1987年，經濟學家、諾貝爾獎得主Robert Solow提出一個令人不安的觀察。20世紀60年代電晶體、微處理器、積體電路和存儲晶片相繼問世，企業和經濟學家原本相信，資訊技術將徹底改變辦公室，帶來生產率飛躍。但現實並不配合。美國生產率增速從1948年至1973年的2.9%，跌到1973年之後的1.1%。
當時的計算機並沒有立刻解放勞動力。它們往往生成海量信息，列印成厚厚的報告，反而增加了管理負擔。Solow在1987年《紐約時報書評》寫下那句著名的話，人們在各處都能看到計算機時代，卻唯獨看不到生產率的提升。這後來被稱為「索洛生產率悖論」。
如今，類似的戲劇似乎在AI身上重演。
《Fortune》報導，根據英國《金融時報》對2024年9月至2025年的分析，標普500指數中有374家公司在財報電話會上提到AI，多數評價積極。但這些表態，並沒有在宏觀生產率數據中顯現。
本月，美國國家經濟研究局發布一項研究，調查了美國、英國、德國和澳大利亞6000名CEO、財務長等高管。結果很冷靜。約三分之二的受訪者表示在使用AI，但平均每周僅1.5小時。25%的企業完全沒有在工作中使用AI。近90%的企業認為，過去3年AI對就業和生產率沒有影響。
企業對未來仍然樂觀。高管預計，未來3年AI可使生產率提高1.4%，產出增加0.8%。他們預計就業將減少0.7%。而員工的看法更溫和，認為就業可能增加0.5%。
2023年，麻省理工學院研究人員曾稱，使用AI的員工績效可提升近40%。但現實數據尚未兌現這種幅度。2024年企業在AI上的投資已超過2500億美元，回報何時顯現，成了經濟學家的疑問。
Apollo首席經濟學家Torsten Slok在博客中寫道，AI無處不在，卻不在宏觀數據中。他指出，在就業、生產率和通脹數據里，看不到AI的影子。除了所謂的「七巨頭」科技公司之外，也看不到AI對利潤率或盈利預期的顯著影響。
研究之間也並不一致。美國聖路易斯聯邦儲備銀行在《生成式AI採用現狀報告》中稱，自2022年底ChatGPT推出以來，累計生產率額外增長約1.9%。而2024年的一項麻省理工學院研究則預測，未來10年生產率僅提高0.5%。該研究作者、諾貝爾獎得主Daron Acemoglu表示，0.5%並非毫無意義，但遠低於行業和科技媒體的承諾。
信任問題也浮出水面。人力資源公司ManpowerGroup在2026年全球人才晴雨表中調查了19個國家近14000名員工。2025年經常使用AI的員工比例上升13%，但對其效用的信心下降18%。使用增加，信任卻減少。
IBM首席人力資源官Nickle LaMoreaux表示，公司將把年輕員工招聘人數增加到原來的3倍。她的邏輯很現實。如果讓AI過度取代初級崗位，未來會缺少中層管理者，影響企業的領導梯隊。
當然，歷史也提醒我們不要過早下結論。20世紀70年代和80年代的資訊技術熱潮，確實經歷過長時間低迷。但到了1995年至2005年，生產率增速回升1.5%。技術擴散和組織重構需要時間。
史丹福大學數字經濟實驗室主任Erik Brynjolfsson在《金融時報》撰文指出，趨勢可能已經開始逆轉。他觀察到第四季度GDP增速達3.7%，而新增就業人數僅181000人，顯示產出增長與就業增長出現分離。他的分析認為，美國去年生產率增長2.7%，部分歸因於企業從AI投資階段轉向收益階段。前Pimco執行長、經濟學家Mohamed El Erian也提到，就業與GDP脫鉤的現象，與20世紀90年代辦公室自動化時期相似。
Slok提出，AI的路徑可能呈現J曲線。初期表現平淡甚至拖累效率，隨後快速躍升。但關鍵不在於AI本身，而在於企業如何應用它。20世紀80年代的資訊技術創新者一度擁有壟斷定價權，如今大型語言模型之間競爭激烈，價格迅速下降，工具普及速度遠快於當年。
從宏觀角度看，真正創造價值的不是產品本身，而是企業如何把生成式AI嵌入業務流程。技術從來不是魔法。它更像是一种放大器，放大組織的能力，也放大組織的混亂。索洛悖論提醒我們，統計數據的沉默，有時只是變革尚未完成的前奏。
