美国劳工统计数据显示自2004年初以来美国劳动生产率的年化增长率维持在2.4%左右这不是什么惊人的数字更谈不上革命性。按照Dario Amodei这样的行业人士的说法AI应该能带来10%的GDP增长但现实中这个数字从未出现过。更让人意外的是达拉斯联储的一项研究发现那些被归类为高AI暴露度的岗位确实比低AI暴露度的岗位生产率增长更快但即便是这些高AI暴露度岗位的增速也低于它们在新冠疫情期间、甚至疫情前某些时段的表现。生产率曲线的峰值就是上不去。这正是Alex Kantrowitz在Big Technology Podcast对话Ethan Mollick时抛出的核心困惑。Mollick是沃顿商学院教授Substack专栏One Useful Thing的作者也是畻销书《Co-Intelligence》和新书《Co-Existence: The Next Phase of AI》的作者。他的观察方式与宏观统计数据形成了鲜明对比——他直接和大量企业高管、一线团队打交道看到的是另一套现实。1. 百倍生产力提升为什么撞上了组织的墙一个程序员借助AI把写代码的速度提升了一百倍——如果他是独立开发者这就是纯粹的奇迹。但如果他身处一个按两周冲刺周期运作、每天开站会、需要和市场部门协同的组织里这百倍提升反而成了障碍。没有人有时间去处理、评审、集成这么多新增代码。Mollick指出应用商店的数据印证了这种错位代码产出量增长了二十倍但实际上线的产品只增加了大约30%中间差了一个数量级。原因很直接——AI目前是一种单人游戏体验个体的表现可以被放大但组织运转靠的是很多人同时协作。企业花了四年时间去适应ChatGPT带来的冲击但生产流程、团队协作方式、跨部门协同机制并没有跟上个体效率的提升速度。这不是技术问题是组织还没学会如何把一个人的百倍转化成一百个人的两倍。2. 流量洪水和真实产出完全是两件事App Store里应用数量暴增评论数却没有同比例增长表面看像是虚假繁荣。Mollick特意把这个现象拆成两条独立的曲线一条是内容洪水——小说、游戏、应用程序的绝对数量确实在井喷另一条是真实的产品发货数据这条曲线的增长幅度要小得多。两者混为一谈是常见的误解。编码量的激增是实打实的但产品发货量的增幅只是有所增加而不是同等倍数的爆发。差距的根源还是回到了多人协作的瓶颈——个体产出可以被AI无限放大但走完从代码到产品的全流程需要的是跨角色、跨部门的协同而这件事AI还帮不上太多忙。3. 领导力、人群与实验室三股力量没对齐Alex提出一种设想在近期的竞争格局里真正领先的公司会是那些愿意放权、让员工打破繁文缛节去自由探索AI用法的组织而不是把新人招进来后迅速磨平成标准化角色执行者的那种公司。Mollick认同这个方向但补充了一个关键的框架——在他的书里他把组织转型需要对齐的三要素称为leadership领导层、lab实验室、crowd人群。领导团队要真正买入并推动组织层面的变革要有一线员工在实际使用中不断发明新用法还要有专门的研究力量去研究如何把这些零散的创新系统性地推广给所有人。即便给了员工自由探索的空间如果没有把个体的创新转化为可复制的流程依然只是原地打转。给一个百倍效率的程序员自由不代表营销团队知道怎么配合他把东西发出去也不代表后续维护问题会自动解决。4. 没人说AI没用——但ROI和组织转型是两件事Alex追问都四年过去了基础设施、产品和资本投入的赌注规模这么大总得有个说法——如果看不到生产率提升钱从哪儿赚回来Mollick的回应相当直接他接触的大量大公司CEO里几乎没有人反映说没看到AI带来的ROI,这一点他同事的数据也能印证。问题从来不是有没有回报而是如何从个体层面那些这里省20美元、那里省30美元的零散收益,升级成组织层面的系统性转型。这种组织变革不是一朝一夕的事——ChatGPT所依托的GPT-3.5技术2022年就已问世企业真正开始大规模采用是最近这两年的事。没有现成的playbook,传统的咨询公司、企业软件厂商这套方法论在这场变革面前基本失灵了。Mollick强调,他还没听到任何一家企业说AI在大规模应用层面不划算,真正卡住的是管理层还没做出足够的决策,很多企业甚至还没用上最先进的系统。5. token开支的钟摆谁在喊缩减谁在闷声赚钱Alex抛出另一个反证即便企业嘴上说有ROI行动上却在告诉员工收紧token使用,那种自由燃烧token的时代正在结束。这种行为本身难道不说明ROI有限吗Mollick给出了他认为更贴近真相的解释。今年春天行业里还在炒token maxing这个概念,舆论很快又转向了大家token花得太多了。token确实正在变成一项增长迅猛的开支,企业也确实在担忧,但当他和财富50强公司的管理层交流时,这些公司普遍把这笔开支视为一种需要摸索和管控的研发投入,而不是失败的信号。真正值得警惕的信号,他指出,是那些公开喊着要削减AI开支的公司——往往恰好是手里握着竞争性AI产品的那些公司。微软、Meta、Palantir说我们在Claude上花太多钱了,这话本身能反映多少市场真相要打个问号。他接触的大公司里,有的团队里部分人借助AI效率提升了百倍,另一些人却几乎没从AI里获得任何收益——企业面对的真实难题,是如何把这种集中在少数人身上的爆发式效率,扩散到更多人身上。这是一个管理问题,而不是技术失灵的证据如果一家公司从没对token该怎么用、谁该用、什么流程该用做出任何决策,只是鼓励大家尽可能多用,那token开支暴涨就是必然结果,不能倒推说AI没用。企业生产率的统计曲线之所以迟迟没被AI的技术突破点燃不是因为技术本身乏力而是因为组织结构、协作流程、管理决策这套操作系统还没有完成对应的升级。Mollick的判断是个体层面的回报早已兑现真正悬而未决的是企业能不能找到把个体奇迹转化为组织常态的路径——这条路没有现成地图但也没人再问AI到底有没有用了。