運用AI人機互補和協作 並擴大AI對生產力的貢獻
文/張瑞雄
在當前的科技進步中，生成式AI無疑是最具話題性的技術之一。企業領導者、政府機構及學界專家皆對其潛力抱持高度期待，並認為AI能夠推動全球經濟發展、提升勞動生產力。但儘管生成式AI已被廣泛應用於軟體工程、客戶服務、行銷與研發等領域，許多企業與經濟學家仍對其實際生產力影響抱持懷疑態度。
根據麥肯錫的研究，生成式AI每年可為全球經濟貢獻二．六兆至四．四兆美元的價值，並且在銀行、科技、醫療等產業產生重大影響。尤其是在客戶營運、行銷、軟體開發及研發等領域，AI技術已展現出極大的潛在價值。以金融業為例，AI可自動分類客戶諮詢、提供個人化建議，甚至協助企業分析風險，提升決策效率。
但這些潛在收益是否能夠迅速轉化為實際的生產力提升，仍然值得商榷。許多企業高層開始對生成式AI的影響持保留態度，例如Airbnb執行長指出，AI輔助程式設計並未帶來顯著的生產力飛躍。這與其他企業所聲稱的「成功案例」形成對比，部分公司過度吹捧AI的影響，以營造創新形象，實際生產力提升卻未能如預期顯現。
索洛悖論
這種現象可與「索洛悖論」（Solow’s paradox）相對應，指的是美國在一九七○和一九八○年代雖然資訊技術發展迅速，生產力成長卻出現減緩的情形，這導致經濟學家Robert Solow指出：「資訊時代電腦無所不在，卻唯獨未能反映在生產力統計數據中。」現在類似的問題同樣適用於生成式AI，AI應用喊得鑼鼓喧天，但缺少真正因AI而生產力提升的數據。
很明顯的原因是AI技術的並非即插即用，而是需要企業進行組織改變與流程再造。許多企業雖已導入AI輔助工具，但內部工作流程未能完全適應新技術，導致其效能無法充分發揮。
員工再教育與指標調整
另外AI能夠自動生成程式碼、協助客服應對客戶、分析市場數據等，但這並不代表人類員工能立即適應新的工作模式。企業需要對員工進行再教育與技能提升，使其能夠與AI高效協作，這需要時間與成本投入。
沒有生產力提升的數據是因為AI帶來的價值可能體現在質化指標，例如提高決策準確度、改善客戶體驗，而非單純的量化指標如工時縮減或產出提升，因此現有的生產力衡量方式可能未能全面反映AI的影響。
還有生成式AI雖然擁有強大的自然語言處理與內容生成能力，但在決策支持、自動化程度與準確性方面仍有許多需要改進之處。例如AI生成的程式碼仍需工程師審查，AI客服回應仍有誤判風險，這些因素影響了AI技術的即時生產力貢獻。
改善流程提升員工技能 整合AI於工作中
儘管當前生成式AI的生產力提升效果尚未完全顯現，但這並不意味著未來無法發揮更大潛力。要真正實現AI的生產力革命，企業與社會應該從以下幾個方面努力。首先要重塑工作流程與組織結構，使其與AI技術更好地整合。例如在客服領域，可讓AI先處理簡單查詢，再將複雜問題轉交給人類客服，實現人機互補的最佳化運作模式。
其次是要提升員工數位技能，AI並非取代人類，而是與人類協作。因此企業需要提供員工數位能力的訓練，使其掌握如何與AI高效配合，如AI程式設計輔助工具的應用、AI數據分析的利用等。
再來要優化生產力衡量標準，當前的生產力統計指標可能未能充分反映AI的真正價值，因此企業與學術機構應該探索更符合數位時代的衡量方式，如決策速度提升、客戶滿意度增長等隱形的好處。
最後就是加強AI技術研發與應用場景的拓展，AI技術仍在快速進化，未來應朝向更高準確性、更低計算成本的方向發展。同時企業應探索更多AI應用場景，如供應鏈管理、自動化內容建立等，進一步擴大AI對生產力的貢獻。
生成式AI無疑擁有巨大的生產力潛力，但從技術發展到真正帶來經濟效益，需要企業、員工與政策制定者共同努力。歷史經驗顯示，技術變革往往需要數年的適應期，企業應將重點放在如何有效整合AI，而非過度吹捧短期收益。唯有如此，AI才能真正成為推動生產力增長的核心動力，而非僅僅停留在數據統計之外的幻象。
