Các bài báo về AI là một rủi ro lớn hơn đối với quy trình đánh giá sự nghiệp so với quy trình nghiên cứu. AI có thể sản xuất các bài báo tương đương với những bài trong nhiều tạp chí tốt, nhưng hầu hết các bài báo này không tốt lắm—cả bài của AI lẫn bài trong các tạp chí. Trong bài viết, @causalinf sử dụng Claude để viết một bài báo về shift-share. Thật đáng tiếc, sự thành công trong việc xuất bản các bài báo shift-share vượt xa độ chính xác hoặc độ tin cậy của chúng trong thế giới thực. Có một lớp phương pháp như vậy, tốt cho sự nghiệp vì chúng sản xuất một cách đáng tin cậy các t-statistics tốt và những câu chuyện hay cho các biên tập viên và người phản biện—ví dụ như IV khoảng cách, các mô hình cấu trúc xác định kém, diff-in-diff với ít thời gian, v.v. [hans_unpopular_opinion.gif] Điều này không hoàn toàn đúng, nhưng phần lớn, lớp bài báo mà AI có thể nhanh chóng tái sản xuất không thực sự tạo ra nhiều giá trị xã hội ngay từ đầu. Lật qua các số gần đây của các tạp chí kinh tế hàng đầu và tìm các bài báo mà bạn nghĩ là thực sự đúng và quan trọng. Rất rất ít trong số đó thuộc loại "AI có thể đã viết điều này." Thay vào đó, chúng là những ý tưởng gốc tốt, thu thập dữ liệu sáng tạo (và thường khó khăn), các giải pháp gốc cho các vấn đề thực tế. Có thể một ngày nào đó AI cũng sẽ sản xuất những điều này, nhưng ngay bây giờ thì nó còn xa lắm. Các bài báo AI chủ yếu phơi bày thực tế rằng rất nhiều nghiên cứu kinh tế là công thức và không cung cấp nhiều thông tin về thế giới. Công việc gốc nói lên điều gì đó mới mẻ và quan trọng về thế giới sẽ tiếp tục nổi bật, ít nhất là trong thời gian tới. Có thể thảm họa AI sẽ buộc nhiều nhà nghiên cứu phải làm việc với giá trị lâu dài.