你往AI预算里砸了大量资金，结果季报上毫无起色——数千名CEO现在就是这种感受。
这是怎么回事？
2026年2月，美国国家经济研究局（NBER）发布了一项涵盖美国、英国、德国和澳大利亚6000名高管的调查结果。结论令人震惊。约90%的受访企业表示，过去三年AI对就业或生产力毫无影响。
约66%的高管表示使用AI，但实际每周使用时间仅为1.5小时。标普500中有374家公司在业绩说明会上提及AI并给予正面评价，但宏观经济数据中看不到任何生产力提升的迹象。
阿波罗首席经济学家托尔斯滕·斯洛克这样说道：
AI无处不在，就是不在宏观经济数据里。就业数据里没有，生产力数据里没有，通胀数据里也没有。
听起来耳熟？没错。这和诺贝尔经济学奖得主罗伯特·索洛40年前说计算机时说的话，结构上完全一致。
有什么不同，又有什么相同？
索洛悖论（Solow Paradox）首次出现于1987年。当时IBM营收十年内几乎增长了三倍，企业争相购买计算机，但生产力增长率却从1948至1973年的2.9%跌至1.1%。 索洛在《纽约时报》上写道："计算机时代无处不在，就是不在生产力统计数据里。"
| 悖论根源 | 1980年代计算机 | 2020年代AI |
|---|---|---|
| 衡量问题 | 服务质量提升无法反映在GDP中 | AI节省的时间用于扩展更多工作（无法衡量） |
| 采用滞后 | 集成电路到生产力提升需30年 | AI试点到流程再造需数年 |
| 组织惰性 | 原有工作方式+计算机叠加 | 原有工作流程+AI叠加 |
不过，反转信号也悄然出现。斯坦福经济学家埃里克·布林约尔松估计，2025年美国生产力跃升2.7%，接近过去十年平均水平1.4%的两倍。 他认为这是J曲线效应开始向上弯曲的信号——从AI投资阶段过渡到"收获阶段"。
核心建议：如何避免重蹈覆辙
- 部署AI前先设定可量化目标
不是"感觉快了"，而是"合同审查时间从2天缩短到4小时"。没有衡量标准，就无法管理J曲线。 - 先重新设计流程，再引入AI
把AI套在有问题的流程上，只会让问题跑得更快。先梳理流程、去除冗余步骤，再用AI赋能。 - AI工具控制在3个以内
BCG研究显示，使用1至3个AI工具时生产力最高，超过4个会因认知过载出现"AI脑疲劳"，效果适得其反。 - 不要低估配套投资
布林约尔松的研究表明，企业需要投入技术投资额最多10倍的配套投资（培训、组织重构、治理体系）才能真正释放生产力。 - 管理好J曲线底部阶段的预期
导入初期看不到成果不是失败，而是J曲线结构性下滑阶段。季度ROI压力驱动下的过早撤资，是组织无法完成J曲线反转最常见的原因。
深入了解
NBER Working Paper #34836 覆盖四国6000名C-suite高管的原始调查报告，所有数据的来源。 nber.org
The Productivity J-Curve（MIT） 布林约尔松首次系统阐述J曲线理论的奠基性论文，AI生产力滞后的经济学依据在此。 ide.mit.edu
Back to the Future: Solow's Productivity Paradox in the Age of AI 对1980年代IT适应模式与当今AI推广的对比分析，附具体组织案例。 linkedin.com
The Productivity J-Curve and the Hidden Economics of AI Transformation 80至90%的转型资本用于技术，但真正决定ROI的是人与组织重设计。 medium.com
斯坦福AI生产力起飞分析（Fortune, 2026年2月） 布林约尔松对2025年为何可能是AI生产力J曲线拐点的详细分析。 fortune.com
