Artykuły naukowe AI stanowią większe ryzyko dla procesu oceny kariery niż dla procesu badawczego. AI może produkować artykuły porównywalne z tymi w wielu przyzwoitych czasopismach, ale większość z tych artykułów nie jest zbyt dobra—ani te stworzone przez AI, ani te w czasopismach. W poście @causalinf używa Claude'a do napisania pracy o shift-share. Niestety, sukces publikacyjny prac o shift-share znacznie przewyższa ich dokładność lub wiarygodność w rzeczywistym świecie. Istnieje cała klasa metod tego typu, które są dobre dla kariery, ponieważ niezawodnie produkują dobre statystyki t i ładne historie dla redaktorów i recenzentów—np. IV odległości, słabo zidentyfikowane modele strukturalne, diff-in-diff z niewielką liczbą okresów czasowych itp. [hans_unpopular_opinion.gif] To nie jest uniwersalnie prawdziwe, ale w większości przypadków klasa prac, które AI może szybko reprodukować, nie dodawała zbyt wiele wartości społecznej od samego początku. Przejrzyj ostatnie wydania najlepszych czasopism ekonomicznych i znajdź artykuły, które uważasz za naprawdę poprawne i ważne. Bardzo, bardzo niewiele z nich należy do kategorii "AI mogłoby to napisać." Zamiast tego są to dobre oryginalne pomysły, kreatywne (i często trudne) zbieranie danych, oryginalne rozwiązania rzeczywistych problemów. Może pewnego dnia AI również to wyprodukuje, ale teraz nawet nie jest blisko. Artykuły AI głównie ujawniają fakt, że wiele badań ekonomicznych jest schematycznych i nie dostarcza zbyt wielu informacji o świecie. Oryginalna praca, która mówi coś nowego i ważnego o świecie, nadal będzie się wyróżniać, przynajmniej na razie. Może apokalipsa AI zmusi więcej badaczy do wykonywania prac o trwałej wartości.