人工智能投资对生产力提升的多种影响:行业特性与创新特点的作用

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》:Diverse impacts of AI investments on productivity gains: Effects of industry and innovation characteristics

【字体: 大 中 小 】 时间:2025年12月31日 来源:TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE 13.3

编辑推荐:

  研究基于美国职位数据,分析AI投资对企业全要素生产率的影响,发现行业异质性显著,制造业获益最大,服务业在信息、公用事业等领域受益。AI通过探索与利用创造价值,利用路径收益更优,早期采用者有额外优势,但AI exposure分数与生产率无系统关联,强调需制定行业特定AI策略。

  
作者:Gangmin Park, Songhee Kang, Sangyoon Yi, Junyoun Kim
韩国首尔城北区旌宁路77号,国民大学商业IT研究生院,邮编02707

摘要

随着人工智能(AI)成为创新的关键驱动力,其在提高生产力方面的作用受到了越来越多的关注。然而,现有的大部分证据都将AI的采用与职业或国家层面的生产力联系起来;而针对企业层面的研究仍然很少。利用2014-2023年的美国职位招聘数据,我们研究了AI投资与企业全要素生产率(TFP)之间的关系。研究结果表明,AI投资确实提高了企业层面的TFP,但这种提升效果并不均衡。这种影响因行业而异,反映了所需互补资产的可获得性不同:制造业获得了最大的收益,而在服务业中,收益主要集中在信息、公用事业与建筑、教育与健康以及公共管理领域。生产率的提升与企业的AI接触程度(即企业所需技能是否接触到AI的程度)没有系统性关联——尽管早期采用者会获得轻微的额外提升。AI通过探索和利用两种方式创造价值,但估计的生产率回报在利用型应用中更为显著。这些发现强调了制定针对特定行业的AI策略的必要性。通过超越将AI视为通用生产力引擎的观念,我们的研究强调了根据每个企业的独特挑战和动态来调整AI投资的重要性。

引言

尽管人们对AI提高生产力的潜力越来越感兴趣,但其在企业层面的影响却非常复杂,且难以衡量或解释。这种复杂性源于AI技术与企业及其外部环境的多个方面相互作用(Brynjolfsson等人,2021;Lee等人,2022)。此外,AI高度依赖大量数据,而这些数据的质量和数量以及必要的互补技术都会对其性能产生显著影响(Lee等人,2022)。因此,将AI整合到企业运营中既不简单,也不能保证立即带来生产率的提升。IBM推出的Watson Health就是一个例子,该项目最终在2022年被放弃。这个案例表明,即使是最先进的人工智能,如果没有合适的企业条件,也可能失败。更广泛的数据也证实了这一点:只有8%的企业使用了核心的AI实践(Fountaine等人,2019),而仅有3.8%的企业在生产中应用了AI(Breaux和Dinlersoz,2023)。这些因素凸显了需要细致理解AI投资及其对企业生产力影响的必要性。
为了解决这些挑战,本研究提出了一个统一的框架——AI创新的二元性——该框架整合了两种关键的理论视角。该框架认为,作为通用技术(GPT)的AI通过两条不同且平行的路径推动生产力提升。第一条路径基于任务视角,通过自动化常规任务和增强知识密集型工作来提高效率(Acemoglu和Restrepo,2019;Spring等人,2022;Brynjolfsson等人,2025;Acemoglu,2025)。第二条路径基于GPT理论,涉及创造新的范式,即AI能够推动系统性的后续创新——如新产品、服务和商业模式——从而从根本上重塑市场(Trajtenberg,2018;Babina等人,2024)。然而,这两条路径的成功在很大程度上取决于企业在互补资产(如数据基础设施和懂AI的人才)上的投资(Brynjolfsson等人,2021;Lee等人,2022)。
基于这一双路径框架,我们的实证分析研究了AI投资如何转化为企业层面的生产力。我们发现了在不同企业和条件下存在差异的模式。首先,影响因行业而异,反映了所需互补资产的可获得性不同。其次,虽然企业对可自动化任务的总体接触并不保证更高的回报,但早期采用者具有明显优势。第三,我们对AI在利用(优化)或探索(创造)方面的应用进行分析,直接验证了我们的双路径模型,发现AI通过这两种渠道创造价值,其中利用型、过程导向的应用带来的收益略高。
为了实证研究AI投资与企业生产力之间的关系,我们基于职位招聘数据构建了一个前瞻性指标(Alekseeva等人,2021;Babina等人,2024)。利用2014年至2023年的大约3.3亿条职位空缺记录,我们建立了一个企业-年份面板,反映了需要AI相关技能的职位开放比例,从而反映了企业的实际投资意图。这种方法解决了以往研究的主要局限性,以往的研究依赖于专利数据(Alderucci等人,2020;Damioli等人,2021;Zhai和Liu,2023)或企业调查(Czarnitzki等人,2023;Lee等人,2022)。虽然这些来源提供了有价值的信息,但它们只反映了部分情况:专利数据偏爱技术先进的企业,忽略了受软件版权、商业秘密或开源许可证保护的创新——这些在AI领域尤为常见(Damioli等人,2021;Grashof和Kopka,2023);调查则存在抽样偏差和定义不一致的问题。我们基于职位招聘的数据提供了一个可扩展、高频率的替代方法,能够捕捉到近乎实时的AI相关活动信号,从而更细致、动态地分析AI投资如何转化为生产力提升。
本研究有三个关键的理论贡献。首先,我们改进并扩展了适用于AI时代的基于任务的框架(Acemoglu和Restrepo,2019)。我们表明,仅AI的接触本身(即被替代的潜力)并不能保证生产率的提升;相反,创造价值的主要途径是增强现有知识密集型任务的效率。其次,我们通过实证验证了AI运行的两种主要机制:基于任务的优化路径(通过“利用”体现)和GPT驱动的创造路径(通过“探索”体现),为GPT理论做出了贡献。第三,我们重新定义了生产力J曲线(Brynjolfsson等人,2021)。我们发现,绩效的变化不仅来自随时间的调整成本,主要来自部署环境——即行业特征(如模块化和互补资产)和战略意图(探索与利用),这解释了AI带来的生产力提升在企业间的不均衡分布。
本文的其余部分安排如下:第2节回顾相关文献。第3节介绍数据和测量策略。第4节呈现主要实证结果。第5节讨论研究意义。

