《財富》評論文章指出，當前的 AI 經濟同時被兩種情緒主導：一邊是「這次不一樣」，另一邊是「沒人知道答案」。文章認為，這種並存的樂觀與不確定性，正是當下 AI 熱潮最突出的特徵。
美國賓夕法尼亞大學沃頓商學院教授 Ethan Mollick 近日在紐約公共圖書館的一場活動上表示，即使是 AI 實驗室、企業高管和行業意見領袖，也沒有現成的方法可以回答 AI 將如何真正改造企業。他說，任何聲稱已掌握「標準劇本」的人，都不可信。
整體生產率提升仍然有限
文章援引美國銀行的數據稱，AI 目前對整體經濟年度生產率的拉動僅約 0.1%。這一數字與市場對 AI 的高預期形成明顯反差。美國銀行在同一份報告中仍將 AI 形容為比電力和互聯網影響更大的技術。
高盛今年 3 月的研究也得出類似結論。其報告指出，AI 與整體經濟層面的生產率提升之間，暫未觀察到顯著的對應關係。不過，在客服和軟體等 AI 應用更集中的行業，中位數生產率提升可達 30%。
根據美國銀行的估算，目前 AI 可改造的職場任務約佔 20%，其中僅有 23% 在當前具備成本效益。即使完成自動化，節省的人工成本約為 27%，而人工成本本身約佔總成本的一半。按此計算，當前理論上的勞動生產率提升上限約為 0.66%，實際落地後還會因摩擦與執行滯後進一步被壓低。
企業內部流程拖慢了落地
文章認為，AI 的回報遲遲未能全面體現，問題未必首先出在技術本身，而更多出在組織結構。Mollick 提到，企業 IT 部門往往是 AI 項目最容易停滯的地方，不是因為反對創新，而是因為其職責天然偏向控制風險。
他還指出，KPI 體系也會限制試驗空間。企業若一開始就要求某個項目必須帶來 10% 的改進，往往只會篩出對現有流程的小修小補，而不是推動對流程本身的替代。換句話說，真正改變工作方式的 AI 應用，未必能在傳統績效框架下順利孵化。
就連 AI 公司也在摸索部署方式
文章還提到一個更能說明問題的現象：不少 AI 公司正在建立自己的諮詢和部署團隊，幫助客戶將模型接入實際業務。Mollick 認為，這本身就說明行業尚未形成成熟、可複製的落地路徑。
如果模型的能力已經強大到足以重塑大量白領工作，那麼這些公司本應更容易回答「如何部署」這個基本問題。但現實是，就連最看好 AI 的技術提供方，也在為企業落地尋找方法。
本文認為，當前 AI 行業的核心矛盾不僅在於估值高低，更在於技術進步速度與組織吸收能力之間的錯位。市場一方面相信 AI 將帶來深遠變革，另一方面卻缺乏可直接套用的實施路徑，這種張力仍將持續影響 AI 經濟的下一階段發展。