AI-tijdschriftartikelen vormen een groter risico voor het carrière-evaluatieproces dan voor het onderzoeksproces. AI kan artikelen produceren die vergelijkbaar zijn met die in veel fatsoenlijke tijdschriften, maar de meeste van deze artikelen zijn niet zo goed—zowel de AI-artikelen als die in tijdschriften. In de post gebruikt @causalinf Claude om een shift-share paper te schrijven. Helaas overstijgt het publicatiesucces van shift-share papers ver hun nauwkeurigheid of betrouwbaarheid in de echte wereld. Er is een hele klasse van methoden zoals deze, die goed zijn voor carrières omdat ze betrouwbaar goede t-statistieken en mooie verhalen voor redacteuren en beoordelaars produceren—bijv. afstand IV's, slecht geïdentificeerde structurele modellen, diff-in-diff met weinig tijdsperioden, enz. [hans_unpopular_opinion.gif] Het is niet universeel waar, maar voor het grootste deel voegde de klasse papers die AI snel kan reproduceren niet zoveel sociale waarde toe in de eerste plaats. Blader door recente edities van de top econ tijdschriften en vind de artikelen waarvan je denkt dat ze echt correct en belangrijk zijn. Heel, heel weinigen daarvan vallen in de categorie "AI had dit kunnen schrijven." In plaats daarvan zijn het goede originele ideeën, creatieve (en vaak moeilijke) gegevensverzameling, originele oplossingen voor echte problemen. Misschien zal AI deze ook ooit produceren, maar op dit moment is het nog lang niet zo. AI-artikelen onthullen voornamelijk het feit dat een heleboel econ onderzoek formulematig is en niet zo informatief over de wereld. Origineel werk dat iets nieuws en belangrijks over de wereld zegt, zal blijven opvallen, althans voor de tijd being. Misschien zal de AI-slopcopalypse meer onderzoekers dwingen om werk te doen met blijvende waarde.