第十部分 · 生态与经济 · 第 78 章

采用与生产率

作者Changkun Ou

阅读时长约 5 分钟

AI 只有改变了工作，才真正进入经济现实。基准分数是采用的输入，不是采用的结果。结果是扣除时间节省、质量改善、审查增加、错误修正、集成建设和人员训练之后留下的净值。本章连接模型经济学与组织经济学：它要问，能力何时变成生产率。

图 78.1. 锯齿生产率边界的示意图。AI 辅助在边界内任务上有帮助，但越过边界后审查负担上升，净生产率可能转负。理想化形状，非实测。

能力不是 ROI

最小的采用等式是：

\text{净值} = B(\text{节省时间}, \text{质量提升}) - C_\text{model} - C_\text{review} - C_\text{integration} - \mathbb{E}[p_\text{error} \times L_\text{error}].

第一项是演示里最容易看到的东西。其余部分才是部署真正要付的账。模型成本可见，因为它以 API 账单出现。审查成本不那么可见，因为它以资深人员时间出现。集成成本藏在身份、日志、权限、数据访问、评测与回滚系统里。错误成本则是尾部风险：流畅的答案恰好在出错代价很高的地方出了错。

下面这组滑块，就是这条等式可以动手调的版本。一个工具可以节省时间，却也会因审查和返工的尾部过大而毁掉价值；反过来，一个普通模型只要待在狭窄且复核到位的工作流里，照样能盈利。

图 78.2. 采用 ROI 是一个平衡，而不是能力分数。正向价值来自时间节省与质量提升；负向价值来自模型成本、审查与集成开销，以及预期错误返工。

锯齿边界

最好的实证框架是「锯齿技术边界」。Dell'Acqua 等人研究了 758 名顾问，发现 GPT-4 访问权在能力边界内改善了表现：工作者完成任务多 12.2%，平均快 25.1%，质量也提高。在边界外的一项任务上，AI 用户给出正确解的概率反而低 19% (Dell'Acqua et al. 2023)。教训不是 AI 好或坏，而是相邻任务可能看起来相似，却落在能力边界的两侧。

这点之所以重要，在于组织很少把 AI 部署到孤立的基准任务上。它们部署到混合难度的工作流里：客服回答常见问题，随后遇到账户边界条件；开发者写一个辅助函数，随后必须保住项目约定；分析师起草备忘录，随后要判断一条一次性的合同条款。AI 的价值，在模型能力和复核者能力重叠的地方最高；而一旦模型看起来可信、复核者却难以低成本判断它对不对，价值就会下滑。

实证结果

最强的采用结果出现在边界清楚、反馈快速的工作流中。一项覆盖 5172 名客服坐席的研究发现，对话式助手平均把每小时解决问题数量提高 15%，收益最大的是经验较少的员工 (Brynjolfsson et al. 2023)。这个场景有几个有利条件：任务重复但有变化，答案可以通过客户反应检验，系统也嵌入了工作表面，而不是要求员工发明一个新流程。

更宽泛的知识工作实验则更混合。一项覆盖 6000 名员工、持续六个月的随机现场实验发现，AI 访问权主要改变了个人可以独立改变的工作：使用者每周少花三小时处理邮件，但会议时间没有显著变化 (Dillon et al. 2025)。这很重要，因为会议是协调产物。工具可以帮一个人更快起草，却未必改变制造会议的组织惯例。

软件开发把边界呈现得很尖锐。一项针对成熟项目中经验丰富开源开发者的随机实验发现，2025 年初的 AI 工具让完成时间变慢 19%，尽管开发者事前预计会加速，事后也以为自己加速了 (Becker et al. 2025)。这并不说明编程辅助普遍不赚钱。它说明生产率取决于项目熟悉度、复核负担、代码库约束和任务形状。一个新脚本和一个成熟项目，是两种不同的经济对象。

2025 至 2026 年的大规模用量数据指向同一方向：Anthropic 的 Economic Index 基于数百万条匿名化对话，发现使用集中在一小批边界清楚的职业任务上 (Anthropic 2025)；OpenAI 的 GDPval 用 44 个职业的真实工作交付物给模型输出评分，发现模型最接近专家水平的，正是有边界、可复核的工作产物 (Patwardhan et al. 2025)。异质性仍在，但数据已经显示出价值集中在哪里。

争议所在

生产率争论不能由一项正面或负面研究终结。效果高度异质。辅助在有边界、高频、可复核的任务上有效；在成熟系统中的专家工作上，则可能把生成省下来的时间，重新交给理解、修正与集成。更有用的问题不是「AI 是否提高生产率」，而是「哪些任务、哪些工作者、哪种复核回路、什么错误成本」。

采用架构

把采用当作系统设计问题：

任务盘点。 按任务类别拆工作，而不是按职位名称拆。给每类任务标出频率、错误成本、可复核性和数据敏感性。
工作流位置。 把 AI 放在工作者本来行动的地方。单独的聊天窗口会增加上下文搬运，并遮住来源。
复核设计。 在输出离开边界前，先决定什么必须被检查。复核步骤不是事后税，而是产品的一部分。
测量。 测周期时间、质量、返工、升级和工作者信任。不要只测生成词元数或提示次数。
变更管理。 为培训、策略、采购和重写惯例留预算。模型可以瞬时可用，组织采用不会。

下层约束

采用会反过来影响第 76 章。若一个工作流产生真实节省，用量上升，自建与购买的阈值就会移动。若审查成本占主导，这个工作负载应该用更小的模型、更窄的工具，甚至不用 AI。经济单位不是「一个词元」，而是一个完成、被接受且可问责的工作单元。

采用测试

在购买平台或自建内部模型前，按任务层级做受控试点。能随机分配访问权时就随机。保留基线。计算复核时间。计算返工。把新手和专家分开。跟踪流程本身是否改变，还是人们只是更快地起草同一份工作。试点结束时应当得到一张任务地图，而不是一份泛泛的情绪分数。

能力正在变便宜。改变仍然昂贵。能捕获价值的组织，不会是最早把模型放到每个地方的组织，而会是那些找到模型能改变工作、同时不把风险移到无人可见之处的组织。