6000 位CEO承认 AI 没提效，经济学家说：这剧本40年前演过一次

• 来源：AIMCP

1987 年，诺贝尔经济学奖得主 Robert Solow 写过一句后来被引用了无数次的话：

“计算机时代随处可见，唯独在生产率统计里看不到。”

那时候的背景是，从晶体管到微处理器，从集成电路到个人电脑，新技术一个接一个冒出来，所有人都觉得效率要起飞。可真把统计表翻出来看，美国生产率增速却一路往下掉。电脑不是没人买，系统不是没人上，报告倒是越做越多，但效率就是没跟着一起跳。

后来，经济学家给它起了个名字：索洛悖论。

2026 年，这个词又被翻了出来。
只不过这次，主角从电脑换成了 AI。

6000 位高管都在上 AI，报表却没怎么动

今年 2 月，Stanford SIEPR 发布了一篇工作论文《Firm Data on AI》。这份研究覆盖美国、英国、德国和澳大利亚四个国家，样本涵盖 6000 位 CEO、CFO 和其他高管。

它最扎眼的地方不是“AI 用得少”，恰恰相反，是很多公司已经在用了：

• 大约 70% 的企业已经在主动使用 AI
• 超过三分之二的高管说自己经常用
• 但过去三年里，超过 80% 的企业表示，AI 对生产率和就业还没有明显影响

这组数字最扎人的地方就在这里。

全网都在喊 AI 提效。
模型越来越强，预算也越来越大。
可真正盯着收入、成本、人头和产出的那群人，反而还没从报表里看见特别像样的变化。

Apollo 首席经济学家 Torsten Slok 看完这些数据后，几乎是把索洛那句话又说了一遍：AI 好像已经到处都是了，只是你还没在宏观数据里看见它。

高管嘴上说在用，自己每周也就用一会儿

把这篇论文再往下翻，会看到一个更微妙的细节。

这些高管里，平均每周使用 AI 的时间大约只有 1.5 小时，而且还有四分之一几乎完全不用。

这说明一个很现实的问题：

今天很多公司的 AI 采用，离“真正进了工作方式”还差得很远。

很多时候，它更像一种口头采用。

大家知道这事重要。
战略会上会提。
预算会批。
工具会买。
可真正到了日常工作里，很多公司还没走到下一步。

哪一步先交给 AI。
哪一步必须人工复核。
哪一步结果要回到正式系统。
哪一步能被复盘，能被纳入指标。

这层没搭起来，“我们已经在用 AI”和“我们还没感觉到提效”这两句话，本来就可以同时成立。

这不是 AI 没用，而是 AI 还贴在旧流程外面。

很多人看到这里，第一反应会滑向另一个极端：

那是不是 AI 其实也没那么有用？

我觉得不是。

更准确的说法是，AI 已经很好用了，但公司真正最慢的地方，往往不是模型本身。

你让 AI 帮你总结一份材料，它确实快。
让它先起一版邮件、方案框架、代码草稿，也确实能省时间。
很多个人任务，它已经把“从零开始”这一步缩短了不少。

问题在于，个人层面省下来的 10 分钟、20 分钟、30 分钟，要真正变成组织效率，还得穿过另一整层东西：

• 审批有没有变短
• 交接有没有减少
• 责任边界有没有重切
• 结果有没有回到系统，而不是停在聊天窗口里

只要这层不动，个人会觉得顺手，公司却不一定觉得提效。

这也是为什么 Richmond Fed 今年 3 月那份 CFO 调研特别值得看。它发现，企业自己汇报的生产率提升大约是 1.8%，可如果拿收入和人头数据去倒推，真实提升要小得多。

Richmond Fed 直接给这种现象起了个名字：AI 的生产率悖论。

也就是说，大家主观上觉得自己快了，财务报表却还没完全跟上。

这不是假提效。
更像是收益还卡在半路。

个人觉得好用，不等于组织已经变快

这篇里最容易被忽略、但其实最关键的一点，是大家总爱把“个人爽感”和“组织效率”混成一回事。

个人层面，AI 的提升很容易感知。

搜资料更快了。
写初稿更快了。
整理信息更快了。
很多原来最烦的机械动作，都被提前吞掉了一部分。

但公司层面看的不是这个。

公司看的是另一套东西：

• 项目周期有没有缩短
• 返工有没有减少
• 决策有没有更快落地
• 人均产出有没有稳定抬起来

这两者之间，中间隔着很长一段路。

你可以把 AI 理解成给员工多装了一块小马达。
可一家公司要提速，不只看马达，还要看整条传送带、上下游衔接和最后验收的人有没有一起动。

所以今天最常见的状态，其实是一种半悬空状态：

AI 已经贴上去了，但只是贴在旧流程外面。
帮你快了一点，可真正卡脖子的那部分，根本还没碰。

管理层和员工，对未来甚至都不是同一种想法

更有意思的是，同一份调研里，高管和员工对未来的判断方向都不一样。

高管预计，未来三年 AI 会把生产率提高约 1.4%，把产出提高 0.8%，同时让就业下降 0.7%。

但员工那边的预期恰好相反。
他们觉得未来三年，就业反而会增加 0.5%。

这不是一个小差异。

它说明管理层和员工，其实连“AI 最终会改掉什么”这件事，都还没形成同一种共识。

管理层在看的是减岗、提效和成本。
员工更多感受到的，可能还是工具变多了、任务方式变了，但岗位未必立刻消失。

所以今天企业里最大的错觉，可能不是“AI 没来”。
而是“AI 已经来了，所以组织自然会变快”。

事情没那么自动。

这剧本，40 年前其实已经演过一次

索洛悖论后来是怎么结束的？

不是因为电脑突然变得更神了。

真正的转折，发生在 90 年代中后期。当时企业开始围绕信息技术重写流程，哪些步骤该自动化，哪些岗位要合并，哪些数据要在线流动，整个体系被重新改过一遍。然后，美国生产率增速才明显抬起来。

换句话说，上一个技术时代真正带来提效的，不是“终于买到电脑”。

而是买完之后，那场麻烦得多、也得罪人得多的流程重构。

今天 AI 看起来越来越像同一套剧本。

工具已经不是最大的瓶颈。
下一步真正拉开差距的，是谁先把 AI 从“个人外挂”变成“流程内嵌”。

比如：

• 先让 AI 做初稿，不再让人从空白页开始
• 固定复核节点，不让结果只停在聊天窗口
• 把高频任务模板化，不再靠每个人各玩各的工具
• 用周期、返工率、审批时长去衡量 AI，而不是只问大家主观觉得好不好用

如果这些不动，AI 再强，很多公司也只会停在一种很尴尬的状态：

大家都在用。
预算也越来越高。
可报表就是没感觉。

40 年前，电脑时代已经教过一次。
现在，AI 只是把同一道题又摆回来了。

技术从来不会自动变成效率。让它变成效率的那个东西，是你愿不愿意把那些本来就慢得不合理的流程，借着这波工具真的拆掉重来。

（本文转载自公号AIMCP，点击此处达到原文。）