企业家精神每年NBER夏季的专题研讨会都有很多高质量文章,今年的创业和创新专题
企业家精神每年NBER夏季的专题研讨会都有很多高质量文章,今年的创业和创新专题尤其如此。看到这里的好几篇文章都非常有意思。这一篇和最近火热起来的一人公司(OPC)有关,也和大公司裁员有关。“生成式AI如何改变创业”?《PromptedtoStart:HowGenerativeAIisTransformingEntrepreneurship》探讨了生成式人工智能(GenAI)对创业活动、初创企业特征以及劳动力市场需求的早期影响。以下为AI提炼:1.主要内容:文章研究了GenAI的公开和普及(以2022年底ChatGPT发布为标志)如何改变新企业的创建和初创公司的内部组织结构(pp.2-3)。以往研究多关注GenAI导致成熟企业削减职位或提高个人生产力,而本文则从创业进入(ExtensiveMarginofEntry)这一全新视角出发,探讨了GenAI是如何降低创业门槛、促进“精益创业”、改变创始人技能画像,并最终通过新企业诞生来创造净就业增长的(pp.4,28)。2.研究方法与数据来源📊数据来源(多源异构数据库联动)创业意向与宏观企业创建数据:使用美国人口普查局的商业形成统计(BFS),通过雇员申请(EIN)的实时追踪捕获创业意向(pp.6-7)。细分行业及地理位置数据:使用InfoGroup(现名DataAxle)数据库,获取四位NAICS编码级别的高精度企业注册、初始规模和地理位置信息(pp.7-8)。初创公司及创始人微观特征:将Crunchbase的初创企业记录与LinkedIn(通过RevelioLabs)的员工/创始人简历数据进行匹配,构建了独特的“雇主-雇员匹配数据库”(pp.8-9)。行业就业与薪资整体效应:结合美国人口普查局的季度劳动力指标(QWI),重点对比0-1岁新企业与老企业的就业及薪资差异(p.8)。🔬研究方法(双重差分法+创新风险暴露指标)GenAI暴露率衡量(AEI创新指标):文章摒弃了传统的“专利文本相似度”或“专家主观评估”方法,创新性地采用了Anthropic经济指数(AEI)(p.10)。该指数通过分析Claude.ai真实用户数百万次对话中特定任务的查询占比,构建了前瞻性的任务级、职业级和行业级GenAI暴露率(pp.10-11)。实证模型:采用双重差分法(Difference-in-Differences,DiD),以2022年底GenAI工具的大规模公测为分界点(Post),比较高GenAI暴露率行业与低暴露率行业在冲击前后的创业表现差异(pp.3,15)。LLM辅助分类管线:利用Perplexity和Tavily等深度研究API,通过抓取网页和公开信息,将初创企业精确分类为“AI原生型(AI-native)”和“AI赋能型(AI-enabled)”(pp.20-21)。3.主要结论,揭示了GenAI时代创业的全新生态:🔥激发高暴露行业创业潮,共存双重机制:在ChatGPT发布后,高GenAI暴露行业的初创企业数量显著增加了20%(pp.3,18)。这种增长不仅体现在利用AI优化内部流程以降低成本的“AI赋能型”企业中,更体现在大量提供全新AI数字化产品或服务的“AI原生型”企业中(pp.3,19)。📍创业版图地理去中心化(GeographicDispersion):GenAI相关的创业浪潮正在向传统创新中心(如硅谷、硅巷等VC枢纽)以外的区域扩散(pp.4,24)。在缺乏成熟风险投资、本地行业特长劳动力薄弱的地区,新企业成立的增长幅度更大(pp.4,24)。这表明GenAI充当了“按需专家”,削弱了创业对空间集聚和本地成熟VC网络的依赖(pp.22,24)。📉初创企业显现“精益化”与“微型化”特征:单个初创公司在成立初期的员工规模明显变小(高暴露行业初创公司员工数平均减少近25%),且公司内部的职业种类更加集中,展现出“精益创业”特征(pp.24,27)。AI工具替代了大量行政、营销等外围辅助性岗位,使得创始团队能以极低人力维持核心运转(pp.3,31)。💼抵消大厂裁员潮,拉动社会净就业与薪资:虽然单个企业规模变小,但由于新开办的公司基数大幅增加,高暴露行业中初创企业(0-1岁)的总就业人数增长了7.4%,平均薪资增长了约5%(pp.4,28)。最关键的是,大型成熟企业正在裁减软件开发等GenAI高暴露职位,而初创企业则在大举吸纳并雇佣这些高AI暴露岗位的员工,初创公司成为了消化技术转型失业者的关键“安全网”(pp.4,31)。👤创始人技能画像从“PPT/找钱型”向“硬技术型”转变:高暴露行业的创始人越来越多地来自高AI暴露的背景(p.33)。他们在职场社交平台(LinkedIn)上的自我描述中,AI/ML开发和软件工程等“硬核技术技能”大幅增加,而资金募集(CapitalRaising)、交易撮合、管理和物流等“软性或协调型技能”则明显下降(pp.33-34)。四、政策启示(Conclusion延伸):文章最后指出,由于GenAI极大降低了资金和团队门槛,政策制定者如果希望利用AI促进经济增长,其核心重心应从传统的风险投资扶持,转向改善数字基础设施、减少小企业合规成本与法律不确定性,并为因大企业引入AI而转型的毕业生提供“leanstartup(精益创业)”的孵化沙盒与再培训(p.40)。