你是否觉得AI对经济的影响不及预期？这场被称作“第五次工业革命”的技术浪潮，原本号称将取代半数乃至全部白领岗位，现实中却遭到冷遇，许多员工甚至将其视为可有可无的选项。对已经上手的用户而言，AI在许多时候也颇为鸡肋，虽能代为起草邮件，但撰写的内容却时常错漏百出。三四十年前，计算机革命也曾收获漫天吹捧，但很长一段时间里，市场更多充斥着的是Pets.com这种泡沫企业，而非iPhone那样真正改变时代的产品。
这正是高盛（Goldman Sachs）经济学家艾尔西・彭研究的切入点，在月初为该行所发的研报中，她详细剖析了计算机革命发生后的生产效率增长规律。她在报告中写到，上次出现如此量级的技术革命时，经济曾经历漫长的阵痛期，前四年生产效率显著走弱，之后四年原地持平，第八年才出现具备统计意义的效率增长。而大众熟知的生产效率大提升，直到个人电脑商业化整整十五年后才真正体现在宏观数据中。
高盛官方仍看好AI“未来十年将大幅提振生产效率”。但艾尔西的观点是，AI热潮的鼓吹者与提前在股市押注该逻辑的投资者可能误判了时机。在她看来，造成技术红利兑现延后的并非技术原因，而是使用者对应用该技术的抵触。
无人提及的J曲线
个人电脑的商业化始于1981年。上世纪80年代初，大多数行业对信息通信技术（ICT）的投资急剧攀升，但直至90年代末，生产效率才开始上行。
艾尔西通过对行业面板数据进行分析发现，生产效率的演变轨迹符合她提出的“J曲线”规律：前四年生产效率小幅承压，直至第八年才出现具有统计意义的效率提升，在第十二年左右达到峰值——约拉动生产效率提升0.6个百分点。若以2022年ChatGPT的发布类比1981年个人电脑问世，按J曲线推演，AI的生产效率红利最早要到2030年才会显现，峰值则会出现在2034年前后。
造成计算机红利延迟兑现的核心原因有三。其一，半导体、电信设备等核心硬件在整个80年代成本高企，直至90年代监管放开、市场竞争加剧，打破行业垄断格局后，相关产品价格才显著回落。其二，互联网等各类应用只有在普及度达到临界规模后才能实现规模效应，这一过程耗时数年。而最容易被忽视的核心瓶颈，是企业为适配新技术，必须开展大规模组织架构改造。
高盛预测，每投入1美元ICT硬件，至少需要配套1.7美元的“无形资产”投资——涵盖软件、数据系统，以及最难量化的组织架构改造成本。值得注意的是，这类组织改造相关支出直至90年代中期才迎来大幅增长，此时距个人电脑普及办公已过去整整十年。最终从ICT中获益最多的行业，并非布局最早、硬件投入最多的行业，而是那些愿意重金重构自身作业流程的行业。
历史重演，且“人的问题”更难解决
回望过去的意义正在于此。高盛的数据显示，现阶段AI硬件的投资增速已超越当年同期的ICT硬件扩张速度，这对多头而言自然是好消息。但坏消息是，组织架构改造方面的投入似乎慢于上世纪90年代ICT发展周期。高盛承认，部分相关支出可能并未纳入官方统计口径（亚特兰大联储调研显示，2026年AI相关无形资产投入规模约2800亿美元），但即便考虑统计偏差，组织改造投资相较硬件端的滞后程度，仍远超上一轮技术变革周期。
虽然这场组织架构改造有望推动相关行业利用AI实现生产效率提升，但劳动者却普遍对相关改造持抵触态度，并用实际行动表达出了自己内心的抗拒。
今年4月，AI服务商Writer与职场调研机构Workplace Intelligence（两家机构自身均可从AI商业化获益，相关数据仅供参考、需理性看待）联合开展了一项调研，共覆盖2400名知识型员工。调研显示，29%的员工承认会主动阻碍企业的AI战略，在Z世代员工，这一占比达44%，较去年同期的41%继续走高。同月，WalkMe面向14个国家的企业管理者与普通员工开展了另一项调研，超54%受访者表示在过去30天内曾故意不用公司部署的AI工具，改为手动完成工作。调研方分析，员工担心自身技能被淘汰，是催生主动抗拒、消极应付乃至隐性对抗行为的核心诱因。无独有偶，《经济学人》也曾发文指出，美国职场AI使用率在初期冲高后，随着新鲜感褪去，整体出现下滑。
