AI 生產力悖論：6,000 位 CEO 研究顯示零影響，Morningstar 警告企業錯把 AI 當裁員藉口

1987 年，諾貝爾經濟學獎得主 Robert Solow 在《紐約時報書評》上寫下了一句至今仍被反覆引用的話：「除了生產力統計數據，到處都能看到電腦時代的身影。」近四十年後，當全球科技巨頭在 2026 年合計投入超過 6,500 億美元建設 AI 基礎設施之際，一項迄今最大規模的國際高管調查正在向我們發出同樣的警告：AI 革命的承諾與現實之間，存在一道令人不安的鴻溝。

Bloom & Davis 研究：四國 6,000 位高管的冷酷答案

2026 年 2 月，史丹佛大學的 Nicholas Bloom 與芝加哥大學的 Steven Davis 發表了一項突破性研究。這並非又一項針對特定企業或特定職業的小規模實驗，而是首個具有代表性的跨國研究，透過美國、英國、德國和日本的中央銀行調查系統，收集了近 6,000 位資深企業高管的回應。

研究結果直截了當，甚至可以說是殘酷的。超過 90% 的受訪高管表示 AI 對其企業的就業「沒有影響」。89% 的高管表示 AI 對其企業的生產力「沒有影響」。將所有回應加權平均後，AI 對就業的平均影響是——0.00%，字面意義上的零。對生產力的平均影響則僅為 0.29%，一個在統計上幾乎可以忽略不計的數字。

Fortune 雜誌以一個頗具戲劇性的標題報導了這項研究：「數千位 CEO 剛剛承認 AI 對就業和生產力沒有任何影響——這令一個 40 年前的悖論死灰復燃。」文章直接將今天的 AI 投資狂潮與 1980 年代的個人電腦革命相提並論，指出 Solow 悖論的幽靈正在科技產業上空盤旋。

Morningstar 的尖銳批評：AI 成了裁員的遮羞布

如果說 Bloom & Davis 的研究從宏觀層面揭示了 AI 的生產力困境，那麼 Morningstar 分析師 Lochlan Halloway 在 2 月 27 日發表的分析則從企業策略層面提出了更為尖銳的批評。

Halloway 指出了一個令人不安的趨勢：越來越多的企業正在將 AI 當作裁員和削減成本的藉口，而非真正用來提升生產力和創造新價值。換言之，AI 在許多企業中的角色不是一把能打開新市場的鑰匙，而是一把揮向現有員工的裁員刀。

「市場的目光完全聚焦在 AI 可能摧毀什麼，而非它可能創造什麼價值。」——Lochlan Halloway，Morningstar 分析師

這句話精準地揭示了當前 AI 應用的一個根本性問題。當企業將 AI 定位為「成本節約工具」而非「價值創造引擎」，其結果往往是短期的利潤優化，而非長期的競爭力提升。裁減客服團隊、縮小內容創作部門、削減初級分析師——這些動作確實能在下一季度的財報中節省開支，但它們並不能讓企業在產品創新、市場拓展或客戶體驗方面獲得真正的突破。

Halloway 的分析暗示了一個更深層的結構性問題：華爾街的激勵機制可能正在扭曲企業對 AI 的運用方式。當投資者獎勵「用 AI 裁員 20%」而非「用 AI 將產品創新速度提高 50%」，企業自然會選擇阻力最小的路徑——即便這條路徑最終會削弱企業的創新能力和長期競爭力。

反對聲音：生產力起飛真的正在發生嗎？

然而，並非所有經濟學家都同意悖論正在重演的判斷。MIT 數位經濟研究中心的 Erik Brynjolfsson 在《金融時報》上提出了截然不同的觀點：AI 驅動的生產力起飛不僅存在，而且已經在數據中清晰可見。

Brynjolfsson 引用的關鍵數據是：美國 2025 年的勞動生產力增長率達到約 2.7%，幾乎是過去十年平均水平 1.4% 的兩倍。他認為這一加速並非巧合，而是 AI 工具——特別是生成式 AI——開始在企業中產生實質性影響的信號。

不過，耶魯大學預算實驗室很快潑了一盆冷水。他們在一份分析報告中謹慎地指出：「不要急着把生產力數據的雞蛋數成小雞。」意思是，短期的生產力數據波動受到太多因素影響——經濟周期、就業結構變化、統計方法調整——單憑一年的數據加速就下結論說 AI 革命已經開始轉化為實際生產力，為時尚早。

