随着生成式人工智能(AI)全面扩散,并向智能体AI与物理AI演进,生产率革新的信号在各处显现。继OpenAI之后,Anthropic于2月公开的智能体AI能够自主执行数据调查、文件撰写、代码分析等复合型知识工作。韩国银行也预测,生成式AI长期有可能将韩国经济的全要素生产率提高1.1%~3.2%,并使国内生产总值(GDP)最多扩大12.6%。
但尽管具备这样的潜力,在宏观经济层面尚未确认明确的生产率效应。根据去年7月发布的美国麻省理工学院(MIT)的Nanda报告,使用生成式AI的企业中,体验到销售额增长等组织层面成果的企业仅约5%。本月美国信息技术(IT)企业Workday的调查也显示,82%的职场人士借助AI节省了工作时间,但由于既有业务流程保持不变,修正其结果的“返工税(rework tax)”耗费了相当长时间。也就是说,尚未转化为实质性投资回报率(ROI)。
这种生产率滞后现象,在历史上每逢蒸汽、电力等通用基础技术出现时都会重复。工业革命时代,生产率效应远优于蒸汽的电力从1890年代开始普及,但其效果在约30年后的1920年代才显现。这是因为初期只停留在把中央集中式动力蒸汽简单替换为电力的水平,并未利用电力可驱动单台机器的特性,随之对传送带式生产方式进行再设计。美国斯坦福大学教授埃里克·布莱恩约弗森用“生产率J曲线”来解释这种有投资却不见生产率提升的现象。也就是说,生产率革新不会仅凭技术引进就自动出现。
人工智能转型(AX)2.0时代的竞争力,取决于能多快克服这种生产率悖论的陷阱,即J曲线。为此,除AI模型与基础设施等有形投资外,还须同时对工序与业务流程再设计、数据管道建设、人才培养、再培训与组织文化等无形资产进行投资。进而还要求组织内决策结构与现场执行能力的变化。由于AI是在数据、业务流程和组织结构中运作的技术,这三者若不合拍,就难以转化为成果。
从这一角度,有必要考察几个成功的AX案例。HD现代集团与西门子将数字孪生与AI结合,把设计、生产、安全等业务全局的数据整合为一条流,并对生产工序进行再设计。Doosan Bobcat则在小型建筑设备及施工现场,将作业人员辅助、设备管理、作业优化等原本依赖熟练工人经验的体系,以数据和AI自动化为中心重新架构。这是在超越引进AI,把工序和工作方式本身以AI为中心重新设计。
诺贝尔经济学奖得主、纽约市立大学教授保罗·克鲁格曼曾说:“生产率不是一切,但长期来看几乎就是一切。”意即生产率是左右经济增长与生活质量的核心。期待通过内里也彻底改变的AI大转型2.0,迎来韩国新的生产率革命。






