Fortune The paradox at the core of the AI revolution: The faster we innovate, the... Almost 90% of companies use AI yet just 6% see results. The problem is the org chart. 硅谷方面认为，人工智能将开启一个繁荣富足的新时代。但如果你问问全球最大公司的首席财务官们，人工智能是如何改变他们的盈利状况的，根据麦肯锡2026年人工智能现状调查，88%的首席财务官的答案是：“并没有太大改变。” 我们并非首次经历这样的局面。2007年iPhone问世时，专家们预测移动优先将彻底改变一切。宽带普及后，《商业周刊》盛赞“新经济”的到来。个人电脑占据了每张办公桌时，罗伯特·索洛曾戏谑道，计算机时代无处不在，唯独生产力统计数据却不见踪影。五十多年来，数字创新浪潮带来了惊人的消费普及率，但生产力增长却持续下滑。 我称之为创新悖论：创新速度越快，增长速度就越慢。 两个K形，一个问题 数字时代的技术扩散遵循我所谓的双K型模式。第一个K型模式存在于消费者和企业之间。智能手机在美国的普及率在七年内达到了80%。企业资源规划系统（ERP）用了33年才覆盖到57%的美国企业。ChatGPT推出仅仅三年后，消费者人工智能的使用率就飙升至53%的美国成年人。而企业人工智能在生产环境中的部署率仅为10%。 第二个K形曲线出现在企业领域。麦肯锡2026年的调查发现，88%的企业至少在一个职能部门中使用了人工智能，但只有6%的企业达到了“高绩效”标准，实现了超过5%的息税前利润（EBIT）增长——这一比例与2025年持平。这82个百分点的差距并非技术缺陷，而是组织转型方面的不足。这6%的成功企业更有可能对端到端的工作流程进行重新设计，而所有采用人工智能的企业中只有21%做到了这一点。股市也反映了这种分化：标普500指数中36家人工智能公司目前占该指数市值的45%。过去三年，标普500指数的整体回报率为76%；剔除人工智能股票后，这一数字降至32%。 电气化做对了什么 二十世纪初，电气化和电信技术以相似的速度和深度惠及消费者和企业。电动机迫使工厂放弃僵化的布局，转而采用灵活的连续生产模式。电话的普​​及大幅降低了协调成本。随后，组织结构也进行了重组：通用汽车公司斯隆的多事业部结构，以及泰勒的科学管理。这些技术的扩散既深入又广泛，重塑了企业的运营方式，并波及到各个垂直关联的产业部门。 数字技术渗透到一个截然不同的经济体系中。如今，服务业在GDP中占据主导地位。医院或政府机构缺乏钢铁制造商那样的供应链联系。经济学家威廉·鲍莫尔指出了制约因素：“停滞不前”的服务业难以提高生产力，因为它们依赖于人际互动。鲍莫尔所说的这些服务业——医疗保健、教育、公共管理和建筑业——约占发达经济体GDP的50%，并且仍然顽固地抵制技术变革。 顶部陷阱 企业采用新技术为何停滞不前？并非技术匮乏，而是因为组织结构日益复杂。我开发了一项跨国指标——综合间接费用比率（Combined Overreach Ratio），该比率涵盖政府支出、企业销售、一般及行政费用（SG&A）以及监管合规成本。在美国，该比率在2000年左右突破了GDP的47%大关。超过这一阈值后，GDP增速未能持续超过2.5%——约为20世纪60年代间接费用低于35%时增速的一半。政府支出已飙升至GDP的36%。企业销售、一般及行政费用自20世纪80年代以来翻了一番。竞争企业研究所（Competitive Enterprise Institute）估计，美国企业仅在合规方面的年度支出就超过2万亿美元。 我对标普500指数公司（1985-2025年）的行业内分析表明，73%的行业十年期观测值都落入了“管理费用陷阱”：销售、管理及行政费用（SG&A）上升，而收入增长却下降。正如Block公司的杰克·多西所言，公司层级结构是一种过时的信息路由协议。如今大多数部署人工智能的公司，无异于给一辆马车装上更快的引擎。 人工智能有所不同——但障碍并非如此。 人工智能与以往的数字浪潮截然不同。以往的技术使信息处理、传输和显示变得更加便捷，而人工智能则能够推理、决策和创造。这一点至关重要，因为鲍莫尔所关注的行业并非信息匮乏，而是判断密集型行业——需要诊断、评估和个性化，而这恰恰是人工智能能够增强的能力。 然而，普及推广的障碍依然存在。我作为企业高管和私募股权合伙人四十余年的经验证实了一个反复出现的模式。在一家消费品公司，数字化带来了令人瞩目的线上渠道增长，但却未能扩展到公司规模更大的线下业务，因为独立经销商拒绝将客户数据移交给集成平台。在医疗保健领域，向医生引入数字化工具相对容易；但要建立端到端的数字化体系以改进临床工作流程却困难重重，牵涉到数据治理、合规性以及医疗专业人员对管理层的不对称权力等诸多问题。 这些并非个例；相反，它们代表了我曾亲自参与的众多企业的情况。Writer 与 Workplace Intelligence 合作，对全球 2400 位企业领导者进行的 2026 年企业人工智能调查证实了这一普遍趋势：79% 的企业表示在人工智能应用方面面临挑战——比 2025 年增长两位数——54% 的高管承认人工智能的应用正在“撕裂他们的公司”。 深度和广度，而非速度 过去50年的数字创新经验告诉我们，普及速度远不如其深度和广度重要。ChatGPT的消费者普及速度是史上最快的消费技术，但它并未对宏观经济产生任何影响。真正重要的是人工智能能否渗透到核心运营并重塑工作流程（深度），以及这种变革能否从明星企业扩展到主导就业和GDP的广大行业（广度）。 从电气化到数字浪潮的历史经验表明，人工智能的普及需要漫长的过程——通常超过十年，甚至数十年。作为一项技术，人工智能的发展速度超过了以往任何技术。然而，为了吸收人工智能，组织机构需要进行重组，而这种重组的进程却如同人类机构一样缓慢、艰难，并且会遭遇强烈的阻力。创新悖论的持续存在并非因为技术发展停滞不前，而是因为机构未能及时适应。只有当人工智能在企业内部得到深度应用，并在各个大型经济领域得到广泛普及时，社会才能真正感受到其带来的影响。 https://www.nytimes.com/2026/10/10/business/dealbook/ai-verification-tax-rework.html Psychology Today Is AI Making Work Better, or Just Making More Work? AI promises to save us time, but what if it's actually creating more work? Here's why doing less may be the key to making the most of AI. https://www.fastcompany.com/91615209/ai-abundance-paradox-individual-productivity-organizational-gains 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/12 09:09:48