被AI重塑的工作: 半数人在用,89%的企业却说没变快

2026年8月，欧洲央行发布了一组数据：工作中使用AI的劳动者比例两年内从26%攀升至52%，但企业层面的劳动生产率几乎没有改善。同一时期，美国国家经济研究局（NBER）对近6000名企业高管调查发现，约三分之二的企业已在使用AI，但89%的受访者表示过去三年未看到可衡量的生产力提升。MIT的研究更为尖锐：数百个企业AI部署中，只有约5%的生成式AI试点最终产生了可衡量的财务影响。

采用率在飙升，生产力却在原地踏步。这个矛盾不是技术不够好，而是我们还没学会如何正确地使用它。

01

浪潮已至

AI进入工作场所的速度远超预期。欧洲央行覆盖11个欧元区国家、约2万名受访者的调查显示，工作中使用AI的劳动者比例从2024年的26%翻倍至2025年的41%，2026年进一步攀升至52%。超过半数劳动者现在每周使用AI约三天。

高等教育群体的使用率已达61%，但低教育群体也达到了37%。一旦打开AI这扇门，不同群体将其融入日常工作的速率几乎没有差异。

企业层面更为广泛。麦肯锡2025年底的全球AI调查发现，88%的企业已在至少一个业务功能中常规使用AI，高于一年前的78%。62%的企业至少在实验AI代理——能够自主规划并执行多步工作流的智能系统，其中23%已开始扩展部署。

小企业也没掉队。高盛2026年调查发现，76%的小企业主已在经营中使用AI，93%报告正面影响，84%提到效率和生产力提升。但只有14%表示已将AI深度整合到核心业务流程中。

AI已经从一个令人好奇的新技术变成了日常工作的一部分。但“使用”和“产生价值”之间，隔着一道大多数组织尚未跨越的鸿沟。

02

生产力悖论

NBER的调研结果最为直白：约89%的企业在过去三年中看不到可衡量的劳动生产率改善。MIT的发现进一步解释了原因——大多数企业工具和工作流从未充分保留反馈或适应上下文，因而无法越过试点阶段。

企业AI的使用就像是在一栋旧楼里安装智能家居系统：传感器装好了，但管道和线路还是上世纪的。

麦肯锡的数据提供了佐证。只有39%的受访者将任何程度的息税前利润改善归因于AI，其中大多数认为AI的贡献不足5%。真正获得显著价值的企业只占6%。近三分之二的组织仍处于实验或试点阶段。

更耐人寻味的是“影子AI经济”——大量员工绕过公司官方部署的工具，使用个人的、未经批准的AI应用完成工作任务，而且往往比公司正式部署的系统获得更多价值。

AI没有等待任何人的许可就改变了工作场所——它就是这么做了。唯一真正的选择是：组织是有目的地重新设计自己，还是被默认地重新设计。—— 世界经济论坛，2026年8月

PwC的研究预测AI到2030年可为全球GDP贡献高达15.7万亿美元，相当于比没有AI的世界高出约14%的产出。潜力是真实的，但实现它需要的不是采购软件许可证，而是重新设计工作流程。

03

AI真正在哪里创造价值

虽然企业层面令人沮丧，但个体层面的证据要积极得多。欧洲央行的调查显示，AI使用者的周均中位节省时间为3小时，约占工作时间中位数的7.7%。整个经济的效率收益约为3.8%。欧洲央行估计AI每年为欧元区带来约0.35个百分点的生产力增长。

效率收益在任务之间存在巨大差异。编写和调试代码的效率提升最大——每周节省近8小时，尽管只有约8%的劳动者将AI用于此目的。数据分析、日常任务自动化和音视频内容创作也呈现类似模式：高收益、低使用率。

形成对比的是，研究、信息收集、写作和文本编辑是最常见的AI用途，但节省的时间远低于技术性任务。

这个规律至关重要：AI在存在明确正确答案且易于验证的任务中表现最佳——客服、软件开发、结构化起草。而在依赖开放式判断的工作中，收益急剧下降。领导者若不能区分这两类工作，要么会过度承诺，要么干脆停止测量。

这解释了生产力悖论的一部分：大多数企业将AI用于最常见的任务——写作、研究、信息收集——而这些恰好是AI收益最低的领域。收益最高的任务（编程、数据分析、自动化）反而在使用率上偏低。企业追逐了使用的广度，却忽略了价值的深度。

