來自聖路易聯邦儲備銀行的最新研究，分析了近49萬份企業財報電話會議記錄，證實了官方數據三年來所顯示的事實：人工智慧尚未對整體生產力產生可量化的提升。由於生產力成長是長期薪資增長和生活水準的最大決定因素，這一缺失對AI效益將如何廣泛分配以及何時分配具有重大意涵。然而，該論文作者之一提出了一個更令人不安的可能性——AI可能已在創造真實收益，但這些收益在結構上隱而不見，因為該技術本身正在侵蝕它所大量生產的產出的價值。

其機制相當直接。當AI大幅降低生產某種產出的成本時，該產出同時變得不那麼有價值。生產力的算術運算實際上自我抵消：帳面一側的收益被另一側下跌的價格所抵消。如今任何人都能用一個按鍵生成行銷素材、動畫，甚至一篇尚可的新聞文章——但如果每個人都能做到，這些產出就不再具有以往的價值。任務變得更容易了；產出變得更便宜了。在這個交換過程中，一項真正的收益從統計數據中消失，卻從未顯示為損失。這呼應了國民經濟核算中長期存在的挑戰：GDP和生產力統計是為以市場價格銷售實體商品的工業經濟所設計的，一直難以捕捉免費或近乎免費的數位服務的價值。

「某些東西將變得更加豐沛，」該論文作者之一Serdar Ozkan表示。「這意味著它們也可能變得不那麼有價值。」

數據顯示了什麼

經濟學家Ozkan和Aakash Kalyani，以及研究助理Nicholas Sullivan，掃描了5,198家美國上市公司從2000年至2025年期間約49萬份財報電話會議記錄。他們使用AI模型標記涉及生產力和AI的句子。與AI相關的生產力論述占比，從ChatGPT於2022年底推出前的接近零，攀升至2025年底約占所有生產力討論的15%。

約95%與AI相關的生產力語句描述的是企業高層預期未來將實現的收益，而非已實現的收益——這一比例自2023年以來保持穩定。當企業高層描述AI的影響時，他們幾乎一致表示樂觀：95%認為生產力正在提升，相比之下，非AI相關論述僅為75%。

研究人員表示這正是歷史所預測的

Ozkan表示，他對未來式的發現並不意外，因為總體數據在計入資本投資後已顯示出生產力沒有實質增長。他引用了經濟學家Robert Solow的名言：「你可以在各處看到電腦時代，但唯獨在生產力統計中看不到」，並直接將此與電氣化進行類比——他表示，電氣化花了「數十年」時間重組工廠、重新培訓工人並改變工作流程，其生產力紅利才在數據中顯現。

史丹佛大學經濟學家Erik Brynjolfsson在1993年為MIT撰寫的論文中將此現象稱為「生產力悖論」，最近則將當前的情況描述為現代續篇。

Kalyani曾另行研究通用技術的擴散模式，他表示，在ChatGPT推出後最初的熱潮消退後，經濟學界已在這一點上基本達成共識：「總體收益將在未來實現，而你现在看到的是大量的投資以及大量的興奮和對未來的樂觀。」

他指出，技術跨地區、職業和企業的擴散「極其緩慢」，通常需要20至30年的時間。將AI的滯後期壓縮到僅三至五年，「與歷史先例相比將是巨大的變化」。根據Solow的觀察，電腦直到1990年代末和2000年代初才在生產力數據中顯現。

緩慢擴散的共識

這些發現與其他2026年聯準會研究一致。一份堪薩斯城聯準會分析發現，官方數據中最近的生產力回升「尚未廣泛分布」，即使AI採用持續擴大，少數產業仍占了大部分收益。另外，聯準會主席Kevin Warsh7月告訴國會，AI迄今「尚未取代工人」，並使他們「稍微更有生產力」，但他警告「長期可能還相當遙遠」。

先前聖路易聯準會的研究同樣估計，到2024年底，生成式AI相對於2022年僅帶來1.1%的生產力增長——與美國經濟在2024年和2023年分別錄得的2.3%和1.6%整體生產力增長相比，增幅有限。

企業正在以資金支持這份樂觀

聖路易聯準會團隊強調，企業的論述並非空談。Kalyani表示，研究人員重視行動而非言辭：「我們相信人們所做的，而非他們所說的。」積極討論AI的企業也增加了研發、資本支出和整體投資——這一相關性在團隊首次研究AI提及時並不存在（見一篇2024年早些時候的文章，標題帶有質疑口吻的「AI炒作還是現實？」），但此後已有所加強。

一項相關的舊金山聯準會研究發現，到2025年，對AI持正面態度的企業在投資和研發增長方面顯著高於其他上市公司，且收益集中在建設AI基礎設施的最大科技公司。

統計數據無法捕捉的

Ozkan的豐沛論點還面臨第二個限制：AI無法化解的瓶頸。無論AI多麼迅速地加速研究、起草或分析，兩個人仍需要安排並出席會議——而這一步的進行速度與四年前完全相同。生產力不是單一指標；它是整個鏈條的產出，而AI只加速了其中部分環節。

當被問及什麼信號最終能證實AI驅動的生產力收益已經實現時，Kalyani承認，誠實的答案是沒人事先知道。最終重要的應用是透過反覆試驗發現的，逐個企業、逐個工人地傳播，從外界看來幾乎是隨機的過程，即使它在總體上積累成某種可量化的成果。

他舉了Google Maps和計程車牌照的例子。這款地圖應用短暫地使擁有紐約計程車牌照成為該市最有價值的資產之一。然後Uber出現了，在幾年內顛覆了整個系統。沒有人預測到哪款導航應用會打破計程車壟斷。這個模式在每一項通用技術中重複出現：贏家和輸家由一個混亂的、去中心化的過程決定，該過程抗拒預測，即使在回顧時該技術的最終重要性顯而易見。

這就是隱藏在近50萬個標記的財報電話會議樂觀語句中的核心洞察。不是企業高層相信AI會帶來回報是錯誤的。而是這些回報是否會以可量化的生產力增長形式呈現——或者只是消散為更便宜、更豐沛、更不具價值的產出——在它已經發生之前可能都無法知曉。

本報導最初刊登於Fortune.com。