AI Ada di Mana-mana di Tempat Kerja. Hanya 1 daripada 10 Berkata Ia Mengubah Pekerjaan

Pasukan anda menggunakan AI. Mungkin ramai daripada mereka. Tetapi jika anda tertanya-tanya mengapa ia masih belum kelihatan dalam angka-angka anda, anda bukan seorang yang terasing, dan anda tidak salah membaca data tersebut.

Satu kertas kerja National Bureau of Economic Research (NBER) yang meninjau hampir 750 eksekutif korporat mendedahkan sesuatu yang mengejutkan: keuntungan produktiviti yang dirasai daripada AI secara konsisten melebihi keuntungan yang terukur. Para penyelidik menyebut ini sebagai "paradoks produktiviti" dan menjejaki punca kepada kelewatan dalam realisasi pendapatan. Syarikat-syarikat menggunakan AI lebih pantas daripada mereka mereka bentuk semula kerja di sekelilingnya, dan ketidakpadanan itulah sebabnya penyata untung rugi kekal mendatar walaupun bilangan lesen terus meningkat.

Paradoks ini bukan tanda bahawa AI tidak berfungsi. Ia adalah isyarat bahawa penggunaan semata-mata bukanlah matlamat akhir.

Angka-angka di Sebalik Jurang Ini

Kertas kerja NBER (kertas kerja w34984, diterbitkan bersama dengan Federal Reserve Bank of Atlanta) merupakan salah satu kajian paling teliti mengenai persoalan ini setakat ini. Tinjauan peringkat eksekutif merakam apa yang sebenarnya berlaku dalam organisasi, bukan apa yang dijanjikan vendor dalam pembentangan jualan mereka.

Fakta Utama

• Hampir 750 eksekutif korporat melaporkan keuntungan produktiviti AI yang dirasai melebihi keuntungan yang terukur, dengan jurang tersebut dikaitkan dengan kelewatan dalam realisasi pendapatan (NBER/Atlanta Fed, w34984, 2026)
• AI generatif menjimatkan kira-kira 5.4% daripada jam kerja, iaitu lebih kurang 2.2 jam seminggu bagi jadual kerja 40 jam biasa (Federal Reserve, 2026)
• Hanya kira-kira 1 daripada 10 pekerja dalam organisasi yang menggunakan AI bersetuju sepenuhnya bahawa AI telah mengubah cara mereka menjalankan kerja mereka (Gallup, 2026)

Angka Gallup itu wajar membuat anda berfikir sejenak. Kira-kira 80% pekerja melaporkan menggunakan alat AI di tempat kerja. Tetapi hanya sekitar 10% berkata ia benar-benar mengubah cara mereka melaksanakan tugas secara bermakna. Selebihnya menggunakan AI sama seperti mereka pernah menggunakan Google, iaitu sebagai versi yang sedikit lebih pantas daripada apa yang telah mereka lakukan.

Mengapa Angka Anda Tidak Sepadan dengan Log Penggunaan Anda

Jurang antara impak yang dirasai dan yang terukur bukanlah sesuatu yang misteri apabila anda memahami mekanismenya. Apabila pekerja menggunakan AI, mereka cenderung mengautomasikan bahagian kerja yang paling mudah diautomasikan, bukan semestinya bahagian yang mendorong nilai paling tinggi. Seorang jurujual menggunakan AI untuk menggubal e-mel susulan dengan lebih pantas. Seorang pengurus menggunakannya untuk merumuskan nota mesyuarat. Ini adalah penjimatan masa yang nyata, tetapi ia tidak menggerakkan pendapatan secara langsung.

Analisis Federal Reserve menyokong perkara ini. AI generatif menjimatkan kira-kira 2.2 jam seminggu dalam jadual kerja 40 jam. Ini bermakna kecekapan masa kerja meningkat lebih kurang 5.4%. Tetapi penjimatan masa kerja tidak secara automatik menjadi impak kepada penyata untung rugi. Ia hanya diterjemahkan kepada pendapatan jika jam yang dibebaskan diarahkan semula ke aktiviti yang lebih bernilai tinggi, atau jika aliran kerja yang mendasarinya direka bentuk semula supaya keuntungan itu berganda.

Kebanyakan organisasi melepaskan langkah pengalihan semula itu. Pekerja menjimatkan dua jam, kemudian mengisinya dengan kerja keutamaan rendah atau mesyuarat. Masa itu hilang begitu sahaja dan bukannya ditukar kepada nilai. Dan kerana tiada apa dalam model pendapatan yang berubah, keuntungan produktiviti kekal terperangkap dalam aliran kerja.