部分摘录

AI与企业生产力

近年来,一系列突破性的AI技术——从深度卷积网络到基于Transformer的大型语言模型和扩散生成器——结合了不断下降的数据处理成本和无处不在的云工具包,使AI成为降低成本、提高质量和创造新产品的战略工具。这种快速普及突显了需要一个清晰的理论视角,来解释为何以及何时这种投资能够转化为绩效提升。两个研究方向...

数据

在本研究中,我们通过分析公司职位招聘中需要AI技能的比例来评估AI投资(Alekseeva等人,2021;Babina等人,2021;Babina等人,2024)。鉴于招聘AI技能的员工占公司AI开发和采用工作的很大一部分,这一测量方法尤为重要。这是因为随着云技术的进步,AI的开发和采用对物理投资的依赖程度降低了...

AI与生产力

我们采用了双向固定效应(TWFE)模型,并使用基线OLS和IV-2SLS方法进行了估计,将企业层面的滞后AI投资与行业-年份平均滞后AI投资进行了工具变量处理。标准误差按企业和年份进行双向聚类,并进行了偏差校正以确保推断的可靠性。人们认识到,AI投资在采用后可能不会立即提升生产力(Jovanovic和Rousseau,2005);调整成本...

稳健性检验

为了评估我们基线结果的稳健性,我们进行了一系列检验,包括改变模型规格和测量策略。这些检验包括对AI投资的替代定义、接触时间和应用类型的异质性,以及四种不同的TFP测量方法。在所有规格中,AI投资与生产力之间的正相关关系仍然一致,进一步增强了我们主要结果的可信度。
表5报告了四种稳健性检验结果

关键发现讨论

本研究探讨了企业层面的AI投资如何影响生产力提升,并确定了这些影响最显著的条件。虽然之前的研究已经考察了AI采用对企业生产力的影响,但许多研究主要依赖于专利数据(Alderucci等人,2020;Damioli等人,2021;Zhai和Liu,2023;Yang,2023)或调查(Czarnitzki等人,2023)。这些方法可能无法完全捕捉AI整合的复杂性...

CRediT作者贡献声明

Gangmin Park:方法论、形式分析、概念化。Songhee Kang:方法论。Sangyoon Yi:撰写——审稿与编辑。Junyoun Kim:撰写——审稿与编辑、概念化。

致谢

本研究得到了韩国国家研究基金会(NRF-2022S1A3A2A02089685)的支持,该基金会由教育部资助;同时得到了韩国海洋科学技术促进院(RS-2023-00256331)的支持,该机构由韩国海洋渔业部资助。
Gangmin Park是国民大学商业IT研究生院的助理教授。他的研究重点关注创新策略,特别是与人工智能等新兴技术相关的政策与商业影响。他之前曾在政府附属的软件政策与研究机构(SPRI)担任高级研究员,该机构专注于ICT政策和监管。他拥有韩国未来战略博士学位...
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号