哈佛商学院（Harvard Business School）的研究人员发现了所谓“象征性使用”职场现象，即员工为免招致解雇风险，不公开拒绝使用AI工具，表面配合，但私下却想方设法弱化AI的实际作用。背后动机十分清晰。在Writer调研中，承认主动对抗AI应用的受访者里，30%担心AI会取代自己的岗位，26%认为AI削弱了自己在职场的价值感与创作空间。这种心态不无道理，同一份调研数据显示，69%的企业高管表示公司已在开展与AI相关的裁员工作。
数据传递出的信号
我在报道AI对劳动力市场冲击的过程中，也从数据中发现了这一趋势。斯坦福大学埃里克・布林约尔松携手ADP研究机构，依托Canaries Dashboard监测系统，对730余个职业、460万名劳动者进行了一项追踪研究，结果显示，就业市场整体看似平稳，内部却暗流涌动，身处易受AI冲击岗位的22至25岁群体的就业规模正以每年超4%的速度萎缩。这一现象在整体数据中无从察觉，只有在按年龄、岗位替代风险对数据进行细化分析后才能发现。
高盛行业板块分析显示，信息技术、专业服务、保险与金融行业最有机会率先实现生产效率提升，而在各类调查中，恰恰也是这些白领行业的员工对该技术的抵触情绪最为突出。倘若组织架构改造滞后，除改造成本高、流程复杂之外，再叠加员工层面的阻力，那么高盛参照ICT技术周期测算出的八至十二年红利兑现周期，恐怕都过于乐观了。
这种情形与艾尔西提出的J曲线完全契合。技术落地初期，先出现的往往是破坏效应，而后才会创造新的价值。生产效率提升受阻并非因为技术问题，而是因为组织架构改造与人员调整没有跟上。而在本轮AI浪潮中，大量员工主动抗拒变革，又进一步加剧了这一问题。
《经济学人》报道的AI使用率回落，并非因为工具性能退化，而是因为落地本就艰难，若员工担忧岗位被替代，推广阻力更将进一步放大。神经科学与人工智能领域专家认为，我们一直严重低估了成年人适应新技术的难度。提供AI技能提升与再培训服务的Mindstone公司CEO乔舒亚・沃勒此前在接受《财富》采访时说：“据我观察，绝大多数人抵触学习，但凡有机会都会尽量回避。”无独有偶，神经科学家维维恩・明在接受《财富》采访时指出，“适定问题”与“不适定问题”存在本质区别，而遗憾的是，现有的教育和工作体系大多只适合解决前者。
这个特殊的“不适定问题”可能给金融市场带来很大麻烦。阿波罗全球管理公司（ApolloGlobal Management）首席经济学家托斯滕・斯洛克一直强调，AI是“支撑经济与市场的唯一支柱”。他在本月早些时候发表于《每日火花》（Daily Spark）博客的文章中写道：鉴于巨额资金集中于少数标的，“若回报兑现速度慢于预期，这便不只是单一行业的问题，更可能引发经济衰退，并导致标普500指数进入回调区间。”
高盛究竟想说什么
需要明确一点，高盛并非断言AI是“镜花水月”。实践已经充分证明，AI在特定应用场景中确实能够提升微观层面的生产效率。问题在于，这类效率提升何时、以及能否体现到宏观数据之中，形成足以支撑当下股市估值与大规模AI基建投入的全局性生产效率增长。
历史经验表明，红利兑现要花的时间比市场预想的更长，而各类反映员工抵触转型的数据则显示，实际节奏甚至会比高盛模型预测的更慢。组织架构改造投入的滞后表明，瓶颈从来不在于硬件设备，而在于推进企业与员工重塑工作模式这项流程繁杂、成本高昂且牵扯多方利益博弈的系统性工作。
上一轮技术变革历经十年才最终兑现红利。如今并无迹象表明本轮AI转型能更快实现突破，相反，诸多迹象显示，其落地周期或将更加漫长。（财富中文网）
译者：梁宇
审校：夏林
