高管還沒看到 AI 帶來生產力爆發，科技樂觀敘事又撞上 Solow 悖論

AI News · 2026-04-20

原文連結： Thousands of executives aren’t seeing AI productivity boom, reminding economists of IT-era paradox

摘要

• Fortune 指出，六千名來自美國、英國、德國與澳洲的高管與財務主管，大多還沒在營運數據裡看到 AI 帶來明顯改變
• 雖然約三分之二的受訪者說自己有在用 AI，但平均每週只用 1.5 小時，近九成企業表示 AI 對就業與生產力沒有影響
• 市場對 AI 的預期仍很高，企業反而相信未來三年生產力會上升、就業會小幅下降
• 學者與經濟學家把這種落差拿來對照 1980 年代的 Solow 生產力悖論，提醒大家「看得到的熱度」不等於「看得到的宏觀數據」
• 研究同時顯示，AI 導入不一定立刻變成效率紅利，工具太多甚至可能讓人更疲乏、出錯更多
• 這篇文章最重要的訊號不是 AI 沒用，而是真正的回報可能要等組織流程、人才與使用方式一起成熟才會出現

· · ·

1987 年，經濟學家、諾貝爾獎得主 Robert Solow 留下了一句很有名的話，形容資訊時代初期的尷尬現象：當電晶體、微處理器、積體電路與記憶體晶片一路推出後，經濟學家和企業原本都期待它們會徹底改造工作場所，帶來生產力大爆發。結果卻是，生產力成長反而放慢了，從 1948 到 1973 年的 2.9%，掉到 1973 年之後的 1.1%。

新式電腦有時甚至只是製造出太多資訊，生成一堆冗長報表，再把它們印成一疊疊紙。原本被視為生產力福音的技術，短期內反而成了拖累。這個出乎意料的結果，後來就被稱為 Solow 的生產力悖論。

Solow 於 1987 年在《紐約時報書評》寫道：「你可以在四處都看到電腦時代的痕跡，但就是看不到生產力統計裡的變化。」

如今，高層主管對 AI 的使用情況，正讓歷史看起來像是在重演。企業與科技創辦人對 AI 的工作與經濟效應講得天花亂墜，但實際資料卻顯示，這股熱潮還沒真正轉成廣泛的宏觀生產力提升。

根據一份 2025 到 2026 年間對 S&P 500 企業財報電話會議的分析，有 374 家公司提到 AI，而且大多都說公司導入後結果是正面的。不過，這些樂觀說法並沒有反映在整體生產力數據上。

AI 真的讓人更有效率嗎？

美國、英國、德國與澳洲的一項研究，找了 6,000 名執行長、財務長與其他高管。結果顯示，多數人都覺得 AI 對公司營運幾乎沒什麼影響。雖然大約三分之二的受訪者說自己有使用 AI，但平均每週只花 1.5 小時；還有 25% 的人坦承，自己在工作上根本沒用 AI。研究也指出，近 90% 的企業表示，AI 在過去三年對就業或生產力沒有影響。

但同一批企業對 AI 的未來影響，預期卻仍然很高。高管們估計，接下來三年生產力會上升 1.4%，產出會增加 0.8%。雖然他們也預期就業會小減 0.7%，但接受調查的個別員工反而預期就業會增加 0.5%。

2023 年，MIT 研究者曾聲稱，導入 AI 可以讓高技能工作者的表現提升將近 40%。但現在越來越多資料卻沒有顯示出這種預期中的生產力紅利，也讓經濟學家開始懷疑，企業在 AI 上的投資究竟何時，甚至會不會，真正帶來回報。2024 年，AI 相關投資據說已經膨脹到超過 2,500 億美元。

Apollo 首席經濟學家 Torsten Slok 引用 Solow 的觀察說：「AI 無所不在，除了進入總體經濟數據的那部分。」他補充，今天你還看不到 AI 真的反映在就業數據、生產力數據或通膨數據裡。

Slok 也指出，除了一小撮「七巨頭」之外，外界幾乎看不到 AI 在利潤率或獲利預期上的影響。他引用了多篇學術研究，呈現出一個互相矛盾的圖像：AI 很熱，但它到底有沒有真的提高效率，答案還不穩。