加州大學柏克萊分校：AI 提升了生產力，但也榨乾了員工

如果 Brynjolfsson 與 Bloom & Davis 之間的分歧代表了宏觀經濟數據的爭論，那麼加州大學柏克萊分校在 2026 年 2 月刊登於《哈佛商業評論》的研究則揭示了一個更為複雜的微觀現實。

柏克萊的研究團隊發現：AI 工具確實讓員工的生產力有所提升——這一點毋庸置疑。然而，隨着個人生產力的提高，員工承擔的工作量也隨之增加。管理層的邏輯很簡單：既然你現在能用 AI 更快地完成報告，那就同時做五份報告吧。

「AI 並沒有減少工作量——它加劇了工作的強度。」——加州大學柏克萊分校研究報告

研究發現，使用 AI 工具的員工出現了更高程度的倦怠感。生產力提升被工作量的等比增加所吞噬，最終的淨效果遠不如帳面數字那麼樂觀。更令人擔憂的是，這種「AI 驅動的倦怠」可能會導致人才流失和創造力下降，進而在長期內侵蝕生產力增長的基礎。

這項研究為理解 AI 生產力悖論提供了一個重要的微觀機制：技術層面的效率提升，可能被組織層面和人為因素的反應所抵消。就像經濟學中的 Jevons 悖論——當蒸汽機的效率提高後，煤炭消耗不減反增——AI 提升了單位工作的效率，但整體工作負擔卻同步膨脹。

6,500 億美元的豪賭：投入與回報的鴻溝

將上述研究發現放在投資規模的背景下審視，AI 生產力悖論的嚴重性更加凸顯。僅 2026 年，全球科技巨頭計劃投入超過 6,500 億美元用於 AI 基礎設施——這還不包括企業端的軟體採購、人才投入和組織轉型成本。

如果 Bloom & Davis 的發現是正確的——即 AI 在絕大多數企業中尚未產生可衡量的生產力影響——那麼一個自然的問題是：這些投資何時能看到回報？歷史經驗或許提供了一些慰藉。1990 年代的互聯網也經歷了類似的「投入先行、回報滯後」的過程，最終在 2000 年代中後期開始系統性地提升經濟生產力。但歷史經驗也提醒我們：不是所有的技術投資都能最終轉化為生產力增長——大量投入也可能以泡沫的形式蒸發。

香港視角：停滯的生產力與 AI 的承諾

AI 生產力悖論對香港而言具有特殊的意義。香港的勞動生產力增長長期處於停滯狀態，近年來的表現尤為疲弱。在這一背景下，AI 被許多政策制定者和商界人士視為突破生產力瓶頸的希望。

然而，Bloom & Davis 的研究和 Morningstar 的分析應該讓我們更加審慎。香港企業在 AI 採用方面的進展確實不俗——從金融業的智能風控到零售業的個性化推薦，AI 應用正在各行業滲透。但如果全球範圍內近九成企業高管都表示 AI 未能對生產力產生實質影響，那麼香港恐怕也難以例外。

更重要的是，Morningstar 對「AI 裁員論述」的批評對香港企業同樣適用。在人才市場已經承壓的環境下，如果企業僅將 AI 視為削減人力成本的工具，而非重新想像業務模式和開拓新收入來源的催化劑，那麼 AI 投資的回報將令人失望——不僅在財務層面，更在社會層面。

化解悖論的可能路徑

Bloom & Davis 的研究並非是對 AI 判了死刑。歷史上，幾乎所有的通用技術——從蒸汽機到電力到個人電腦——都經歷了漫長的「安裝期」後才進入「部署期」，真正的生產力收益往往在技術普及之後的 10 到 20 年才全面顯現。關鍵在於，企業和政策制定者需要做對幾件事。

第一，將 AI 投資的焦點從「替代人力」轉向「增強能力」。柏克萊的研究表明，單純提高個人產出而不重新設計工作流程和組織結構，只會導致倦怠和人才流失。AI 的真正價值在於讓人能做以前做不到的事，而非讓人更快地做同樣的事。

第二，建立更好的衡量體系。傳統的生產力指標可能無法捕捉 AI 帶來的某些價值——例如決策品質的提升、產品創新的加速或客戶體驗的改善。耶魯大學預算實驗室的警告提醒我們，現有的統計框架可能不足以衡量 AI 經濟的全貌。

第三，給予時間。Solow 悖論最終在 1990 年代後期被化解，當時美國的生產力增長出現了顯著加速。但這花了將近 15 年的時間。AI 或許也需要類似的「醞釀期」——關鍵是在此期間維持投資的紀律性，避免將技術投資變成純粹的資本浪費。