AI 生产力悖论：为什么 AI 还没带来预期的效率提升

原文来源：Fortune — 数千名 CEO 承认 AI 尚未对就业或生产力产生实质影响，经济学家重新提起 40 年前的索洛悖论。

历史的回响：索洛悖论重现

1987 年，诺贝尔经济学奖得主罗伯特·索洛（Robert Solow）对信息时代的演进做出了一项尖锐观察。在晶体管、微处理器、集成电路和存储芯片于 1960 年代相继问世后，经济学家和企业界普遍预期这些新技术将颠覆职场并带来生产力的爆发式增长。然而现实恰恰相反——生产力增速放缓，从 1948 至 1973 年间的 2.9% 下降到 1973 年后的 1.1%。

当时的计算机在某些方面甚至制造了过多的信息，生成冗长繁琐的报告并消耗大量纸张。原本被寄予厚望的生产力革命，在数年间沦为一场空。这一意外结果因索洛的观察而被命名为「索洛生产力悖论」。他在 1987 年《纽约时报书评》中写道：「计算机时代无处不在，唯独在生产力统计数据中看不见。」

CEO 们的真实反馈：AI 尚未改变游戏规则

如今，关于企业高管如何使用（或不用）AI 的数据表明，历史正在重演。尽管标普 500 中有 374 家公司在财报电话会议中提及 AI，且大多数声称技术部署完全正面——据《金融时报》2024 年 9 月至 2025 年的分析——但这些积极采纳并未转化为更广泛的生产力提升。

美国国家经济研究局（NBER）于 2026 年 2 月发布的一项研究调查了来自美国、英国、德国和澳大利亚的 6,000 名 CEO、CFO 及其他高管。结果显示，绝大多数高管认为 AI 对其运营影响甚微。约三分之二的高管表示使用过 AI，但平均每周仅使用约 1.5 小时；25% 的受访者称在工作中完全不使用 AI。研究指出，近 90% 的企业表示 AI 在过去三年对就业或生产力没有任何影响。

然而，企业对 AI 的未来预期依然乐观。高管们预测未来三年 AI 将提升生产力 1.4%、产出增长 0.8%。虽然企业预期就业将减少 0.7%，但受访员工个人却预期就业增长 0.5%。

AI 真的在提升效率吗？

2023 年，MIT 研究人员曾声称 AI 可将员工表现提升近 40%。但新兴数据未能兑现这些承诺，令经济学家质疑 AI 何时——甚至是否——能为企业投资带来回报。2024 年，企业 AI 投资已膨胀至超过 2500 亿美元。

Apollo 首席经济学家 Torsten Slok 在一篇博客文章中援引索洛近 40 年前的观察写道：「AI 无处不在，唯独不在宏观经济数据中。今天，你在就业数据、生产力数据或通胀数据中都看不到 AI。」

Slok 补充说，除了「科技七巨头」之外，「利润率或盈利预期中都没有 AI 的迹象。」

矛盾的数据与深层原因

Slok 引用了一系列关于 AI 与生产力的学术研究，描绘出一幅矛盾的画面。2025 年 11 月，圣路易斯联邦储备银行在其《生成式 AI 采用现状报告》中指出，自 2022 年底 ChatGPT 推出以来，超额累计生产力增长提升了 1.9%。然而，MIT 2024 年的一项研究却预测未来十年生产力仅增长 0.5%。

研究作者、诺贝尔奖得主 Daron Acemoglu 当时表示：「我不认为我们应该轻视 10 年增长 0.5%，这比零好。但相对于科技行业和科技媒体所做的承诺，这令人失望。」

其他研究揭示了更深层的原因。万宝盛华（ManpowerGroup）2026 年全球人才晴雨表对 19 个国家近 14,000 名工人的调查发现，2025 年工人的常规 AI 使用率上升了 13%，但对技术实用性的信心却暴跌 18%，表明不信任感持续存在。

波士顿咨询集团的一项研究甚至发现，AI 采用到一定程度可能适得其反，导致「AI 脑疲劳」。在对 1,488 名美国全职员工的调查中，使用三个或更少 AI 工具时生产力有所提升，但使用四个及以上工具时，自报生产力骤降，员工称感到脑雾或犯更多小错误。

IBM 首席人力资源官 Nickle LaMoreaux 今年表示，这家科技巨头将把年轻招聘人数增加两倍。她指出，尽管 AI 能自动化部分任务，但取代初级员工将导致未来中层管理者匮乏，危及公司的领导力梯队。

逆转的可能：J 曲线与历史经验

当然，这一生产力模式可能逆转。1970 至 1980 年代的 IT 热潮最终催生了 1990 年代和 2000 年代初的生产力爆发，在多年低迷后，1995 至 2005 年间生产力增速提升了 1.5%。

斯坦福大学数字经济实验室主任 Erik Brynjolfsson 在《金融时报》的一篇评论中指出，趋势可能已经在逆转。他观察到第四季度 GDP 增速达到 3.7%，尽管上周的就业报告将就业增长下调至仅 181,000，暗示生产力正在激增。他自己的分析显示去年美国生产力跃升 2.7%，他将此归因于从 AI 投资转向收获技术成果。前 Pimco CEO、经济学家 Mohamed El-Erian 也指出，就业增长与 GDP 增长持续脱钩，部分原因是 AI 的持续采用——这与 1990 年代办公自动化时期出现的现象类似。

被忽视的效率红利

一些生产力提升可能隐藏在显而易见的地方。斯坦福大学经济政策研究所主导的一项研究利用 200,000 个美国家庭的网络浏览数据发现，生成式 AI 将求职、旅行规划或购物等在线任务的效率提升了 76% 至 176%。然而，研究人员发现 AI 用户节省下来的时间被用于社交或看电视，而非工作或技能提升。

Slok 认为 AI 的未来影响可能呈现「J 曲线」形态：初期表现为绩效和结果的放缓，随后迎来指数级跃升。他表示，AI 的生产力收益是否会遵循这一模式，取决于 AI 创造的价值。

AI 与 IT 的不同路径

到目前为止，AI 的发展路径已与其 IT 前辈分道扬镳。Slok 指出，1980 年代 IT 领域的创新者拥有垄断定价权，直到竞争对手能开发出类似产品。然而今天，由于大语言模型构建者之间的「激烈竞争」压低了价格，AI 工具已随手可得。

因此，Slok 推测，AI 生产力的未来取决于企业利用该技术并持续将其融入工作场所的意愿。「换句话说，从宏观角度看，价值创造不是产品本身，」Slok 说，「而是生成式 AI 如何在经济的不同部门中被使用和部署。」

---

本文基于 Fortune 2026 年 2 月 17 日报道编译。