去年 11 月，美國聖路易聯準銀行的一份生成式 AI 採用報告指出，自 ChatGPT 在 2022 年底出現以來，生產力成長的累積超額幅度約增加了 1.9%。但 MIT 2024 年的研究則認為，未來十年的生產力提升可能只有 0.5%。

研究作者、諾貝爾獎得主 Daron Acemoglu 當時說，0.5% 其實不算零，但和產業界與科技媒體的宏大承諾相比，確實令人失望。

其他新研究也能解釋這種落差。ManpowerGroup 的 2026 全球人才調查發現，在近 14,000 名來自 19 國的員工中，2025 年規律使用 AI 的比例增加了 13%，但對 AI 實用性的信心卻下滑了 18%，顯示不信任依然存在。

AI 甚至可能在某個程度後開始反效果。Boston Consulting Group 的一項研究指出，當使用者同時碰上太多 AI 工具時，可能出現所謂的「AI brain fry」。在 1,488 名美國全職工作者的調查裡，使用三個或更少 AI 工具的人，自評生產力有提升；但一旦工具數量來到四個以上，自評生產力就明顯下滑，受訪者說自己開始腦霧、也更常犯小錯。

IBM 人資長 Nickle LaMoreaux 今年則表示，這家科技巨頭會把年輕員工的招聘數量拉高三倍。原因不是因為 AI 完全取代了入門工作，而是公司擔心如果把初階職位削太快，未來就會少掉中階主管與領導梯隊。

什麼情況下，AI 的生產力曲線才可能翻正？

當然，這條生產力曲線未必永遠都會卡住。資訊科技在 1970、1980 年代經歷一段漫長低迷後，到了 1990 年代與 2000 年初，仍然迎來了生產力上升期。

經濟學家、史丹佛大學數位經濟實驗室主任 Erik Brynjolfsson 指出，趨勢也許已經開始反轉。他觀察到，第四季 GDP 年增率正朝 3.7% 走，而就業報告卻被下修到只剩 181,000 個新增職位，這暗示生產力可能正在起飛。他自己的分析也顯示，美國去年生產力跳增了 2.7%，他把這歸因於企業正從 AI 投資階段走向收成階段。

前 Pimco 執行長、經濟學家 Mohamed El-Erian 也注意到，就業成長與 GDP 成長正在部分脫鉤，這和 1990 年代辦公自動化擴張時很像。

有些生產力提升也可能其實藏在日常裡，只是沒被看見。史丹佛經濟政策研究所的一項研究，用 20 萬戶美國家庭的瀏覽資料發現，生成式 AI 讓求職、旅遊規劃、購物等線上任務的效率提升了 76% 到 176%。但研究者也發現，省下來的時間多半拿去和朋友相處，或是看電視，而不是拿去工作或培養新技能。

Slok 認為，AI 的未來可能比較像一條「J 曲線」：先出現一段效率下滑與成效遲滯，之後才會出現指數式上升。至於這條曲線會不會真的走成那樣，取決於 AI 到底創造了多少價值。

不過，AI 跟過去的資訊科技浪潮已經不完全一樣了。Slok 指出，1980 年代的 IT 供應商往往能靠壟斷價格撐一段時間，直到競爭者做出相似產品。今天的 AI 則不一樣，因為大型語言模型彼此競爭太激烈，價格正在快速被壓低。

因此，AI 生產力會不會真的起飛，關鍵已經不只是模型能力，而是企業願不願意把它真正嵌進工作流程。Slok 的結論很直接：「從總體角度來看，價值創造不是產品本身，而是生成式 AI 在不同產業裡被怎麼使用、怎麼落地。」

這篇故事先前曾於 Fortune.com 在 2026 年 2 月 17 日刊出過版本。

· · ·

延伸評論：熱度和產出之間，差的往往是流程

這篇文章真正提醒人的，不是 AI 沒用，而是「有用」和「真的變成宏觀成績」之間，還隔著一整段組織改造。模型變強只代表能力上限提高，能不能變成生產力，還要看流程、權限、培訓、工具整合與責任分工。

很多 AI 討論都在問模型會不會更聰明，但更現實的問題其實是，團隊有沒有準備好把它變成日常工作的一部分。少了這層轉譯，AI 可能只會停留在 demo、試用、或每週 1.5 小時的象徵性使用。

所以，下一波真正值得看的是那些能把 AI 變成默認流程、而不是額外負擔的公司。那才是生產力曲線會不會翻正的地方。