本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论，原文标题：《近43%劳动者习惯用AI，美国跑通智能经济「正循环」？》
近年来，人工智能主导的未来所蕴含的机遇与风险，一直是经济学家、技术专家和政策制定者热议的焦点。以ChatGPT为代表的新一代人工智能技术引爆全球热潮两年后，关于人工智能的讨论正从“它能做什么”转向“它改变了什么”，一场关于人工智能（AI）落地的分化正在大西洋两岸上演。
▲图源：Brookings
管理文化差异拉开美欧AI鸿沟
2026年年初，美国有近43%的劳动者在工作中常态化使用生成式AI，而欧洲六国（英国、德国、法国、意大利、瑞典和荷兰）的平均比例仅为32%。在劳动者每周使用生成式AI的时长这一维度上，欧美差距甚至更大。这不仅仅是几个百分点的差距，更是两种工业基因在面对新技术时的本能反应。
这种分化的根源，远比“谁的技术更先进”要复杂。虽然人工智能技术本身已在全球唾手可得，但美国相比欧洲依然保持着显著的应用优势。劳动力构成的差异是一方面：受教育程度更高的劳动者、更年轻的劳动者、特定职业和行业的劳动者，以及大型企业的员工，AI使用率都更高，美国在这方面更具优势。
但这无法完全解释欧美国家在采用率上的差距，更深层的驱动力在于企业管理方式的差异——美国企业更倾向于主动向员工提供AI工具，并鼓励其在工作中大胆尝试。相比之下，欧洲企业在这一意愿上明显滞后。这种管理文化上的鸿沟，几乎填补了剩余的采用率差距归因。
别止步于提效
亟须重组AI工作流
当前，经济学家关于AI的讨论，大多集中在两大核心问题上：生产率和就业。值得注意的是，AI带来的生产力红利已经开始显现。数据表明，2022年以来，AI采用率每高出10个百分点，累计生产率增长就会多出2至5个百分点。无论是行业宏观数据，还是劳动者的自我感知，都指向了一个事实：AI正在实实在在为工作提效。使用者平均每周花费约3小时使用AI，便能省下近2小时的重复劳动。
然而，令人意外的是，这种效率的飞跃尚未引发预言中的大规模失业潮。在高AI采用率的行业中，就业总量并未出现超出预期的剧烈波动。这说明，目前AI更多是在重塑工作内容，而非单纯地消灭岗位。
当然，这并不意味着没有特定的劳动者或群体受到影响。比如，从事高AI暴露度工作的职场新人，现在找工作可能比几年前更难。总体数据可能会掩盖这些结构性变化。
要理解这种“生产率上升但就业整体平稳”的微妙局面，必须厘清AI与传统软件的本质区别。过去的软件是基于“规则”运行的，即人类输入“如果……那么……”的指令，机器负责执行。而AI，特别是生成式AI，是通过海量数据自行“学习”规律。这种范式的转移，使其在处理驾驶、编程和创作等复杂非标准化任务时表现出色。但也正因为如此，AI的潜力释放面临着巨大的隐性门槛。
一个著名的例子是电力的应用。尽管电动机在19世纪80年代就已经广泛普及，但生产率的大幅提升直到20世纪20年代才开始显现，中间相隔了约40年。原因在于，当时的管理者只是简单地将蒸汽机换成了电动机，却保留了围绕中央传动轴设计的老旧工厂布局。直到几十年后，人们才意识到电力真正的威力在于“分布式驱动”——让每一台机器独立运转，这最终催生了流水线生产模式，引爆了第二次工业革命。
今天，绝大多数企业对待AI的方式，就像当年那些只换发动机、不改布局的工厂。他们只是在既有流程中植入AI，让机器辅助员工写代码、写文案，虽然提升了单点效率，却远未触及组织变革的核心。真正的挑战不在于是否“使用”了AI，而在于是否能像当年设计流水线那样，围绕AI重新组织工作流、重新定义人机协作的边界。
弥合差距
需靠制度与技术共振
从全球视角来看，AI的扩散正在加剧“富者愈富”的马太效应。高收入国家凭借更好的基础设施、更优质的劳动力和更灵活的管理模式，正在加速吞噬AI带来的红利，而低收入国家则在这一轮技术浪潮中面临掉队的风险。
面对这场剧变，政策制定的重心不应是恐慌性地遏制技术，也不应是空洞地呼吁拥抱未来。健全的社会安全网是必需的，能为那些遭遇冲击的人提供缓冲。但更重要的是，必须意识到技术扩散的瓶颈往往不在技术本身，而在组织和制度。
只有帮助企业，尤其是传统企业，克服重组工作流程的阵痛，让组织结构真正适应智能时代，才能将AI从“炫酷的工具”转化为提升生活水平的技术。人工智能的时代才刚刚拉开序幕，决定终局的，从来不是算法跑得有多快，而是我们改变旧有秩序的速度有多快。