AI 投入高涨却未见生产力跃升：瓶颈在哪里？

AI 领域的资本与算力投入持续走高，但宏观层面的生产力统计却迟迟未见与之匹配的跃升。这一矛盾并非全新话题——经济学家 Robert Solow 早在 1987 年就曾感慨「计算机时代无处不在，唯独不在生产力统计中」。而当下 AI 浪潮中的类似讨论，正在把这个经典悖论重新摆上台面。

成本与价值：两本账的失衡

理解 AI 投资回报，需要回到两个基础指标：成本与价值。

• 成本端：据 Ramp 发布的 AI Index，覆盖超过 7 万家美国企业的数据显示，企业每月在 AI 上的中位支出约为每位员工 12.5 美元；相对而言，员工综合成本约为每月 8500 美元。也就是说，只要 AI 让员工多产出约 0.15%，即每周多约 3 分钟的有效工时，就能覆盖 token 账单。
• 价值端：生产力增长是常用替代指标。P&G 的内部实验显示，使用 AI 的单人产出的产品方案，可以与未使用 AI 的两人团队持平。MIT 经济学家的研究则发现，自动化的收益只有在 AI 步骤被合理组合、并由人做最终校验时才能显现。

由此可见，对多数企业而言，token 费用本身接近「四舍五入」级别的支出；真正难以量化的是变革管理、再培训以及组织运转中的隐性成本。

真正吃掉回报的，是流程

一个常见误区是认为 AI 应当立刻释放十倍效率。但企业员工的大部分工作时间用于协调、会议、对齐与流程签批，真正的生产环节占比并不高。AI 可以把那「每周 3 分钟」还回来，却无法决定这 3 分钟流向何处——如果它最终流入另一场会议或法务的又一轮等待，回报就归零。

这或许解释了 AI 收益在企业间分布极不均匀的现象：AI 更可能「乘」现有产出，而非简单「加」上去。

一项 515 家初创公司的实验

一项针对 515 家初创公司的实验提供了更直观的证据：所有公司获得相同的 AI 工具、培训与支持，其中随机一半还观摩了其他公司如何围绕 AI 重组工作。结果显示：

• 普通公司在两组中营收几乎都没有变化；
• 几乎全部收益集中在排名前 10% 的企业；
• 接受了「工作重组」示范的那一组，整体营收达到对照组的 1.9 倍。

工具完全相同，决定胜负的是企业是否围绕 AI 重新设计了工作方式。

历史镜像与可执行的步骤

类似的故事并不陌生。1973 至 1995 年间，美国生产力年均增长约 1.5%；而 1995 至 2003 年，随着工作真正围绕计算机重新组织，年均增速跃升至约 3.3%。

Bill Gates 曾说过：「自动化作用于高效运营，放大效率；作用于低效运营，则放大低效。」Elon Musk 给出的五步法则更为直接：质疑每一条流程与要求，能删则删，能简则简，再提速，最后才自动化。他本人也承认，特斯拉早期曾把这条顺序做反，把不必要的流程自动化，结果付出了代价。

对于当前许多声称在「用 AI」的企业而言，犯的正是同样的错。AI 降低了做事的成本，却没有回答「这件事值不值得做」。在企业层面对生产流程进行系统性的删减、简化与重组，AI 投入才有可能真正转化为生产力统计上的那条上升曲线。