2026 年 2 月,NBER 發布工作論文 w34836《Firm Data on AI》,由 Ivan Yotzov、Nicholas Bloom、Steven J. Davis、Brent H. Meyer、Paul Mizen、Gregory Thwaites、Ben Zhe Wang 等十餘位經濟學家合著,機構橫跨亞特蘭大聯準會、英格蘭銀行、德國聯邦銀行與 Macquarie 大學。2 月 20 日 AI News 的報導讓這份論文進入科技圈視野,它的核心發現簡單到殘酷:AI 採用率很高,可測量的生產力影響卻接近零。
這份調查之所以值得認真對待,在於方法。電話驗證、不付酬勞的近 6,000 位高管——絕大多數是 CEO 與 CFO——分布在美國、英國、德國與澳洲,資料再與各國統計局十年的總體產出與僱用數字交叉核對。相對於 vendor 調查與推特民調,這是目前關於「AI 對企業實際做了什麼」最紮實的證據之一。
採用很廣,影響很小
數字呈現一個尖銳的對比。69% 的受訪公司表示已在業務中實際使用 AI,採用度在較年輕、生產力較高的公司明顯更高;超過三分之二的高管自己定期使用 AI 工具。具體用途以 LLM 文字生成最多(41%),其次是視覺內容生成(29%)與機器學習資料處理(28%);英國的企業採用率在 2025 年內從 61% 升到 71%。
但往回看三年,約九成高管表示 AI 對公司的僱用人數與生產力「沒有可測量的影響」。而且使用強度其實很低:高管平均每週只花約 1.5 小時使用 AI。採用是廣的,深度是淺的——這四個字基本總結了現況。
預期落差:雇主與員工各說各話
論文更有意思的部分是預期。同樣這批高管,展望未來三年,平均預期生產力提升 1.4%、產出增加 0.8%、僱用減少 0.7%。美國高管最樂觀,預期生產力提升 2.25%,英國為 1.86%。裁員幅度同樣溫和,英國預期的調整有三分之二打算靠「放慢招募」而非裁員完成。
對比員工端,落差就出來了。美國員工(透過 SWAA 調查)預期就業增加 0.5%,高管預期減少 1.2%;員工預期的生產力增益是 0.92%,不到高管預期 2.25% 的一半。同一個技術,老闆看到的是省人,員工看到的是加薪——兩者至少有一邊會失望。
為什麼數字這麼平淡
幾個結構性原因值得列出:
- 互補性投資還沒到位:流程重設、資料整理、人員訓練通常滯後於工具採購,生產力論文裡的 J-curve 老劇本。
- 使用深度太淺:每週 1.5 小時的用量,不太可能改變一家公司的成本結構。
- 衡量口徑落差:McKinsey 調查稱 88% 企業至少一個職能用 AI,美國普查局 BTOPS 從 2024 年初的 9% 升到 2025 年 12 月的 18%——問卷定義不同,數字可以差五倍,也提醒讀者別把任何單一採用率當真理。
- 早期採用者偏差的另一面:採用集中在本來就年輕、本來就高生產力的公司,很難把增益歸因給 AI 本身。
對產品團隊的啟示
第一,賣「採用」的故事已經飽和,下一步的掣購理由是可測量的產出改變——這份論文等於替所有 ROI 導向的企業 AI 產品背書了方向。第二,使用深度是新的北極星:每週 1.5 小時與每天兩小時的產品,商業意義完全不同, 嵌入工作流比單次叫用更有價值。第三,預期管理是真的:高管平均只押 1.4% 的生產力增益,任何宣稱十倍回報的 pitch 都會在 CFO 面前顯得可笑。證據目前站在漸進派那邊——至於未來三年會不會打臉,論文自己就是最好的基準線。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。