上周政府宣布将设立规模150万亿韩元的"国家成长基金",并将其中30万亿韩元集中投资于人工智能(AI)和半导体等战略产业。这是为未来产业所作的及时而果断的决断。但在国家层面的期待背后,也并存着"变化太快,会不会只有我被淘汰,我们的孩子该准备什么"的恐惧心理。
本月初召开的美国经济学会(AEA)年会上,笔者参加的一个专题恰好正面探讨了这种期待与恐惧。专题标题是"AI and Productivity: Is This Time Different?(AI与生产率:这次真的不同吗)",经济学家之所以要提出这样的问题,是因为过去的经验。数十年前计算机出现时,诺贝尔奖得主罗伯特·索洛曾指出"计算机无处不在,唯独在生产率统计中看不到",点明了即便每张办公桌上都摆着计算机,生产率指标却长期停滞的现象。创新技术转化为生产率提升之间,一直存在漫长的时滞。经济学家的问题最终是"AI会不会没有这种时滞,迅速改变我们的经济"。
专题中的讨论相当冷静。经济学家们以"鲍莫尔成本病(Baumol's Cost Disease)"为例,警惕过度幻想。即便AI把尖端产业的效率提高100倍,我们的经济中依然存在照护、面对面服务这类必须由人亲手完成的部门。技术部门价格下降后,相对难以提高生产率的"以人为中心"部门的成本占比会上升,这可能拖累整体增长。也就是说,技术再好,扩散到整个经济也必然需要结构性的时间。
此外,他们还指出企业现场即将面临的更直接壁垒——引入阶段的"生产率J曲线(Productivity J-Curve)"。从美国制造业数据看,创新技术在引入初期反而降低了生产率。引入AI并非按一个按钮就能完成。需要拆分业务(哪些工作交给AI)、整理数据(记录什么)、重新分配责任(谁来审批并承担最终责任)、重新衡量绩效(什么算"干得好")。在培训与试错、安全与合规检查、产出物审核等过程中,"看不见的成本"会先行上升,生产率可能在一段时间内停滞。
近来实务中所说的"AI workslop"也是同一脉络的问题。修改初稿、核实事实的时间累积起来,短期效率可能下降。尤其流程僵化的组织越会感到这种成本沉重,既有管理、协作规则等组织资本也可能受到动摇。不过这与其说是失败,不如说是适应过程。转型结束、组织适应新方式的那一刻,生产率就会沿J形曲线反弹。
从这一角度看,本次30万亿韩元投资的方向性就更加重要。为在激烈竞争中生存下来,对高性能芯片和数据中心等"技术本身"的大规模投资是必需的,但仅凭这些并不足够。正如买了最好的引擎,却不懂驾驶或道路未经整修就无法提速,技术投资唯有与面向"转型"和"适应"的投资相配套,才能真正发挥光彩。
也就是说,帮助企业安全渡过"J曲线的低谷"也可能需要投资。这包括重新设计岗位、对人力进行再培训、构建数据标准和安全体系等"组织资本"。AI并非在演示视频中,而是在受过训练的员工于整备好的流程上熟练运用时,才真正成为"生产"。
对"这次真的不同吗"这一问题的答案,并不能在AI技术的性能成绩单中找到,而取决于我们将要设计的转型过程。技术正在快速发展。现在,我们社会的"转型能力"也该与这一速度同步了。






