/市场敏感数据粘贴到工具中。我们将在下一个单元中看到侵犯隐私的行为。
- 跳过手动计算步骤。使用派生的数字而不进行任何检查。
综上所述
人工智能是一个强有力的助手，大大减轻了经济学家的机械负担；但预测、政策和官方数据的责任仍然在于人。将任务分类到绿-黄-红框中，牢记人工智能的三个基本限制（制造、数据截止日期、因果盲目性），并将每个输出通过源-账户-过滤规则。这三个步骤是模块其余部分的安全带。
应用任务
从您自己的工作中选择一个真实的一周，并列出您该周完成的 10 项经济任务（例如“解释通货膨胀数据”、“准备省级出口表”、“生成报告摘要”）。将每个任务分类为绿色/黄色/红色。然后在绿色框中选择一项任务，让 AI 使用上面的模板 1 和 3 来完成，并使用 SOURCE–ACCOUNT–FIlter 检查输出，并记下您发现的至少一个错误。
清单
- [ ] 我将任务正确放置在绿色/黄色/红色框中。
- [ ] 我从主要官方来源确认了人工智能给出的每一个数字。
- [ ] 我手动重新计算了至少一个派生数字。
- [ ] 我通过经济常识（符号、大小、单位）过滤了结果。
- [ ] 我检查了数据截止日期和新近风险。
- [ ] 我没有使用机密/敏感数据或使用安全/批准的工具。
- [ ] 我已声明输出的所有权，并坚持我拥有最终判断和签名。