• 來源：AIMCP

1987 年，諾貝爾經濟學獎得主 Robert Solow 寫過一句后來被引用了無數次的話：

“計算機時代隨處可見，唯獨在生產率統計里看不到。”

那時候的背景是，從晶體管到微處理器，從集成電路到個人電腦，新技術一個接一個冒出來，所有人都覺得效率要起飛。可真把統計表翻出來看，美國生產率增速卻一路往下掉。電腦不是沒人買，系統不是沒人上，報告倒是越做越多，但效率就是沒跟著一起跳。

后來，經濟學家給它起了個名字：索洛悖論。

2026 年，這個詞又被翻了出來。
只不過這次，主角從電腦換成了 AI。

6000 位高管都在上 AI，報表卻沒怎么動

今年 2 月，Stanford SIEPR 發布了一篇工作論文《Firm Data on AI》。這份研究覆蓋美國、英國、德國和澳大利亞四個國家，樣本涵蓋 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，是很多公司已經在用了：

• 大約 70% 的企業已經在主動使用 AI
• 超過三分之二的高管說自己經常用
• 但過去三年里，超過 80% 的企業表示，AI 對生產率和就業還沒有明顯影響

這組數字最扎人的地方就在這里。

全網都在喊 AI 提效。
模型越來越強，預算也越來越大。
可真正盯著收入、成本、人頭和產出的那群人，反而還沒從報表里看見特別像樣的變化。

Apollo 首席經濟學家 Torsten Slok 看完這些數據后，幾乎是把索洛那句話又說了一遍：AI 好像已經到處都是了，只是你還沒在宏觀數據里看見它。

高管嘴上說在用，自己每周也就用一會兒

把這篇論文再往下翻，會看到一個更微妙的細節。

這些高管里，平均每周使用 AI 的時間大約只有 1.5 小時，而且還有四分之一幾乎完全不用。

這說明一個很現實的問題：

今天很多公司的 AI 采用，離“真正進了工作方式”還差得很遠。

很多時候，它更像一種口頭采用。

大家知道這事重要。
戰略會上會提。
預算會批。
工具會買。
可真正到了日常工作里，很多公司還沒走到下一步。

哪一步先交給 AI。
哪一步必須人工復核。
哪一步結果要回到正式系統。
哪一步能被復盤，能被納入指標。

這層沒搭起來，“我們已經在用 AI”和“我們還沒感覺到提效”這兩句話，本來就可以同時成立。

這不是 AI 沒用，而是 AI 還貼在舊流程外面。

很多人看到這里，第一反應會滑向另一個極端：

那是不是 AI 其實也沒那么有用？

我覺得不是。

更準確的說法是，AI 已經很好用了，但公司真正最慢的地方，往往不是模型本身。

你讓 AI 幫你總結一份材料，它確實快。
讓它先起一版郵件、方案框架、代碼草稿，也確實能省時間。
很多個人任務，它已經把“從零開始”這一步縮短了不少。

問題在于，個人層面省下來的 10 分鐘、20 分鐘、30 分鐘，要真正變成組織效率，還得穿過另一整層東西：

• 審批有沒有變短
• 交接有沒有減少
• 責任邊界有沒有重切
• 結果有沒有回到系統，而不是停在聊天窗口里

只要這層不動，個人會覺得順手，公司卻不一定覺得提效。

這也是為什么 Richmond Fed 今年 3 月那份 CFO 調研特別值得看。它發現，企業自己匯報的生產率提升大約是 1.8%，可如果拿收入和人頭數據去倒推，真實提升要小得多。

Richmond Fed 直接給這種現象起了個名字：AI 的生產率悖論。

也就是說，大家主觀上覺得自己快了，財務報表卻還沒完全跟上。

這不是假提效。
更像是收益還卡在半路。

個人覺得好用，不等于組織已經變快

這篇里最容易被忽略、但其實最關鍵的一點，是大家總愛把“個人爽感”和“組織效率”混成一回事。

個人層面，AI 的提升很容易感知。

搜資料更快了。
寫初稿更快了。
整理信息更快了。
很多原來最煩的機械動作，都被提前吞掉了一部分。

但公司層面看的不是這個。

公司看的是另一套東西：

• 項目周期有沒有縮短
• 返工有沒有減少
• 決策有沒有更快落地
• 人均產出有沒有穩定抬起來

這兩者之間，中間隔著很長一段路。

你可以把 AI 理解成給員工多裝了一塊小馬達。
可一家公司要提速，不只看馬達，還要看整條傳送帶、上下游銜接和最后驗收的人有沒有一起動。

所以今天最常見的狀態，其實是一種半懸空狀態：

AI 已經貼上去了，但只是貼在舊流程外面。
幫你快了一點，可真正卡脖子的那部分，根本還沒碰。

管理層和員工，對未來甚至都不是同一種想法

更有意思的是，同一份調研里，高管和員工對未來的判斷方向都不一樣。

高管預計，未來三年 AI 會把生產率提高約 1.4%，把產出提高 0.8%，同時讓就業下降 0.7%。

但員工那邊的預期恰好相反。
他們覺得未來三年，就業反而會增加 0.5%。

這不是一個小差異。

它說明管理層和員工，其實連“AI 最終會改掉什么”這件事，都還沒形成同一種共識。

管理層在看的是減崗、提效和成本。
員工更多感受到的，可能還是工具變多了、任務方式變了，但崗位未必立刻消失。

所以今天企業里最大的錯覺，可能不是“AI 沒來”。
而是“AI 已經來了，所以組織自然會變快”。

事情沒那么自動。

這劇本，40 年前其實已經演過一次

索洛悖論后來是怎么結束的？

不是因為電腦突然變得更神了。

真正的轉折，發生在 90 年代中后期。當時企業開始圍繞信息技術重寫流程，哪些步驟該自動化，哪些崗位要合并，哪些數據要在線流動，整個體系被重新改過一遍。然后，美國生產率增速才明顯抬起來。

換句話說，上一個技術時代真正帶來提效的，不是“終于買到電腦”。

而是買完之后，那場麻煩得多、也得罪人得多的流程重構。

今天 AI 看起來越來越像同一套劇本。

工具已經不是最大的瓶頸。
下一步真正拉開差距的，是誰先把 AI 從“個人外掛”變成“流程內嵌”。

比如：

• 先讓 AI 做初稿，不再讓人從空白頁開始
• 固定復核節點，不讓結果只停在聊天窗口
• 把高頻任務模板化，不再靠每個人各玩各的工具
• 用周期、返工率、審批時長去衡量 AI，而不是只問大家主觀覺得好不好用

如果這些不動，AI 再強，很多公司也只會停在一種很尷尬的狀態：

大家都在用。
預算也越來越高。
可報表就是沒感覺。

40 年前，電腦時代已經教過一次。
現在，AI 只是把同一道題又擺回來了。

技術從來不會自動變成效率。讓它變成效率的那個東西，是你愿不愿意把那些本來就慢得不合理的流程，借著這波工具真的拆掉重來。

（本文轉載自公號AIMCP，點擊此處達到原文。）