企业生产率数据里看不到AI的影子，问题出在组织，不在技术

美国劳工统计数据显示，自2004年初以来，美国劳动生产率的年化增长率维持在2.4%左右，这不是什么惊人的数字，更谈不上革命性。按照Dario Amodei这样的行业人士的说法，AI应该能带来10%的GDP增长，但现实中这个数字从未出现过。更让人意外的是，达拉斯联储的一项研究发现，那些被归类为”高AI暴露度”的岗位，确实比”低AI暴露度”的岗位生产率增长更快，但即便是这些高AI暴露度岗位的增速，也低于它们在新冠疫情期间、甚至疫情前某些时段的表现。生产率曲线的峰值就是上不去。

这正是Alex Kantrowitz在Big Technology Podcast对话Ethan Mollick时抛出的核心困惑。Mollick是沃顿商学院教授，Substack专栏”One Useful Thing”的作者，也是畻销书《Co-Intelligence》和新书《Co-Existence: The Next Phase of AI》的作者。他的观察方式与宏观统计数据形成了鲜明对比——他直接和大量企业高管、一线团队打交道，看到的是另一套现实。

1. 百倍生产力提升，为什么撞上了组织的墙

一个程序员借助AI把写代码的速度提升了一百倍——如果他是独立开发者，这就是纯粹的奇迹。但如果他身处一个按两周冲刺周期运作、每天开站会、需要和市场部门协同的组织里，这百倍提升反而成了障碍。没有人有时间去处理、评审、集成这么多新增代码。

Mollick指出，应用商店的数据印证了这种错位：代码产出量增长了二十倍，但实际上线的产品只增加了大约30%，中间差了一个数量级。原因很直接——AI目前是一种单人游戏体验，个体的表现可以被放大，但组织运转靠的是很多人同时协作。企业花了四年时间去适应ChatGPT带来的冲击，但生产流程、团队协作方式、跨部门协同机制并没有跟上个体效率的提升速度。这不是技术问题，是组织还没学会如何把”一个人的百倍”转化成”一百个人的两倍”。

2. “流量洪水”和真实产出完全是两件事

App Store里应用数量暴增，评论数却没有同比例增长，表面看像是”虚假繁荣”。Mollick特意把这个现象拆成两条独立的曲线：一条是”内容洪水”——小说、游戏、应用程序的绝对数量确实在井喷；另一条是真实的产品发货数据，这条曲线的增长幅度要小得多。

两者混为一谈是常见的误解。编码量的激增是实打实的，但产品发货量的增幅只是”有所增加”，而不是同等倍数的爆发。差距的根源还是回到了多人协作的瓶颈——个体产出可以被AI无限放大，但走完从代码到产品的全流程，需要的是跨角色、跨部门的协同，而这件事AI还帮不上太多忙。

3. 领导力、人群与实验室：三股力量没对齐

Alex提出一种设想：在近期的竞争格局里，真正领先的公司会是那些愿意放权、让员工打破繁文缛节去自由探索AI用法的组织，而不是把新人招进来后迅速”磨平”成标准化角色执行者的那种公司。

Mollick认同这个方向，但补充了一个关键的框架——在他的书里，他把组织转型需要对齐的三要素称为leadership（领导层）、lab（实验室）、crowd（人群）。领导团队要真正买入并推动组织层面的变革；要有一线员工在实际使用中不断发明新用法；还要有专门的研究力量去研究如何把这些零散的创新，系统性地推广给所有人。即便给了员工自由探索的空间，如果没有把个体的创新转化为可复制的流程，依然只是原地打转。给一个百倍效率的程序员自由，不代表营销团队知道怎么配合他把东西发出去，也不代表后续维护问题会自动解决。

4. “没人说AI没用”——但ROI和组织转型是两件事

Alex追问：都四年过去了，基础设施、产品和资本投入的赌注规模这么大，总得有个说法——如果看不到生产率提升，钱从哪儿赚回来？

Mollick的回应相当直接：他接触的大量大公司CEO里，几乎没有人反映说没看到AI带来的ROI,这一点他同事的数据也能印证。问题从来不是”有没有回报”，而是如何从个体层面那些”这里省20美元、那里省30美元”的零散收益,升级成组织层面的系统性转型。这种组织变革不是一朝一夕的事——ChatGPT所依托的GPT-3.5技术2022年就已问世，企业真正开始大规模采用是最近这两年的事。没有现成的playbook,传统的咨询公司、企业软件厂商这套方法论在这场变革面前基本失灵了。

Mollick强调,他还没听到任何一家企业说AI在大规模应用层面不划算,真正卡住的是管理层还没做出足够的决策,很多企业甚至还没用上最先进的系统。

5. token开支的”钟摆”：谁在喊缩减，谁在闷声赚钱

Alex抛出另一个反证：即便企业嘴上说有ROI，行动上却在告诉员工收紧token使用,那种”自由燃烧token”的时代正在结束。这种行为本身难道不说明ROI有限吗？

Mollick给出了他认为更贴近真相的解释。今年春天行业里还在炒”token maxing”这个概念,舆论很快又转向了”大家token花得太多了”。token确实正在变成一项增长迅猛的开支,企业也确实在担忧,但当他和财富50强公司的管理层交流时,这些公司普遍把这笔开支视为一种需要摸索和管控的研发投入,而不是失败的信号。

真正值得警惕的信号,他指出,是那些公开喊着要削减AI开支的公司——往往恰好是手里握着竞争性AI产品的那些公司。微软、Meta、Palantir说”我们在Claude上花太多钱了”,这话本身能反映多少市场真相要打个问号。他接触的大公司里,有的团队里部分人借助AI效率提升了百倍,另一些人却几乎没从AI里获得任何收益——企业面对的真实难题,是如何把这种集中在少数人身上的爆发式效率,扩散到更多人身上。这是一个管理问题,而不是技术失灵的证据：如果一家公司从没对token该怎么用、谁该用、什么流程该用做出任何决策,只是鼓励大家尽可能多用,那token开支暴涨就是必然结果,不能倒推说AI没用。

企业生产率的统计曲线之所以迟迟没被AI的技术突破点燃，不是因为技术本身乏力，而是因为组织结构、协作流程、管理决策这套”操作系统”还没有完成对应的升级。Mollick的判断是，个体层面的回报早已兑现，真正悬而未决的，是企业能不能找到把个体奇迹转化为组织常态的路径——这条路没有现成地图，但也没人再问”AI到底有没有用”了。