《Exponential View》報導，知名科技公司主管分享導入 AI 後的觀察。她管理約一千名工程師，幾乎所有人都已將 Claude Code 納入日常開發流程。從數據來看，工程師寫出更多程式碼、提交更多 pull request，也能在更短時間內完成工作。然而，個別員工效率提升，並不代表企業整體表現同步成長。雖然團隊成員都變得更有效率，但個人生產力提升並沒有等比例轉化成公司層級的 ROI、產品成果或營運效率，才會出現「1 + 1 + 1 + 1 只等於 1.5」的落差。
生產力被低估？為何 AI 創造的價值未反映於數據
這種現象並非個案。Uber 營運長 Andrew Macdonald 日前也坦言，企業雖然已投入大量資源發展 AI，但目前仍難以明確衡量其對業務成果的實際貢獻。他表示，產品開發速度或許有所提升，市場上推出的新功能也比過去更多，但要證明這些成果直接來自 AI，甚至進一步量化為企業多創造了多少價值，仍相當困難。
無論是個人用戶還是企業客戶，都已逐漸將 AI 納入日常工作流程。以 Anthropic 為例，兩年前每年在 Claude 上投入超過 100 萬美元的企業客戶僅十餘家，如今已突破千家；同一時間，平均企業客戶的支出規模更成長至原本的五倍。這些數據顯示，企業對 AI 的採用程度正快速提高。但當企業被問及實際成效時，答案卻不如市場熱度般樂觀。《Exponential View》提及，自 ChatGPT 問世以來，僅有 27% 的企業高階主管認為 AI 已達到預期的投資報酬率。
SemiAnalysis 將這種現象稱為隱形產出（Dark Output），以法律文件撰寫為例，當 AI 開始處理原本由律師完成的基礎工作後，客戶獲得的服務並未消失，但相關收入卻不再計入法律產業。結果是統計數據看到的可能是產值下降，卻看不見背後其實完成了同樣甚至更多的工作。SemiAnalysis 指出，現行統計制度主要依據價格與營收衡量服務業產出，不容易反映 AI 帶來的效率提升。隨著越來越多工作轉由 AI 執行，官方數據與實際經濟活動之間的落差可能持續擴大，使外界低估 AI 對生產力的真實影響。
更難衡量的是「新增的隱形產出」。SemiAnalysis 舉例，過去企業不會為每場會議都花錢請人整理對方背景，也不會在每個小專案前都委託研究員做完整文獻回顧；但 AI 讓這些任務變得只需幾分鐘和少量 token 就能完成。這些工作可能提升決策品質，卻幾乎不會以明確收入或價格出現在統計資料中。
AI 時代生產力革命：關鍵是「組織重構」
為了解釋這種落差，《Exponential View》引用經濟學家 Robert Solow、Paul David 等人的研究，以百年前電力普及的歷史經驗作為對照。AI 目前的發展階段，與十九世紀末電力進入工廠時的情況極為相似。當時電力最先被用來改善照明環境，工廠變得更明亮、更安全，但生產流程本身並未改變。工人依舊按照既有模式工作，機器配置也維持原狀。
這種現象與生成式 AI 初期的發展類似。ChatGPT 問世之後，最先帶來的改變多半集中在個人層級，例如更快速撰寫郵件、整理資料或完成文書工作，本質上仍是加速既有任務，而非重構企業的運作方式。進一步看，AI agent 的出現則開始跨出單一任務層級，能夠協助完成較完整的工作流程，例如招聘篩選、客服回覆或行銷素材生成。然而，多數應用仍是附加在既有流程之上，主要作用是提升流程速度，而非重新設計企業如何分工、如何決策或如何協調各部門之間的運作機制。
以福特汽車為例，其於 1913 年建立 Highland Park 工廠時，已不再受限於傳統機械配置，而是圍繞產品製造流程打造生產線，最終開啟現代化大量生產時代。《Exponential View》提及，AI 未來若要真正帶動企業生產力成長，也必須經歷類似的組織重構過程，而非僅僅在既有架構下提升個別員工的工作效率。
《Exponential View》說明，許多企業目前面臨的瓶頸並非執行能力不足，而是決策流程跟不上工作效率的提升。AI 工具讓工程師能更快寫出程式、產品團隊能更快完成原型設計，業務人員也能更有效率地接觸客戶，但企業內部的審核、簽核與決策機制卻沒有同步加快。當各部門產出大量成果後，仍必須等待既有流程消化，反而造成工作持續堆積。
當客戶提出新的功能需求，傳統做法需要經過客服、產品經理、主管審核等多個環節，從討論到正式開發耗時數週甚至數月。透過 AI 能提升個別工作環節的速度，但若企業的決策機制維持不變，這些效率提升便難以轉化為組織層級的成果。《Exponential View》指出，AI 的發展關鍵，不只是協助員工完成工作，而是要進一步參與企業的決策流程，個人生產力的提升才能轉化為企業整體競爭力與實際商業效益。
＊本文開放合作夥伴轉載，資料來源：《Exponential View》、SemiAnalysis，圖片來源：Unsplash。
