索洛悖论归来，这次它在对人工智能说话
历史上，经济史中有一种沉默的规律，在人工智能时代到来之前，已至少清晰地重演了两次。第一次是工业电气化，第二次是个人电脑的普及。两种情况下，技术的到来都比其对生产率统计数据的影响早了数十年。两种情况下，那段"什么都没发生"的时期，恰恰是一切正在被悄然重构的时刻。
经济学家罗伯特·索洛用一句话概括了这一现象，那句话并非刻意制造幽默："你可以在任何地方看到计算机时代的身影，就是在生产率统计数据里看不到。"那是1987年。个人电脑在企业办公室中遍地开花，大型主机以十年前难以想象的速度处理交易，互联网的雏形也已经存在。然而，美国经济的整体生产率纹丝未动。这一现象被记录为索洛悖论，而其最终解答花了将近十年才姗姗来迟。
如今人工智能领域所发生的一切，具有几乎完全相同的几何形态。而近期积累的数据，无论是大规模调查还是主要科技平台的财报，都表明那个曾让计算机花了十年才到来的拐点，眼下可能正在为人工智能而实现。
---
当90%的人说"什么都没变"，市场却说着相反的话
今年二月，一项针对6000名企业领导者的调查交出了一份乍看之下似乎会令多年来许诺人工智能革命者颜面尽失的结果：90%的受访者表示，人工智能的采用对其企业的就业或生产率没有产生任何可量化的影响。与此同时，63%的受访者声称已在某种程度上采用了人工智能。
这正是1987年的图景。一项技术在话语层面无处不在，被大多数人采用，却在传统工具所衡量的真实经济中留不下任何可见的痕迹。
但同一幅图景中还有另一个数字，改变了整个取景框。圣路易斯联邦储备银行的一项分析发现，生成式人工智能使使用它的工人生产率提高了5.4%。这一数字不足以为当前人工智能企业的估值提供依据，但也不可轻视。从历史角度看，这恰恰是那种通常预示着更深层结构性变革的微弱信号。
那90%未见变化与5.4%实际改善之间的距离，并不是一个矛盾。这是采用一种工具与围绕这种工具从头重新设计整个流程之间的区别。19世纪那些在原有蒸汽轴与皮带轮系统之上安装电动机的工厂，并未获得任何效率提升。那些拆除工厂原有物理结构、围绕每个工位的单独电动机从零重建的工厂，才真正实现了效率提升——但这一过程从爱迪生1882年点亮第一座发电厂算起，花了整整四十年。
德勤关于生成式人工智能采用情况的分析为这幅拼图添加了另一块碎片：大多数采用人工智能的企业报告了正向回报，近25%的采用者报告生产率或财务收益超过30%。这四分之一的企业使用的工具与其余四分之三并无不同。它们采用的是一种不同的组织逻辑——这恰恰是那种不会出现在技术采用调查中、却决定着未来五年价值将在何处集中的变量。
---
Alphabet与微软的业绩所揭示的，是调查看不见的东西
在大多数企业报告零影响的同时，两家在科技基础设施领域占据主导地位的公司，正在发布与这一叙事格格不入的数字。而差异不在于它们拥有更好的人工智能，而在于它们掌控着数百万个组织借以访问人工智能的分发渠道。
Alphabet在上一季度报告了搜索收入增长19%，并将部分增长直接归因于将人工智能整合到其核心搜索产品中。其谷歌云部门同比增长63%，公司指出，采用其人工智能服务的大型企业客户所创造的收入与上年相比增长了800%。最后这个数字不代表绝对体量，但它确实是企业细分市场加速采用的信号——而这一细分市场历史上一向是行动最慢的。
微软则报告称，其人工智能业务目前以年化收入370亿美元的速度运营。为了给这一数字提供参照：OpenAI是人工智能领域获得最多媒体关注的公司，年化收入约为200亿美元，即便如此，其规模仍小于微软仅在人工智能细分业务上的体量。