Kertas kerja NBER menambahkan satu lagi lapisan: keuntungan yang memang muncul dalam produktiviti yang terukur mengalir terutamanya melalui saluran permintaan dan inovasi, bukan melalui pendalaman modal. Dalam bahasa yang mudah, AI mencipta nilai dengan membolehkan perkara-perkara baru (produk yang lebih baik, pengulangan yang lebih pantas, penyasaran pelanggan yang lebih tajam) dan bukan sekadar melakukan perkara lama dengan lebih murah. Organisasi yang menganggap AI sebagai alat pengurangan kos cenderung hanya mengukur bahagian yang lebih murah dan terlepas bahagian pertumbuhannya.

Di Mana Keuntungan Sebenarnya Muncul

Tidak semua sektor atau kes penggunaan adalah sama. Penemuan NBER menunjukkan keuntungan produktiviti terukur terbesar dalam perkhidmatan berkemahiran tinggi dan kewangan. Ini adalah bidang di mana AI membantu kerja penilaian yang kompleks, seperti analisis perjanjian, semakan kontrak, pemodelan kewangan, dan penyelidikan pelanggan, dan bukan tugas berulang yang mudah.

Corak ini masuk akal. Apabila AI menambah nilai kepada seorang penganalisis yang bergaji $300,000 atau pengurus hubungan kanan, keuntungannya cukup besar untuk direkodkan. Apabila ia membantu seseorang menghantar e-mel yang sedikit lebih baik, ia tidak menggerakkan jarum secara agregat.

Implikasinya bagi CEO: di mana anda menggunakan AI adalah sama pentingnya dengan seberapa luas anda menggunakannya. Menyebarkan lesen AI ke setiap fungsi adalah penggunaan. Menumpukan AI pada kerja yang secara langsung berkaitan dengan pendapatan adalah transformasi.

Syarikat kecil dan syarikat besar juga melihat perkara yang berbeza. Data NBER menunjukkan syarikat yang lebih besar menjangkakan pengurangan tenaga kerja yang didorong oleh AI dari masa ke masa, manakala syarikat yang lebih kecil sebenarnya menjangkakan pertambahan headcount yang sederhana, didorong oleh pertumbuhan daripada peningkatan produktiviti. Andaian umum bahawa AI kebanyakannya memotong pekerjaan secara besar-besaran kelihatan lebih rumit apabila dikaji dengan teliti.

Empat Perkara yang Boleh Dilakukan CEO Suku Ini

Jurang antara penggunaan dan impak yang terukur boleh dirapatkan. Tetapi ia memerlukan anda untuk menganggap AI sebagai masalah reka bentuk operasi, bukan masalah perolehan.

1. Audit di mana jam AI anda sebenarnya pergi. Tarik data penggunaan daripada alat AI anda dan petakan mengikut fungsi kerja. Adakah peranan anda yang paling tinggi leverej menggunakan AI pada tugas mereka yang paling tinggi leverej? Dalam kebanyakan syarikat, jawapannya adalah tidak. Penggunaan AI yang tinggi cenderung tertumpu dalam komunikasi dan dokumentasi, bukan dalam kerja yang menutup perjanjian atau memenangi pelanggan.

2. Reka bentuk semula sekurang-kurangnya satu aliran kerja yang berkaitan dengan pendapatan. Pilih aliran kerja yang secara langsung menyentuh pendapatan, sama ada proses jualan, pergerakan kejayaan pelanggan, atau kitaran pembangunan produk, dan reka bentuk semula dari asas menggunakan AI. Jangan tambahkan AI pada langkah-langkah sedia ada. Tanya diri sendiri: jika kami perlu membina aliran kerja ini hari ini dengan mengetahui apa yang AI boleh lakukan, bagaimanakah rupanya? Penemuan kertas kerja NBER bahawa keuntungan mengalir melalui saluran permintaan dan inovasi mencadangkan bahawa jenis reka bentuk semula inilah tempat keuntungan sebenar berada.

3. Ukur hasil, bukan penggunaan. Kebanyakan papan pemuka AI melaporkan bilangan tempat duduk dan jumlah pertanyaan. Ini adalah metrik penggunaan, bukan metrik impak. Alihkan pelaporan anda kepada metrik hasil: pendapatan per pekerja dalam peranan berbantuan AI, masa kitaran pada aliran kerja yang direka bentuk semula dengan AI, kos pemerolehan pelanggan dalam corong yang disokong AI. Jika anda tidak dapat mengaitkan pelaburan AI anda dengan salah satu angka tersebut, anda belum tahu sama ada ia berfungsi.