04

新的劳动分工

2026年6月，麦肯锡全球研究院发布了一份题为《共生企业》的报告，提出了一个可能定义下一个十年的概念：AI不再只是工具，它正在成为一支“劳动力”。

共生企业的组织原则是：人、AI代理和智能机器人各自按照比较优势贡献。人提供判断、创造力、同理心和伦理推理；AI代理提供规模、速度、模式识别和不知紧倦的一致性。

当AI可以起草报告、总结数据或标记异常时，管理者的独特价值就转向了判断——知道哪些输出可以信任、哪些需要追问、哪些决策真正需要人类承担责任。这是一种与大多数管理培训所教授的完全不同的技能。

传统企业围绕职能孤岛组织，各部门之间传递工作。共生企业则围绕工作流组织，AI代理承担大量跨职能的执行工作，使组织更加扁平。这不是渐进式的效率提升，而是对组织执行方式的第一性原理重构。

然而，大多数企业仍然将AI嵌入既有工作流中，只产生增量收益。真正的突破来自重新设计执行方式，而不是增强它。那些从第一性原理重新设计工作流的企业，已经看到了阶跃式改善。

05

劳动力的重塑

世界经济论坛预测，AI到2030年将取仢9200万个岗位，同时创造1.7亿个新岗位——净增7800万，但要求近40%的核心工作技能发生转变。麦肯锡研究发现，AI可能将美国经济的自动化潜力从21.5%推升至近30%的工作时间。

最具争议的预警来自Anthropic CEO Dario Amodei。他警告，多达50%的入门级白领岗位可能在一到五年内消失，失业率可能被推高至10%到20%。他在2026年达沃斯论坛上重申了这一预测。

但数据并不完全支持灾难性场景。Anthropic自身在2026年3月发布的研究发现，自2022年底以来，高暴露岗位的失业率并未出现系统性上升。截至2026年第一季度，美国失业率为4.4%，最极端的预测尚未成为现实。

不过，研究确实发现暴露职业中年轻劳动者的招聘有所放缓。这些数据共同勾勒出一个“杠铃”形态的就业市场：入门级执行岗位被AI侵蚀，资深判断岗位更加稀缺和珍贵。

中国的情况。麦肯锡预计到2030年前约50%的工作内容将实现自动化，约2亿劳动者需要技能转型或升级。AI相关技能需求自2023年以来增长了五倍。

对于个人而言，最安全的策略是寻求需要判断力而非流程执行的角色。

06

赢家的不同

如果只有6%的企业从AI中获得了显著价值，那么这6%做对了什么？

麦肯锡的分析揭示了一个关键发现：在所有测试因素中，重新设计工作流对实现有意义商业影响的贡献最强。高绩效企业将AI用于变革性创新的可能性是其他企业的三倍以上，且大多在重新设计工作流。

领导力是另一个分水岭。高绩效企业的领导者展示对AI倡议的所有权和承诺的可能性是普通企业的三倍，且更积极地以身作则推动AI的采用——包括亲自使用AI。

在管理实践层面，高绩效企业更有可能定义清晰的流程来决定何时需要对模型输出进行人工验证以确保准确性。这一因素同样是区分高绩效的最强因素之一。

赢家不是买了最好技术的企业，而是系统性地重新设计工作方式的企业。技术是必要的，但远非充分条件。

07

人的问题

劳动者准备好了吗？欧洲央行的调查显示，仍有约半数劳动者不使用AI。三分之一的人表示AI与他们的当前任务无关。41%的劳动者对使用AI没有兴趣——即便是管理者中也有34%不感兴趣。

小企业面临的障碀更为实际：50%担心数据隐私，49%缺乏技术专长，48%难以在拥挤的工具中做出选择。约一半企业计划在未来12个月投资AI培训，但这也意味着另一半企业并未投资培训。

Gallup的研究揭示了一个容易被忽视的真相：员工敬业度与领导行为高度相关，而非工具可用性。瓶颈很少出在软件上。模型足够强大，工具足够易用，但管理能力、组织设计意愿和培训投入才是真正的瓶颈。

08

真正的变革

三年前ChatGPT的出现开启了一个新时代，近九成企业已在使用AI。但大多数组织还停留在将新技术嵌入旧流程的阶段，尚未将AI深度融入工作流以实现实质性的企业级收益。

数据反复指向同一个结论：变革的核心不在于AI能做什么，而在于我们如何重新组织工作。购买许可证不是重新设计工作流。让AI起草报告不是重新定义管理者的角色。真正的转型需要重新审视决策如何被做出、价值如何被创造、人机如何分工。

那些已经从第一性原理重构工作方式的企业看到了阶跃式改善。那些仍在旧流程上叠加新工具的企业，最多只能获得增量收益。

技术已就绪，问题是我们是否准备好了。

数据来源：欧洲央行消费者预期调查、麦肯锡全球AI调查、世界经济论坛、NBER、MIT、Anthropic、PwC、Gallup等机构2025-2026年公开报告。