关键观点
预测重点应从点估计转向情景与可观测条件受访者认为，经济学家对劳动市场的个人预测分歧巨大，历史表现也不可靠。更有价值的方法是先设定劳动份额归零、保持稳定等不同情景，再推导每种情景需要哪些稀缺性、偏好和生产结构。预测市场可以汇总分散判断，而情景模型则能反向指导数据收集。当前最缺少的是消费者需求弹性、岗位任务变化和新职业形成等基础数据。
受访者认为，经济学家对劳动市场的个人预测分歧巨大，历史表现也不可靠。更有价值的方法是先设定劳动份额归零、保持稳定等不同情景，再推导每种情景需要哪些稀缺性、偏好和生产结构。预测市场可以汇总分散判断，而情景模型则能反向指导数据收集。当前最缺少的是消费者需求弹性、岗位任务变化和新职业形成等基础数据。
为什么重要: 这意味着政策不应押注单一路径，而应围绕能够区分不同情景的指标建立监测和触发机制。
支撑证据
What is really useful is to think about the potential scenarios, map them out, and say what dimension of scarcity will generate each scenario.
历史自动化并未消灭劳动，但 AGI 可能带来结构断点李嘉图正确预见旧岗位会被机器替代，却没有预见价格下降、实际购买力提高和服务业新岗位出现。劳动份额长期维持在约六成，是一个令人惊讶的稳定事实，也说明资本与劳动长期具有互补性。不过，以往所谓自动化仍依赖供应链上游的人类劳动。若某些商品首次实现全链条自动化，其网络调整后的资本份额达到一，这将是与工业革命不同的质变。