儘管先進的大語言模型已經無處不在，但全球許多大型組織目前正深陷於「生產力悖論」(Productivity Paradox) 之中，在人工智慧領域的巨大資本投入後，卻看不到太大的實質產出。
生產力悖論原指美國在1970、1980年代雖然資訊技術領域發展迅速，生產力成長卻出現減速的情形。用這個說法來形容現在企業投入大量資本在人工智慧上，卻沒有實質回報的現象實在非常貼切。
為何會有這種現象? 從 AI 界領袖們的對談中，來尋找線索吧。
2026年世界經濟論壇年會 (The World Economic Forum) 於2026年1月19日至23日在瑞士Davos舉行，微軟董事長兼執行長 Satya Nadella、OpenAI 首任財務長 Sarah Friar、Google DeepMind 共同創辦人兼執行長 Demis Hassabis、Anthropic 共同創辦人兼執行長 Dario Amodei 四人聚在一起對談，要告訴你對 AI 未來的五大關鍵看法。
1. 關於生產力與領導力的意願
影片文字稿 :
Satya Nadella (微軟執行長) 說 : 「你不能只是抽象地討論這件事，你必須實際去使用它。你必須信任它、使用它，甚至得學習如何設置防護機制來建立這種信任，對吧？」
「你不能只是感到害怕。事實上這就是為什麼我認為你會面臨一個挑戰：為什麼我沒有立即看到生產力提升的效果？因為你必須投入艱苦的工作，雖然不同產業可能存在差異，但根本原因將取決於組織內部領導者的意願。」
以上談話的真正意思整理如下 :
微軟執行長 Satya Nadella 強調，企業若要透過 AI 提升生產力，關鍵在於領導者的意願與導入方式，而非 AI 技術本身。他指出，許多組織之所以未能看見顯著成效，是因為僅將 AI 視為概念驗證 (Proof of Concept, PoC) 或外掛工具，卻未對既有流程、人員分工、管理模式及資料品質進行根本性的重新設計。他比喻道：「你不能只是抽象地討論這件事，你必須實際去使用它。」真正的轉型需要企業投入資源於「人」與「工作設計」，包含員工訓練與角色重塑，讓 AI 與組織的各個層面緊密結合，才能發揮其最大潛力。
2. AI 技能與競爭力
影片文字稿 :
Demis Hassabis (Google DeepMind 執行長) 說 :「如果我現在對大學生演講，我會告訴他們，要想辦法極其熟練地掌握這些工具。我認為，甚至像我們這些開發者，因為忙於研發，都很難有時間去真正探索現有模型和產品所具備的超前能力，更不用說未來的產品了。我認為這可能比傳統實習更有價值，能讓你實現跨越式成長，在專業領域中發揮作用。」
Sarah Friar (OpenAI 財務長) 說 :「我用電力來打比方，我認為我們已經完成了房屋的佈線並打開了燈，但還沒向人們解釋，現在他們可以用電來取暖、煮飯或享受娛樂，因此潛在的能力空間是巨大的，即使模型從今天起不再進步，單憑人們手中現有的工具，仍有巨大的生產力潛力可挖。」
AI 的下一個關卡不是模型，而是「基礎建設」與社會許可。Satya Nadella 提到資料中心像「token factories」(代幣工廠，指AI算力資料中心) 這種實體基礎設施，連著電網與電信，而且必須被更廣泛地部署，不然AI的利益很難擴散，也容易失去社會正當性。
以上談話的真正意思整理如下 :
在技能方面，Google DeepMind 執行長 Demis Hassabis 建議，未來的專業人士應極其熟練地掌握 AI 工具，他認為這甚至比傳統實習更能帶來跨越式的成長。OpenAI 財務長 Sarah Friar 則以電力為喻，說明我們雖已「接通電源」，但尚未完全發掘其應用潛力。她認為，即便模型技術不再進步，光是善用現有工具，就能釋放巨大的生產力。 然而，Satya Nadella 指出，AI 發展的下一個瓶頸是「基礎建設」。他將資料中心形容為「代幣工廠 (token factories)」，這些設施與電網、電信系統相連，必須被廣泛部署，才能讓 AI 的利益普及化，並維持其發展的社會正當性。
3. 未來的社會與人類價值
影片文字稿 :
