AI投入却难见产出：生产力悖论指向何处？

值得持续留意的一个现象

2026年4月，一家国际商业媒体披露，部分CEO在连续两年大规模推进AI投入后表示："钱也花了，人也用上了，但我们期待的结果并没有出现。"

这一反应引起了经济学界的再思考。有人把它放回到40年前的经典命题——"生产力悖论"（Productivity Paradox）中来审视。诺贝尔经济学奖得主Robert Solow在1987年就曾提到：

"You can see the computer age everywhere but in the productivity statistics."（你在各处都能感受到计算机时代的存在，但在生产力统计中却看不到。）

将近四十年之后，类似的话被再次引用，只不过把“computer（计算机）”替换成了“AI”。

回看历史：计算机也曾被指“没效果”

在20世纪80到90年代，企业集中投资计算机与信息技术，但宏观层面的生产力数据几乎没有显著增长。Solow的观点由此在学术圈引发了长达十年的争论。

随后研究逐步找出关键原因：计算机对生产力的提升并不会立刻显现，而往往存在明显的滞后。主要包括以下几方面：

学习曲线——从完成部署到真正改变工作方式，往往需要5-10年的时间；

互补性投入——单靠技术本身不够，还需要配套的管理调整，例如流程重塑与组织再安排；

测量偏差——宏观统计口径难以充分捕捉质量改善以及新产品所带来的价值。

经济学家Paul David在1990年的经典论文《Computer and Dynamo》中，用电力的发展过程做了类比：电力在1880年代已逐渐出现，但直到1920年代才更清楚地反映到生产力统计里。其背后同样是配套组织与管理变革需要时间。

那2026年的情况究竟有什么不同？

今天的局面与1987年既有相似之处，也存在三个更鲜明的差异：

1. AI的扩散速度史无前例

生成式AI的技术采纳速度极快，堪称历史上最快。但扩散快并不等同于转化效率高——不少项目更像是“为了用AI而用AI”，而不是先围绕具体业务痛点去落地。

2. 关于“就业影响”的讨论需要更辩证地看

报道里部分CEO的表述值得进一步拆解分析。当一个组织说“对就业没有影响”，可能对应两种情况：其一，技术本身确实没有带来可观的价值；其二，技术还没有被真正纳入核心业务链条，仍停留在“试用”阶段。

如果属于后者，那么管理与业务层面的不满意恰恰暴露了更深层的问题——买来了工具，却没有同步推动流程变革与应用重构。

3. 测量上的难点显得更突出

AI所能创造的价值，往往并不只体现在“劳动生产率”的变化上，例如更好的客户体验、更快的产品迭代、以及更精准的战略判断。若财务数据主要呈现成本端变化，却难以反映价值端的提升，那么“未见效果”的判断可能更多来自测量工具的局限，而未必是AI技术本身的失灵。

关键不在AI本身，而在于“契合”

从人机契合（Human-AI Fit）的研究视角出发，AI带来的生产力提升不只取决于AI技术能力，也取决于AI与三个层面的匹配程度：

个体层面——员工是否接受了系统培训，是否真正理解如何把AI嵌入日常工作；

流程层面——工作流程是否被重新设计，使得AI的输出能直接服务于业务决策；

战略层面——AI投资是否与组织战略目标一致，而不是为了跟风追赶潮流。

当上述三个层面无法形成有效合力时，"AI没效果"往往只是阶段性的正常反馈。它在提醒组织：技术采购只是起点，真正的价值创造需要依靠组织变革与管理升级来完成。

对中国企业的启示

这则报道所反映的现象，同样能为中国企业的数字化转型与组织升级提供借鉴：

第一，理性看待AI投入。AI并非万能药，它的实际成效取决于与既有业务体系的深度融合，而不仅是把工具单点部署进去。

第二，强化组织变革。引进技术必须配套完成流程再造、人员培训以及激励机制的调整，这也是目前不少组织相对薄弱的环节。

第三，提升人机协同能力。未来组织竞争力的来源，并不只是拥有更先进的AI，而是能否打造出人与AI高效协同的能力结构。

写在最后

1987年，有人说"你处处都能看到计算机的影子，除了在生产力数据里"。

2026年，也有CEO表示"你处处都能看到AI的影子，除了在利润表里"。

但历史已经证明：1987年的判断当时为时过早——计算机最终确实深刻改变了世界。同样看待AI，或许真正的问题不在技术是否“好”，而在于组织与社会还需要时间完成学习与适应。

真正重要的并不是"AI有没有用"，而是我们能否建设起让AI真正发挥作用的环境——从技能培训到流程重塑，从战略规划到文化建设。

关于彼恳管理咨询：专注于人机契合（Human-AI Fit）研究与实践，协助企业实现更扎实的竞争力增长。

官网：www.humanaifit.com

联系：合作咨询请访问官网联系页面

参考