刊于《信报》，2025年9月22日
AI提升员工效率未惠及企业之谜
许佳龙
科大商学院署理院长；信息、商业统计及营运学系讲座教授；艾礼文家族商学教授
美国麻省理工学院（MIT）所属的 NANDA 计划（Networked Agents and Decentralized AI）不久前发表了一份研究报告指出，虽然生成式AI 被视为企业的「制胜利器」，并对AI应用提升公司盈利寄予厚望，但绝大多数引入AI冀提升盈利的企业，结果铩羽而归，公司损益表一无所获。
报告以《生成式AI鸿沟：2025 年商业人工智能现状》（GenAI Divide: State of AI in Business 2025）为题（下简称《报告》），分析了逾300项公开AI项目、访问了52家组织、135位机构高管、350名员工，调研结果揭示，尽管企业已投入高达 300至400亿美元巨额资金，但95%企业未能从中获得可衡量的财务回报，而成功与失败案例呈现巨大差距，形成一道深刻的「生成式AI鸿沟」（见附图）
附图：从试点到制作任务特定型 GenAl工具急剧下降揭示GenAl鸿沟
数据源：《GenAI Divide: State of AI in Business 2025》报告，页 6
员工效率提升公司无实际收益
《报告》指出，表面上，AI工具的采纳率极高，超过80%的组织已展开探索或试点应用ChatGPT等生成式人工智能工具，近40%更已进行了实质部署。然而，这些工具主要提升个人生产力，并未转化为企业损益表上的实际收益。
目前，人工智能应用愈来愈受到企业重视，甚至寄予无限憧憬，冀能够给业务发展带来新突破。如今NANDA 计划这项研究发现，似乎向满怀AI热情的投资者浇了冷水，但笔者认为，更值得关注的是，需要深入分析当中的原委，吸取经验，提炼启迪，从而认识和掌握AI有效应用之道。
看深一层， NANDA 计划这项调研的结果，与笔者之前文章提出的忧虑，亦即虽然AI有效率地替我们完成简单工作，但我们必须关注机构是否过份投资AI，以及AI应用是否到位，能为机构带来实质性好处。NANDA 计划的研究结果显示这些是深层次问题。
岂是「鸿沟」那么简单
《报告》以「AI鸿沟」来形容成功与失败案例呈现的明显落差，但笔者认为「鸿沟」并不足以准确阐述这项研究发现，因为从报告的内涵来说，也许是机构未能有效和适切地应用AI，致投入资源盼取得的效率得益，无法在自身的损益表上体现，取得可衡量的营收利润。
《报告》指出其中一个主要成因，是员工将AI导入他们的工作中，提升了个人工作效率，但员工藉AI所提升的效率，却未能转化为提升企业的盈利能力。笔者相信，这绝非「鸿沟」那么简单，而关键在于设计上。
记得笔者曾在本栏撰文，讨论和分析相关的观点——在AI 应用的世代，设计比起AI工具本身的技术能力更为重要（可参阅〈「额外收入」两源头支撑AI应用发展〉一文）。
在该文中，笔者以经济学的「盈利」模型，亦即在公司损益表上所体现的「利润＝收入—费用」公式作分析起点。如果要AI提升盈利，必须要在收入方面有所提升；或在费用上有所减少，而AI普及应用的成效，总体来说取决于由AI对生产要素改进所释放的生产力，能否有效地带来新增「额外收入」之上。换言之，当AI提升了个别员工的工作效率后，个人效率提升所得到的时间减省，是否有效转移投放到「额外工作 」，从而增强了公司的整体竞争力。
弄清楚AI 扮演角色
笔者曾经接触认识一些外地AI 应用公司，员工往往把AI替他们减省的时间用作休息，松弛工作压力；或将减省的时间，用来重新投入原来的工作，进行更细致的优化，务求把同一件工作做得更尽善尽美。这一类的AI投入，未必能为企业的盈利带来增长。因为AI并没有提升员工的产出，只是提升了他们的工作质素或给客户的体验。换句话说，利用AI所释放出来的额外人力时间和生产投入要素，必须投放到可增加价值的地方，这样才能对企业的损益表进帐有所裨益。
沿着这条分析思路，对于NANDA 计划这项研究结果，笔者拟透过一个分析框架作深入探讨，查找出企业引人AI，投入了大量资源，却未能取得预期收入回报的原因。
笔者过往曾长期任教工商管理硕士（MBA） 的课程，其中一门关于信息科技管理的基础课程，十多年来一直与学员分享一个分析框架——当企业或机构把信息科技（IT）引入组织之中，首先必须聚焦考虑清楚，到底科技的角色是什么？这一点非常重要。这个框架分析的细节，笔者另文详述。但无论如何，NANDA 计划的研究发现，进一步印证了笔者的分析观点——AI对生产要素改进所释放的生产力，能否有效带来新增的「额外收入」，就是AI能否持续有效应用的关键所在。