千亿美元砸向AI为何未能提升生产率？AI时代求解“生产率悖论”

　　美国国家经济研究局在今年一份超大规模企业AI使用调查中，询问了美国、英国、德国和澳大利亚近6000名高管。结果显示，尽管七成受访企业已在不同程度上使用了AI，但超过80%的高管表示，过去三年内AI对其企业的就业水平和生产率均未产生可衡量的影响。

　　这并非一个全新现象。1987年，诺贝尔经济学奖得主索洛在一篇评论中写下那句名言：“你能在任何地方看到计算机时代，唯独在生产率统计数据里看不到。”这在后来被称为“索洛悖论”，即“生产率悖论”。

　　如今，这个悖论正在AI领域重演。风险咨询公司达信今年发布的

　　对于这背后的原因，世界经济论坛人工智能卓越中心人工智能应用与影响力负责人巴索在接受时解释道：“核心问题并非出在技术本身。对于许多应用和落地场景而言，技术已经足够成熟了。问题更多出在领导力、人才和流程上。”

　　调查显示，一方面，AI在实际运营层面的渗透程度可能远低于账面上的投入数字。NBER发现，尽管三分之二的高管表示自己会使用AI工具，但他们平均每周使用AI的时间仅为1.5小时；还有四分之一的受访高管完全不用AI。

　　在达信报告中，“对AI缺乏信心和采纳AI的心态障碍”在高管层的风险排名中位列第三。受访者中，40%将“对AI投入但未配套员工培训和再培训”列为最担忧的问题，另有38%担心HR部门对AI知识的匮乏正在阻碍人力转型。

　　另一方面，问题可能出现在技术与组织流程的错位中。达信在报告中写道，当前多数企业的失误在于，“将AI视为可以安装在现有岗位和流程上的附件，从而只带来边际效率提升，而不是实质性改变”。

　　达信中国区首席执行官、美世中国区总裁李兆琦对表示：“当落后的生产关系匹配不上先进的生产力时，新技术的优势是发挥不出来的。如果员工原本只会赶马车，现在直接给他一辆汽车，一切都必须重新来过。企业一上来不能只想着削减成本，而是要先明确员工是否愿意转型，并重新搞定分工与流程，将岗位重塑落到实处。”

　　她解释称，在没有AI的传统时代，最初的岗位设计默认所有工作要素都需要由人类、甚至多个人协同完成。因此，除非重新梳理所有工作流程和岗位，明确划分出AI和人类的职责边界，否则直接用AI替换人力的流程无法运转。

　　李兆琦以产品经理为例称，未来这一工种的任务可能会被拆分，机械性的总结工作交给AI，但涉及核心的商业判断，即便AI能够给出清晰的条理分析，最终选择“信还是不信”的决策责任，依然在人。在岗位重组和技术成熟度完美匹配之前，技术带来的红利无法全面释放。

　　另外，麻省理工学院2025年8月的一份研究发现，企业AI项目的失败率据报道高达95%。究其原因，巴索表示称：“很多企业都在做试点项目，他们虽然在推进，但这些项目都孤立在各自特定的业务职能内部。这些处于试点阶段的流程彼此割裂、互不相通，企业无法以此进行资本化沉淀，也无法在彼此之上叠加并创造价值。”

　　世界经济论坛6月发布的

　　报告由此提出“AI优先”的理念，即系统性地重塑工作流、岗位角色和决策权，使AI成为大规模创造和交付价值的战略杠杆。巴索称，“AI优先”并非指AI比人更重要，而是必须首先考虑如何最大限度利用AI优势。

　　巴索对介绍称，报告发现，那些在AI应用中做得好的企业普遍构建了一套被称为“智能引擎”的核心数据架构。“这是公司的核心，所有业务流程的数据都围绕着这个智能引擎进行连接。他们的所有工作流都是自动化且互联的，并形成反哺：他们从智能引擎中获取信息，同时在处理完这些信息后又将其输送回去，形成一个持续的价值创造闭环。”她解释称。

　　此外，这些企业还拥有可扩展、自适应的技术栈。巴索表示：“因为没人知道未来的技术栈会变成什么样，所以他们从设计之初就使其易于适配和更改。在此基础之上，他们能够清晰地了解应该将人才安排在哪些最合理的岗位上。”

　　李兆琦也表示，要真正发挥技术的作用，组织层面必须做出改变，推行全员学习，并进行组织建制、分工流程的重新梳理。达信在报告中强调了“工作再设计”的概念，即将职位分解为具体任务，逐一评估哪些可以被AI替代、辅助或优化，再据此重新定义人与AI各自的角色边界。

　　“对于传统公司来说，做出这样的改变绝非易事。”巴索表示，“要做到这一点，不仅要调整技术层面，还必须改变组织架构。领导层必须作出改变，而有时管理层在这些决策中往往牵涉既得利益。因此，大型企业要发生这种彻底的转型是极具挑战性的。相比之下，规模较小的初创企业做起来就非常容易，他们也正是目前成功将技术效益最大化的群体。”

　　谈及当前企业面临的“AI投入焦虑”，李兆琦称，任何新工具和新流程的采用都需要时间来沉淀。“技术本身已经就绪，但一个组织如何吸收和应用它，绝非一刀切的问题，”李兆琦比喻道，这就像拿到一辆新车，企业必须先去熟悉它，经历从“小步尝试”到“大步奔跑”的调适期，“不可能今天投入技术，明天就立刻看到生产力的飞跃。”

　　斯坦福大学经济学家布鲁姆也持有类似观点。他发现，与计算机和互联网等传统技术的演进规律大相径庭的是，AI并非先在工作场所普及、再逐步渗透进千家万户，“人们在工作之外使用 AI 的频率，实际上超过了在工作场景中的使用”。其次，小型企业和自雇人士对 AI 的采用速度明显快于大型企业。

　　布鲁姆表示，就经济学中的“J曲线”而言，重大技术通常需要10年以上的时间沉淀，才能在宏观层面上产生实质性影响。“历史经验来看，蒸汽机、电动机、计算机和互联网在长期来看都产生了颠覆性的效果，但在问世的前5年里，对宏观经济几乎没有留下任何印记。”他表示，但许多人预测，生成式AI将打破历史惯性，在5年内迅速释放出近期的爆发性红利。