衡量AI对生产力的影响为何如此困难——彭博社解析

“时间就是金钱”是企业界一句老生常谈的谚语。与其他许多陈词滥调一样，它常被提及却鲜少被认真对待。但在人工智能及其对经济生产力影响的背景下，时间——更准确地说，时间节省——正逐渐成为衡量该技术巨额投资是否值得的关键指标。

任何技术提升生活水平的潜力，都取决于其推动经济学家所称的全要素生产率提升的能力——即从生产商品或服务所用的所有资源中获取更多价值。生产率已成为企业领导者和政策制定者关注的核心议题，因为近几十年来其增速大幅放缓，尽管技术变革似乎正以惊人的速度发展。

摄影师：Cydney Cosette为《彭博商业周刊》拍摄；道具造型师：Audrey Davis尽管几乎每周都会出现具有惊人能力的新AI模型，人们也相应期待它能帮助企业改进工作流程或服务，但迄今为止，经济统计数据中尚未显现出所宣传的效率提升证据。调查显示许多企业正在尝试AI。美国联邦储备委员会近期商业调查综述发现20%至40%的员工正在使用AI。另一项研究显示欧盟企业采用率平均为13.5%。

彭博商业周刊一个人的加密货币暴利正在资助10亿美元的空间站梦想密切关注马斯克颠覆行业的每一步这家AI初创企业无法击败微软 于是选择加入德州社区学院重塑从校园到职场的路径当早期所谓的通用技术出现时，其带来的生产力提升总是需要时间才能体现在国家统计数据中。关于20世纪初美国制造业电气化的著名案例研究表明，这一滞后大约为50年。关键原因之一是：企业不仅需要投资电气设备，还需建造新工厂。蒸汽动力工厂需要多层结构以高效利用能源，而电力驱动的装配线则需要平坦布局。斯坦福大学Erik Brynjolfsson领导的三位经济学家将这种现象称为"生产力J曲线"：采用新技术后生产力会先下降再上升。

七国集团国家生产力停滞

全要素生产率年度变化，五年移动平均值

来源：Diane Coyle整理的宾夕法尼亚世界表数据

生产力提升在数据中显现缓慢的另一个原因是生产力测量本身存在困难，特别是在经济中不再生产洗衣机、汽车零件等标准化易统计商品的大部分领域。以管理咨询或法律服务为例，统计机构可以轻松收集这类公司的营收数据，但其产出量如何衡量？显然不是演示文稿的页数或法律摘要的篇幅。他们收取的服务费用与质量相关，但统计人员如何量化管理或法律咨询的质量？

谷歌通过向免费提供的搜索服务旁展示广告获利数十亿美元。然而，要衡量创造的经济价值（这正是生产率试图测算的），比统计谷歌收入复杂得多。互联网服务提供商、数据中心运营商和内容提供商的贡献又该如何计算？

追踪人工智能影响时，考察时间投入（时长及使用者）是更有价值的生产率指标。虽然我们常将技术等同于新设备或发明，但历史上大多数生产率提升本质是劳动者加速完成某些任务，从而腾出时间从事其他活动。简言之，流程创新比产品创新更重要。

密歇根州迪尔伯恩市福特汽车公司电动化装配线上的工人。图片来源：Hulton Archive/Getty Images以蒸汽船的普及为例。早期改良（如铜皮包覆船体）虽已加速帆船航行，但19世纪末真正改变旅行与贸易的是蒸汽动力快速帆船的采用。更近的流程创新案例是1980年代日本首创的"准时制"生产技术。随着物流体系完善，从汽车到服装等行业都实现了按需生产，降低了库存积压风险。

对于某些技术而言，其整体经济效益尚不明确。以如今遍布商店的自助结账终端为例，它们为店主节省了被替代收银员的工资开支，可能提升了零售业的统计生产率。但这些设备实际上将工作转嫁给了消费者无偿付出的时间，因此整体生产效率是否真正提升仍存疑。人工智能的许多应用同样存在类似问题，它们正在向消费者征收时间税，而使使用它们的机构获益。试想那些永远无人接听的客服电话中心消耗的时间（与压力），或是在电商平台上处理退货流程的繁琐操作。

正因如此，当人工智能开始改变我们的生活时，时间成为衡量经济影响的核心指标。遗憾的是，无论是工作还是生活场景，目前都缺乏关于人们每日时间分配的系统性数据收集。部分国家统计机构在开展消费者时间使用调查时已增设线上活动相关问卷，但这些调查频次较低，仍难以判断网络活动究竟是让生活更便捷高效，还是通过复杂的在线界面征收时间税，将劳动成本转嫁给个人。

来源：普林斯顿大学出版社人工智能已被证实能有效自动化耗时流程——例如总结法律判例、格式化演示文稿和编写标准代码片段。企业应该从员工当前时间分配方式及未来如何更高效利用时间的角度，思考生产力提升空间。换言之，AI能帮助我们识别哪些工作属于"时间黑洞"。员工们心知肚明，却可能因担心岗位被取代而不愿向上级坦白（高盛2023年报告估计AI可能取代全球3亿全职岗位，但实际影响尚难预料）。

与此同时，经济学家和统计学家应考虑采用新型调查方式及更创新的数据收集手段（如追踪手机电脑使用情况）来填补认知空白。我们如何分配每天24小时的宝贵时间，才是衡量价值的终极标准——这也将证明AI的经济价值。黛安·科伊尔是剑桥大学贝内特公共政策研究所联合主任，著有《进步的尺度：计量真正重要之事》。