数千名CEO刚刚承认AI对就业或生产力没有影响
Source: Hacker News
生产率悖论在 AI 时代再次出现
最初的悖论（1987 年）
- 罗伯特·索洛（诺贝尔经济学奖得主）指出，在 1960 年代（晶体管、微处理器、集成电路、存储芯片）的快速进步之后，生产率增长显著放缓。
- 从 2.9 %（1948‑1973） 降至 1.1 %（1973 年以后）【source】(https://www.brookings.edu/wp-content/uploads/2016/06/199904.pdf)。
- 与提升产出相反，早期计算机往往 产生了过剩信息，生成的详细报告填满了成卷的纸张。
- 索洛的总结如下：
“你可以在各处看到计算机时代的影子，却在生产率统计中找不到。”
— 《纽约时报书评》，1987【source】(https://www.standupeconomist.com/pdf/misc/solow-computer-productivity.pdf)
当今 AI：类似的故事？
- 374 家标普 500 公司 在收益电话会议中提及 AI（2024‑2025 年 9 月）。大多数公司将技术的实施描述为 完全正面，但更广泛的生产率提升仍未显现【source】(https://www.ft.com/content/e93e56df-dd9b-40c1-b77a-dba1ca01e473)。
- 一篇 美国国家经济研究局（NBER）工作论文（2024 年 4 月）调查了约 6,000 名美国、英国、德国和澳大利亚的 CEO、CFO 及其他高管【source】(https://www.nber.org/papers/w34836)。关键发现如下：
| 指标 | 结果 |
|---|---|
| 报告使用 AI 的高管比例 | ≈ 66 % |
| 每周平均 AI 使用时长 | 1.5 小时 |
| 报告 未使用 AI 的高管比例 | 25 % |
| 过去 3 年内公司认为 AI 对就业或生产率 无影响 的比例 | ≈ 90 % |
| 未来 3 年 AI 驱动的生产率增长预测 | +1.4 % |
| 未来 3 年 AI 驱动的产出增长预测 | +0.8 % |
| 预期的公司层面就业变化 | ‑0.7 % |
| 预期的个人层面就业变化 | +0.5 % |
数据所示
- 当前影响有限——大多数高管每周仅使用 AI 大约 1.5 小时，仍有四分之一的高管完全不使用。
- 对未来抱有高度期待——尽管目前使用程度 modest，企业仍预期在未来三年内 实现约 1–1.5 % 的生产率提升。
- 是否重演索洛悖论？——正如早期计算机一样，可观测的生产率统计滞后于围绕变革性技术的热议。
结论
- 历史可能在重演：新技术（计算机 → AI）高度可见且广受赞誉，但 整体生产率指标 仍未体现其承诺的提升。
- 政策制定者和管理者应保持理性预期，聚焦 有效整合，并监测 真实产出，而非仅凭零星的成功案例。
索洛的回击
在 2023 年，MIT 研究人员声称，使用 AI 实施后，工人的绩效可提升近 40 %，相较于未使用该技术的工人——参见 MIT Sloan 研究。然而，新出现的数据未能显示这些承诺的生产率提升，使得经济学家开始思考 AI 何时——或是否——能够为企业投资带来回报，而这些投资在 2024 年已膨胀至 超过 250 亿美元（Stanford AI Index）。
“AI 无处不在，除了即将发布的宏观经济数据，” Apollo 首席经济学家 Torsten Slok 在最近的一篇 博客文章 中写道，引用了索洛近 40 年前的观察。“如今，你在就业数据、生产率数据或通胀数据中都看不到 AI 的影子。”
Slok 进一步指出，除 Magnificent Seven 之外，利润率中没有 AI 的迹象（source）或 收益预期中没有 AI 的影响（source）。
Academic Findings: A Contradictory Picture
- Federal Reserve Bank of St. Louis – 在其 State of Generative AI Adoption 报告中，该行观察到自 2022 年底 ChatGPT 推出以来，超额累计生产率增长 增加了 1.9 %（link）。
- MIT (2024) – 一项研究发现，在未来十年内，生产率提升更为温和，仅为 0.5 %（link）。
“我认为我们不应该轻视 10 年内的 0.5 % 增长。那总比零好，”研究作者、诺贝尔奖得主 Daron Acemoglu 说。 “但相较于业界和科技媒体所做的承诺，这确实让人失望。”
新兴的劳动力态度研究
- ManpowerGroup’s 2026 Global Talent Barometer 调查了近 14 000 名来自 19 个国家的员工。调查发现，尽管 2025 年常规 AI 使用率上升 13 %，但对该技术实用性的信心 骤降 18 %，显示出持续的不信任（Fortune coverage）。
- IBM – 首席人力资源官 Nickle LaMoreaux 宣布，IBM 将 将年轻员工的招聘数量提升三倍。此举表明，尽管 AI 能自动化许多入门级任务，取代这些员工可能导致中层管理者短缺，危及公司的领导力储备（Fortune article）。
Source: …
AI 生产力的未来
我们今天看到的生产力模式可能会逆转。20 世纪 70‑80 年代的 IT 热潮最终让位于 90 年代和 2000 年初的生产力激增，其中 1995‑2005 年期间生产力增长提升了 1.5 %，在数十年低迷后出现了反弹【Brookings】。
关键观察
| 分析师 / 来源 | 主要观点 | 证据 |
|---|---|---|
| Erik Brynjolfsson – 斯坦福数字经济实验室经济学家 | 当前的生产力激增可能已经在逆转。 | 第四季度 GDP 增长 3.7 %，即使就业报告将每周新增岗位修正至 181,000。他自己的分析显示去年美国生产力跃升 2.7 %，这源于从 AI 投资向收益实现的转变【Financial Times Op‑Ed】。 |
| Mohamed El‑Erian – 前 Pimco CEO 与经济学家 | 就业增长与 GDP 增长继续脱钩，部分原因是 AI 采纳——类似于 90 年代的办公自动化浪潮【FT】。 | |
| Torsten Slok – 行业评论员 | AI 的影响可能呈现 “J‑curve”——先是放缓，随后出现指数式激增。曲线形状取决于 AI 创造的价值。 | |
| Torsten Slok（续） | 与 80 年代 IT 市场不同——当时创新者可以凭借垄断定价获利，直至竞争者赶上——今天 AI 工具因大型语言模型构建者之间的激烈竞争而 广泛可及，价格不断下降。 | |
| Torsten Slok（续） | AI 生产力的未来取决于 企业如何采用并整合 生成式 AI，而不仅仅是产品本身。 |
“J‑Curve” 叙事
“从宏观角度看，价值创造不是产品本身，而是生成式 AI 在经济各部门的使用和实施方式。” – Torsten Slok
- 初期放缓：早期采纳可能只产生有限甚至负面的回报，因为组织需要进行实验并调整流程。
- 指数式激增：一旦出现最佳实践案例并深化整合，生产力将显著加速。
什么决定轨迹？
- 竞争格局 – LLM 提供商之间的激烈竞争正在降低成本并扩大获取渠道。
- 企业采纳 – 积极将 AI 融入工作流（如研发、客服、供应链规划）的公司将捕获大部分生产力收益。
- 行业特定实施 – 价值创造在不同行业差异巨大，同一 AI 工具在某些行业可能影响微乎其微，而在另一些行业则可能产生颠覆性效果。
结论
下一波由 AI 驱动的生产力提升可能 呈现 J‑curve，其规模更多取决于 战略性、全行业的实施 而非技术本身。那些把整合和创新放在首位的公司将获得最大的收益。