打开任何一个职场调查报告,结论几乎一致:AI让工作变快了。麦肯锡2026年8月的全球调研里,80%的受访者说AI提升了自己的生产力。盖洛普2026年5月的数据显示,52%的美国职场人已在工作中使用AI,15%每天使用。
可一到公司层面,故事就变了脸。美国国家经济研究局(NBER)联合亚特兰大联储2026年3月发布的报告,调查了近6000位CEO和CFO:69%的公司在用AI,89%的公司却承认过去三年劳动生产率没有可测量的提升。
个人效率和企业账本之间,隔着一道明显的裂缝。这道裂缝有个名字,叫AI生产力悖论。
微观在涨,宏观在原地
先看微观证据。随机对照试验的数据相当扎实:
- 客服场景:5179名客服坐席用上AI助手后,每小时解决问题数量提升14%,新手提升幅度达到34%(Brynjolfsson等人的NBER研究)
- 编程场景:微软、埃森哲和一家财富100强公司共4867名开发者参与试验,完成任务数多出26%
- 咨询场景:波士顿咨询的758名顾问用GPT-4做18项任务,速度提升25.1%,质量更高
圣路易斯联储2026年8月更新的数据也印证了这点:生成式AI为美国使用者节省了约5.4%的工作时长,折算下来每周约2.2小时。
再看宏观。把所有美国劳动者(包括不用AI的人)加总,AI节省的时间只占总工时的2.2%。丹麦学者基于行政记录的研究更残酷:ChatGPT发布两年后,研究者可以精确排除AI对收入和工作时长产生超过2%的影响。
一边是14%到26%的任务提速,一边是2.2%的工时节省。差距在哪?
METR试验:AI让资深程序员慢了19%,他们自己没察觉
2025年7月,研究机构METR做了一项著名试验。16位经验丰富的开源开发者领取246个真实任务,随机决定用不用AI工具。
结果是反直觉的:用AI的开发者完成任务慢了19%。
更有意思的是主观感受。试验前,开发者预计AI能省24%的时间;试验后,他们依然估计AI帮自己提速了20%。测量结果和自我认知之间,差了将近40个百分点。
这个试验戳破了一个常见误区:感觉变快不等于真的变快。检查AI输出、修 bug、返工的时间,很多人没算进总账。Gartner 2026年的员工调查里,19%的人表示用AI一个小时的班都没省下,7%的人说AI反而搭进去了时间。
资深专家还有另一个坑。哈佛商学院的BCG试验中,遇到超出模型能力范围的任务,用GPT-4的顾问得出正确答案的概率比不用AI的同行低19%。专家被AI的自信带偏了。
企业端:56%的CEO看不到收入或成本变化
把视线拉回公司财务报表,数字同样冷静。
- 普华永道2026年1月调查了95个国家的4454位CEO:56%的人在过去一年既没看到收入增长,也没看到成本下降
- 德勤2025年对1854位欧洲和中东高管的调查:典型AI用例要2到4年才能达到满意的投资回报,只有6%在一年内回本
- 麦肯锡2026年调查:只有37%的企业把任何EBIT影响归功于AI,高绩效企业占比约6%
例外当然存在,而且很具体。Klarna的20-F年报显示:AI客服助手2025年处理了80%的客服对话,相当于700多名全职客服的工作量,2024年省下3900万美元,2分钟解决一个客户问题(人工要12分钟),公司员工数从4352人降到2831人。
Klarna和多数公司的区别,不在模型选择上。它把AI直接嵌进了最高频、最容易度量的业务流程,并且真实砍掉了对应的人力配置。
裂缝来自哪:三个被忽略的环节
环节一:用量太浅。 NBER调查里,高管自己平均每周用AI只有1.5小时。美国普查局数据也显示,全美只有18%的企业在业务职能中用AI,其中57%只嵌入了三个以内职能。工具买了,没真正用起来。
环节二:省下的时间被挥霍掉。 NBER在66家公司做的现场试验发现,邮件和写作内嵌AI让知识工作者每周少花2小时处理邮件,但任务的数量和构成没有任何变化。时间省了,没人安排它去干更有价值的事。Gartner对114位HR负责人的调查更扎心:只有7%的组织给员工制定了”省下时间怎么用”的指引。
环节三:试点到生产隔着鸿沟。 德勤调查里只有25%的领导者把40%以上的AI试点推进到了生产环境。Gartner预测,到2027年底超过40%的智能体项目会因为成本失控、价值不清被取消。
普通职场人的四条应对
- 选高频任务做试验田。 每天重复超过3次的任务(周报、数据整理、邮件回复)最先上AI,效果最容易累积成每周数小时的真实节省。
- 记录净时间,不记感觉。 用AI前后各计时一周,把检查和返工的时间算进去。METR的教训是:不测量,就会自我感觉良好地变慢。
- 守住边界任务。 涉及核心判断、超出常规套路的工作,AI给出的答案要当成”一个自信同事的草稿”,逐条核对。BCG试验里被AI带偏的正是资深专家。
- 把省下的时间写进日程。 省出2小时却不安排用途,这2小时会被会议和杂事重新吃掉。预先指定它去复盘、学新技能或做深一个项目。
结语
AI生产力悖论不指向”AI没用”,它指向”用得不够深”。任务层面14%到26%的提升是真实存在的,圣路易斯联储也发现AI渗透率更高的行业生产率增长更快。裂缝出在组织层面:用量浅、时间被挥霍、试点落不了地。
个人能做的,是把每一分钟节省变成可测量的数字,再把它投到高价值的地方。企业能做的,是像Klarna那样选一个高频流程打穿,而不是买一堆工具让员工”表演式用AI”。
账本不会撒谎,感觉会。别用感觉做决定。
苏公网安备32010502011527号
发表回复