由此浮现出的规律，并非一项失败技术等待验证的图景，而是一项技术的经济价值捕获目前正在集中——集中于那些掌控企业客户基础设施与分发渠道的平台：Alphabet、微软，以及在较小程度上的Salesforce、ServiceNow和Databricks，后三者同样报告了其集成人工智能能力的货币化持续增长。
这与1990年代计算机领域所发生的情况高度吻合。英特尔、微软、思科和电信运营商，在数字革命对总体生产率统计数据的影响变得可见之前很久，就已捕获了这场革命绝大部分的经济价值。使用这些技术的企业，又花了数年时间才将投资转化为真实的运营收益。
---
没有人衡量的滞后，藏在组织架构之中
有一种特定的摩擦，解释了为何采用与生产率之间的距离不会自动消失——而这种摩擦鲜少出现在市场分析中。这就是组织重新设计的速度，它比技术采用的速度慢了好几个数量级。
当一家企业将生成式人工智能工具嵌入其内容团队或客服团队的工作流程时，初始收益是微乎其微的。员工学会使用工具，但该工具所运行的流程依然保留着人工智能出现之前同样的瓶颈、同样的审批层级、同样的角色设计。联邦储备银行所衡量的5.4%的提升，在很大程度上是工具作用于现有流程所产生的影响。
将电气化从一个技术数据转变为生产率革命的，不是安装电动机这一举措本身，而是拆除中央传动轴、将能源以去中心化的方式分配到整个工厂的每一处——这意味着必须从物理层面拆除旧有基础设施并重新建造。在人工智能领域与之对应的，不是"部署一个副驾驶"，而是重新设计哪些流程存在、哪些消失、哪些角色有意义、哪些决策可以在无需人类直接介入的情况下做出。
在德勤分析中处于最高四分位的企业——即那报告收益超过30%的25%——所做的，不是安装工具，而是完全不同的事情。它们正在围绕以前根本不存在的能力，重新设计完整的工作流程。这是一项需要对过渡期混乱抱有容忍度、愿意放弃原本运转良好的流程，以及最重要的是对最终客户真正看重什么、内部流程中哪些部分对除设计者之外的任何人都不创造价值进行诚实审视的工程。
这种重新设计是缓慢的，在组织内部代价高昂，短期内难以衡量。这就是为什么它不会在6000名领导者的调查中显现为可见影响。但正是这一过程，当它在足够多的行业和企业中积累到临界质量时，才会在生产率统计数据中产生那种经济学家事后描述为拐点的运动。
---
索洛悖论自身无法独立解答的问题
历史类比具有分析价值，但它也有一个值得明确指出的局限。1980年代和1990年代技术采用与可量化生产率之间的潜伏期，发生在技术迭代速度较慢的背景下。今天存在的语言模型，三年后将只是届时所存在模型的原始版本。企业在采用和流程重新设计方面所承受的竞争压力，比个人电脑过渡时期各组织所面临的要强烈得多。
这并不会从机制上缩短组织滞后的周期，因为这种滞后取决于与技术加速步伐不同步的人为因素与制度因素。但这的确意味着，重新设计流程的企业与仅仅安装工具而未加以重新设计的企业之间，其收益分化将以比个人电脑革命更快的速度在财务报表上显现出来。
德勤报告中那25%、收益超过30%的采用者，不是一个统计学上的奇异现象。这是两个群体之间的分化已经发生的第一批证据。如果历史规律持续成立，这一差距将在宏观经济统计数据清晰记录之前进一步扩大。等到生产率指数显示出索洛自1987年起就期待看到的跃升时，那些选择重新设计而非仅仅采用的企业所积累的竞争优势，在结构上将已极难被追上。
索洛悖论始终留下同一个未解答的问题：一个组织有多少时间，从工具的使用者转变为工具所使之成为可能的流程的设计者。1990年代，这一窗口将近十年。这一次，市场的几何形态表明，这个时间将大大缩短。
