详细内容或原文请订阅后点击阅览
AI并未提高公司的生产力
新工具让一个人变得超级高效，却把运营负担转嫁给其他所有人。
来源:OSP网站大数据新闻1987 年，诺贝尔经济学奖得主罗伯特·索洛提出这样一个想法：“计算机时代无处不在，除了生产率统计。”同样的话也可以用于今天的人工智能。
根据 Gartner 的预测，2026 年全球 AI 支出将达到 2.59 万亿美元，比上年增长 47%。与此同时，根据广泛估计，美国至少占这一金额的一半。
然而在美国，截至 2026 年第一季度的 12 个月内，经资源使用调整后的总生产率仅增长 0.07%。从历史标准看，这几乎是零增长，远低于 ChatGPT 出现之前每年 0.5% 的典型增速。约 95% 的企业生成式 AI 试点项目对最终指标没有明显影响。
看似一个明显原因与用户有关。生产率下降是因为员工因害怕失业而抵制人工智能的采用。五年来，美国匹兹堡大学的研究人员研究了 Glassdoor 网站上数百万条评论、数千份财务报告、数百份美国上市公司关于 AI 投资和裁员的声明，以及约 1 万份财报电话会议记录。管理者真心相信 AI 将带来极高的生产率，而员工担心借助人工智能提高生产率会导致自己被解雇。
据称公司陷入了一个恶性循环：它们以生产率提高为由解雇员工。但对裁员的恐惧使员工抵制技术采用，从而抵消了公司所期望的那些好处。管理者看到生产率下降，便得出结论：只有进一步裁员才有用。
与此同时，普通员工抵制人工智能采用的说法并不完全正确。许多人欢迎它。调查结果显示，31% 的普通员工对 AI 采用充满热情。那些不热情的人仍被迫使用它。目前美国超过一半的员工使用 AI。如果假设 AI 显著提高生产率，公司本应已经看到指标的明显增长。
关键问题在于失衡：AI 让一个人变得超级高效，却把运营负担转嫁给其他所有人。借助神经网络，创建报告和演示文稿以及生成想法和建议现在只需几分钟。然而，同事们不得不花更多时间过滤增加的信息流、寻找幻觉，并试图理解生成内容的本质，而连其形式上的“作者”都懒得思考。
AI 可能显著增加所有员工的负担，却并未提高组织生产力。
这一趋势随处可见：求职者借助 AI 提交多得多的职位申请，使招聘经理不堪重负并拖慢招聘流程。据 LinkedIn 数据，自 2022 年春季以来，美国每个职位的申请数量增加了约一倍。因此，本应简化求职的 AI 实际上使它更复杂。
借助 AI，人们可以在法庭上自行代理，同时加速律师工作。麻省理工学院和南加州大学研究人员的一项研究表明，AI 生成文本的比例从 2023 年的 1% 上升到 2026 年初的 18%。这给法官带来负担，他们现在必须梳理冗长复杂的文件，寻找不存在的案件引用和其他幻觉。本应加速案件审理的 AI 实际上拖慢了它。
学生越来越多地使用 AI 撰写更长的论文，而教师依靠人工智能工具打分。
分析师和 AI 公司在评估一个人的生产率增长时，将其外推到数千名员工，并错误地得出结论认为这种增长会规模化，却没有考虑其对他人生产力的影响。
提高生产力的 AI 反而可能降低生产力，这一想法看似悖论，但举个例子。假设借助 AI，你可以写比以前多三倍的电子邮件。你写电子邮件的生产力提高了三倍，意味着你对公司更有价值。
然而，你发送的每封额外邮件都会进入某人的邮箱。阅读这些邮件的员工负担将增加。简化写邮件的 AI 使其他人阅读邮件更困难。
当然，这并非适用于所有 AI 应用领域、所有行业和所有员工。但在宏观层面，这种情况显然正在发生。AI 本身是有用的。但对它的短视和幻想态度可能导致负面后果。
必须彻底重新审视工作场所使用 AI 的方式。需要的工具不是让单个用户更高效，而是提高组织整体生产力，扩大个人能力而不把不必要的工作转嫁给他人。