4. Tutup gelung pada masa yang dibebaskan. 2.2 jam seminggu yang dijimatkan AI hanya bernilai jika ia digunakan secara sengaja. Bina perjanjian masa-ke-nilai yang jelas dengan pasukan: apabila AI mengurangkan masa yang anda habiskan untuk tugas X, inilah ke mana masa itu pergi seterusnya. Tanpa arahan itu, jam-jam tersebut hilang dan keuntungan produktiviti turut lenyap bersama-sama.

Kelewatan Realisasi Pendapatan Adalah Nyata, Tetapi Sementara

Framing kertas kerja NBER mengenai "paradoks produktiviti" tidak bermakna keuntungan tidak akan datang. Ini bermakna ia datang kemudian dan melalui saluran yang berbeza daripada yang dijangkakan oleh kebanyakan eksekutif. Para penyelidik mendapati kesan produktiviti buruh yang positif merentasi syarikat-syarikat yang ditinjau. Jurang itu adalah masalah masa, bukan kegagalan yang mendasar.

Tetapi "ia akan berjaya akhirnya" bukanlah sebuah strategi. CEO yang menunggu keuntungan itu terwujud dengan sendirinya berkemungkinan akan terus melihat keluk penggunaan meningkat dan penyata untung rugi kekal mendatar. Syarikat-syarikat yang menutup kelewatan tersebut paling awal akan menjadi mereka yang menganggap reka bentuk semula aliran kerja, pengukuran hasil, dan pelaksanaan yang berfokus pada pendapatan sebagai kerja sebenar penggunaan AI, bukan sesuatu yang berlaku selepas penggunaan.

AI sudah ada di mana-mana di tempat kerja. Soalan sekarang ialah sama ada ia benar-benar berfungsi.

Soalan Lazim

Mengapa pekerja merasai keuntungan produktiviti yang lebih besar daripada AI berbanding apa yang ditunjukkan oleh data? Orang cenderung menyedari apabila AI menjimatkan masa mereka pada tugas tertentu dan secara mental menggeneralisasikannya kepada keseluruhan pekerjaan mereka. Tetapi keuntungan yang terukur mencerminkan sama ada jumlah output atau pendapatan sebenarnya meningkat. Apabila penjimatan masa tidak dialihkan kepada kerja yang lebih bernilai tinggi, keuntungan yang dirasai adalah nyata tetapi keuntungan yang terukur tidak kelihatan. Ini adalah teras apa yang disebutkan oleh penyelidikan NBER sebagai kelewatan realisasi pendapatan.

Industri mana yang melihat keuntungan produktiviti AI yang paling ketara pada masa ini? Tinjauan NBER terhadap hampir 750 eksekutif mendapati keuntungan terukur terbesar dalam perkhidmatan berkemahiran tinggi dan kewangan. Sektor-sektor ini melihat peningkatan terbesar kerana AI menambah nilai kepada kerja penilaian yang kompleks dan bernilai tinggi di mana walaupun penambahbaikan kecil menggerakkan jarum dari segi pendapatan.

Adakah CEO perlu menggesa lebih banyak lesen AI jika impak yang terukur adalah rendah? Mungkin belum lagi. Bukti menunjukkan bahawa kendalanya bukan pada akses kepada alat AI, melainkan pada cara alat-alat tersebut disepadukan ke dalam aliran kerja dan sama ada ia dihubungkan kepada tugas yang berkaitan dengan pendapatan. Lebih banyak lesen tanpa reka bentuk semula aliran kerja dan pengukuran hasil cenderung melebarkan jurang penggunaan-kepada-impak dan bukannya menutupnya.

Baca Lagi

• Mengapa ROI AI Sukar Dibuktikan - sebab-sebab struktural di sebalik kelewatan pulangan AI yang terukur berbanding keluk penggunaan
• Masa yang Dijimatkan vs. Impak Pendapatan: Mengukur AI - satu rangka kerja untuk menukar keuntungan kecekapan AI kepada hasil yang kelihatan dalam penyata untung rugi
• Bil AI Perusahaan Meningkat Walaupun Harga Token Jatuh - sisi kos dalam persamaan pelaburan AI
• Laporan Jurang Kepimpinan AI PwC - bagaimana syarikat terkemuka mengungguli yang lain dalam prestasi AI yang terukur

Sumber: NBER Working Paper w34984, "Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives" (2026) | Gallup, "Rising AI Adoption Spurs Workforce Changes" (2026) | Federal Reserve FEDS Note, "Monitoring AI Adoption in the U.S. Economy" (2026)