衡量AI對生產力的影響為何如此困難——彭博社解析

“時間就是金錢”是企業界一句老生常談的諺語。與其他許多陳詞濫調一樣，它常被提及卻鮮少被認真對待。但在人工智能及其對經濟生產力影響的背景下，時間——更準確地説，時間節省——正逐漸成為衡量該技術鉅額投資是否值得的關鍵指標。

任何技術提升生活水平的潛力，都取決於其推動經濟學家所稱的全要素生產率提升的能力——即從生產商品或服務所用的所有資源中獲取更多價值。生產率已成為企業領導者和政策制定者關注的核心議題，因為近幾十年來其增速大幅放緩，儘管技術變革似乎正以驚人的速度發展。

攝影師：Cydney Cosette為《彭博商業週刊》拍攝；道具造型師：Audrey Davis儘管幾乎每週都會出現具有驚人能力的新AI模型，人們也相應期待它能幫助企業改進工作流程或服務，但迄今為止，經濟統計數據中尚未顯現出所宣傳的效率提升證據。調查顯示許多企業正在嘗試AI。美國聯邦儲備委員會近期商業調查綜述發現20%至40%的員工正在使用AI。另一項研究顯示歐盟企業採用率平均為13.5%。

彭博商業週刊一個人的加密貨幣暴利正在資助10億美元的空間站夢想密切關注馬斯克顛覆行業的每一步這家AI初創企業無法擊敗微軟 於是選擇加入德州社區學院重塑從校園到職場的路徑當早期所謂的通用技術出現時，其帶來的生產力提升總是需要時間才能體現在國家統計數據中。關於20世紀初美國製造業電氣化的著名案例研究表明，這一滯後大約為50年。關鍵原因之一是：企業不僅需要投資電氣設備，還需建造新工廠。蒸汽動力工廠需要多層結構以高效利用能源，而電力驅動的裝配線則需要平坦佈局。斯坦福大學Erik Brynjolfsson領導的三位經濟學家將這種現象稱為"生產力J曲線"：採用新技術後生產力會先下降再上升。

七國集團國家生產力停滯

全要素生產率年度變化，五年移動平均值

來源：Diane Coyle整理的賓夕法尼亞世界表數據

生產力提升在數據中顯現緩慢的另一個原因是生產力測量本身存在困難，特別是在經濟中不再生產洗衣機、汽車零件等標準化易統計商品的大部分領域。以管理諮詢或法律服務為例，統計機構可以輕鬆收集這類公司的營收數據，但其產出量如何衡量？顯然不是演示文稿的頁數或法律摘要的篇幅。他們收取的服務費用與質量相關，但統計人員如何量化管理或法律諮詢的質量？

谷歌通過向免費提供的搜索服務旁展示廣告獲利數十億美元。然而，要衡量創造的經濟價值（這正是生產率試圖測算的），比統計谷歌收入複雜得多。互聯網服務提供商、數據中心運營商和內容提供商的貢獻又該如何計算？

追蹤人工智能影響時，考察時間投入（時長及使用者）是更有價值的生產率指標。雖然我們常將技術等同於新設備或發明，但歷史上大多數生產率提升本質是勞動者加速完成某些任務，從而騰出時間從事其他活動。簡言之，流程創新比產品創新更重要。

密歇根州迪爾伯恩市福特汽車公司電動化裝配線上的工人。圖片來源：Hulton Archive/Getty Images以蒸汽船的普及為例。早期改良（如銅皮包覆船體）雖已加速帆船航行，但19世紀末真正改變旅行與貿易的是蒸汽動力快速帆船的採用。更近的流程創新案例是1980年代日本首創的"準時制"生產技術。隨着物流體系完善，從汽車到服裝等行業都實現了按需生產，降低了庫存積壓風險。

對於某些技術而言，其整體經濟效益尚不明確。以如今遍佈商店的自助結賬終端為例，它們為店主節省了被替代收銀員的工資開支，可能提升了零售業的統計生產率。但這些設備實際上將工作轉嫁給了消費者無償付出的時間，因此整體生產效率是否真正提升仍存疑。人工智能的許多應用同樣存在類似問題，它們正在向消費者徵收時間税，而使使用它們的機構獲益。試想那些永遠無人接聽的客服電話中心消耗的時間（與壓力），或是在電商平台上處理退貨流程的繁瑣操作。

正因如此，當人工智能開始改變我們的生活時，時間成為衡量經濟影響的核心指標。遺憾的是，無論是工作還是生活場景，目前都缺乏關於人們每日時間分配的系統性數據收集。部分國家統計機構在開展消費者時間使用調查時已增設線上活動相關問卷，但這些調查頻次較低，仍難以判斷網絡活動究竟是讓生活更便捷高效，還是通過複雜的在線界面徵收時間税，將勞動成本轉嫁給個人。

來源：普林斯頓大學出版社人工智能已被證實能有效自動化耗時流程——例如總結法律判例、格式化演示文稿和編寫標準代碼片段。企業應該從員工當前時間分配方式及未來如何更高效利用時間的角度，思考生產力提升空間。換言之，AI能幫助我們識別哪些工作屬於"時間黑洞"。員工們心知肚明，卻可能因擔心崗位被取代而不願向上級坦白（高盛2023年報告估計AI可能取代全球3億全職崗位，但實際影響尚難預料）。

與此同時，經濟學家和統計學家應考慮採用新型調查方式及更創新的數據收集手段（如追蹤手機電腦使用情況）來填補認知空白。我們如何分配每天24小時的寶貴時間，才是衡量價值的終極標準——這也將證明AI的經濟價值。黛安·科伊爾是劍橋大學貝內特公共政策研究所聯合主任，著有《進步的尺度：計量真正重要之事》。