Demis Hassabis (Google DeepMind 執行長) 說 :「即使在像這樣的地方見到經濟學家，我也經常感到驚訝，因為並沒有更多的專業經濟學家或教授在思考接下來會發生什麼。不僅僅是在通往 AGI (Artificial General Intelligence 通用型人工智慧) 的過程中。工作取代是一個問題，我們都擔心這對經濟的影響；但也許有辦法更公平地分配這些新的生產力和財富。目前讓我徹夜難忘的是比這更重大的問題，涉及生命意義和目標，以及我們從工作中獲得的許多東西，而不僅僅是經濟利益。但奇怪的是，我認為這些（經濟）問題可能比人類境況和人類整體命運的轉變更容易解決。」
以上談話的真正意思整理如下 :
Demis Hassabis 提出了更深層次的擔憂。他認為，除了工作取代和財富分配等經濟問題外，AI 將對人類的生命意義與目標帶來更重大的挑戰。他觀察到，目前學術界對於這些涉及人類整體命運的哲學性問題，探討仍然不足。他坦言：「目前讓我徹夜難忘的是比這更重大的問題，涉及生命意義和目標，以及我們從工作中獲得的許多東西，而不僅僅是經濟利益。」
4. AI 的社會貢獻
影片文字稿 :
Satya Nadella (微軟執行長) 說 :「我認為身為全球社群，我們必須達到一個目標，那就是利用 AI 做一些有用的事，去改變個人、社群、國家和產業的成果，對吧？否則，我認為這沒什麼意義。事實上，如果這些 tokens (指 AI 生成的數據) 不能改善醫療、教育、提升公共部門效率或各行各業大小企業的競爭力，我們很快就會失去社會許可，不能再耗費像能源這樣稀缺的資源來產生它們。對我來說，這才是最終的目標。」
以上談話的真正意思整理如下 :
Satya Nadella 從社會責任的角度出發，認為 AI 的最終目標必須是為社會帶來實質貢獻。他強調，如果 AI 生成的數據不能改善醫療、教育、公共服務效率或提升企業競爭力，那麼耗費大量能源等稀缺資源來發展這項技術將失去其合理性。他表示：「對我來說，這才是最終的目標。」這也意味著，AI 的發展必須與社會福祉緊密掛鉤，才能獲得長期的支持。
5. 關於 AGI 的時程
影片文字稿 :
Dario Amodei (Anthropic 共同創辦人) 說 : 「Anthropic 的工程師告訴我：我再也不寫程式碼了。我讓模型寫，我負責編輯和處理周邊事務。我想，我不確定，但我們可能距離模型能端到端(end-to-end) 完成軟體工程師大部分甚至全部工作的階段，只剩六到十二個月。接下來的問題是，這個循環多快會閉合？循環中並非每個環節都能靠 AI 加速。還有晶片、晶片製造、以及模型訓練時間等限制。這很容易看出可能需要幾年時間。但我很難想像這會花比幾年更長的時間。」
以上談話的真正意思整理如下 :
關於通用型人工智慧 (Artificial General Intelligence, AGI) 的發展時程，Anthropic 共同創辦人 Dario Amodei 提出了驚人的預測。他引述內部工程師的經驗表示，AI 模型在 6 到 12 個月內，或許就能完成軟體工程師大部分甚至全部的工作。雖然晶片製造、模型訓練等環節仍存在物理限制，但他認為整個循環閉合「很難想像會花比幾年更長的時間」，暗示 AGI 的到來可能比許多人預期的要快。
心得及總結
這場世界經濟論壇的對談聚焦於 AI 的實際應用與未來影響，主要結論如下：
企業導入層面： AI 的成效取決於組織的導入意願與方式，而非技術本身。企業必須重新設計流程、人員角色與資料管理，而不是將 AI 視為外掛工具。
人才與基礎建設： 掌握 AI 工具的能力成為新競爭力。資料中心等實體基礎建設的廣泛部署，是讓 AI 利益普及的必要條件。
社會與人文挑戰： AI 帶來的最深層問題不只是失業或財富分配，而應該是人類生命意義與目標的重新定義。
社會責任： AI 必須對醫療、教育、公共服務等領域產生實質改善，才能維持其發展的社會正當性。
技術進展： AGI 可能在數年內實現，但物理限制（晶片製造、訓練時間）仍是瓶頸。
核心洞察： AI 不只是技術問題，而是涉及組織、社會、倫理與人類未來的系統性轉變。
看起來 AI 會對人類持續造成更大的衝擊，是避免不了的。
對於升斗小民來講，應該盡早讓 AI 素養變成自己生活的一環；對於企業來講，應該把 AI 導入看成像工業革命一樣，而不只是買進一套系統，才能夠真正開始從 AI 換來實質獲利。
0 留言