历史会重演吗？47年前的📠办公自动化时代

开篇

订阅者朋友，1979年，BBC播出过一部纪录片，题为《文字处理机开启的居家办公革命》，时长10分钟。记者在镜头前这样宣布：

“没有办事员、没有秘书、没有邮差、没有纸张的办公室，已经在运转了！”

47年后的2026年，我们听到了惊人相似的句子。“AI智能体正在自主处理代码、报告和邮件。”这不就是彻头彻尾的AI-Native吗？无论是那时还是现在，同一个问题始终悬而未决：个人的体感如此戏剧性，为什么整个经济的生产率却纹丝不动？

先说结论：这不是技术的问题，而是组织的问题。而且这个证据，47年前就已经存在了。

🖨️ 1979年，打字声消失的办公室

先看数字，那时候的数字就已经压倒性了。英国布拉德福德市议会在1977年引入文字处理系统后，将人力削减一半，生产率提升了40%。处理住房抵押贷款所需的25封信函，2分钟内就能发送完毕，仅一个部门每年就节省了6万英镑。相当于A4纸37,000页的内容，被装进一个磁盘盒里，好几排文件架就此消失。

居家办公也已经开始了。一家名为F International的公司，有600多名自由职业者在家从事计算机编程工作，程序员Linda English（音译）一边照顾孩子，一边用泡泡内存终端编写程序，再通过电话线传送出去。法国政府认为，向家庭免费普及3,000万台终端，比印刷电话簿更便宜，于是正在这样推行。

纪录片这样展望道：“文字处理机将成为信息网络的连接节点，中层管理者这一层级或许将变得不再必要。”结尾还留下这样一句话：“硅芯片与其说是在摧毁家庭与家族这一传统概念，不如说正在帮助重建它。”

更有意思的是，用来解读这场变化的框架，也和现在如出一辙。纪录片把办公室业务向家庭转移的现象，形容为“工业革命之前的家庭手工业的复兴”。同时也谈到了怀疑论者的担忧——“这项技术会让人变得千篇一律”，记者反驳道：“实际上它正在帮助人们活得更自由、更有个性。”

无纸化办公室。居家办公。中层管理者的消失。工作与家庭的兼顾。既担心技术让人趋同、又反驳说技术反而带来自由——这些承诺和争论，是不是似曾相识？

💻 2026年，Copilot走进的办公室

47年后的今天，数字的表面又一次显得压倒性。

根据METR今年5月发布的一项面向技术岗位的调查，使用AI工具的开发者报告称，工作速度的体感提升了3倍。若换算成价值标准，也有2倍。就单项任务而言，AI确实在改变工作的速度。

但只要把镜头转向组织与整体经济，画面就完全不同了。

杜克大学商学院与里士满、亚特兰大联邦储备银行联合开展的一项研究，调查了约750名企业高管，结果显示，高管们所报告的AI带来的生产率提升平均只有1.8%。而若用实际营收与就业数据反推，这个数字还要更小。研究团队将这一落差命名为“生产率悖论（productivity paradox）”。意思是：体感变了，但营收还没跟上。

**PwC《2026年AI绩效报告》则更为冷峻。该报告调查了25个行业、1,217名高管，结果显示，AI创造的经济价值中，74%被排名前20%的企业拿走。**剩下80%的企业仍停留在试点阶段。高盛的分析更为犀利：标普500指数成分股企业中，70%在提及AI，但真正把AI对业绩的贡献量化出来的企业，仅占1%。

宾夕法尼亚大学沃顿商学院的长期展望同样耐人寻味。他们预测，到2035年为止，AI对GDP的贡献将始终停留在1.5%。这与个人所感受到的“爆发式变化”，存在相当大的距离。

今年5月，《财富》杂志用一句话总结了这种局面：“AI无处不在，却尚未出现在生产率统计数据中。”这和1979年办公室里传出的那些玫瑰色数字，是不是重叠在了一起？

🔄 索洛悖论，第三季

1987年，诺贝尔经济学奖得主罗伯特·索洛说过这样一句话。

“计算机时代随处可见，却未出现在生产率统计中。”

这正是索洛悖论。1970年代到80年代，美国企业向IT投入了巨额资金，但生产率增速反而从每年3%降到了1%。个人电脑摆上了每一张办公桌，整体经济却变得更慢了。

这个悖论直到1990年代中期才被解开。技术进入办公室的10到15年之后，生产率才出现跃升。麦肯锡在分析当时的情况时指出，只有在少数几个行业（技术、零售、批发）从根本上重新设计了业务流程以适应技术之后，整个经济的指针才开始移动。

经济史学家保罗·戴维在更久远的过去发现了同样的模式。电动马达发明于1880年代，但美国制造业生产率真正跃升，却是在40年后的1920年代。原因很明确：工厂仍然维持着蒸汽机时代的设计——用一个巨大的动力源，通过传送带连接所有机器——只是把马达换掉了而已。在把工厂本身重新设计为分布式结构之前，电力真正的潜力并没有释放出来。

经济学上把这称为生产率J曲线。新技术进入之初，由于学习和适应成本，生产率反而会停滞甚至下降。只有当组织根据技术完成重构之后，曲线才会急剧上扬。

**现在的AI，或许正处在这条J曲线底部的某个位置。个人速度是3倍，组织生产率却只有1.8%。这与蒸汽机工厂里装上电动马达的1900年代，以及打字机换成文字处理机、但工作流程原封不动的1979年，在结构上是同一个位置。**若说有什么不同，那就是时间差正在缩短。电动马达用了40年，计算机用了15年。AI又会用多久呢？

Oswarld视角

说实话，这种模式我见得太多了。

在制定技术战略的过程中，我审阅过无数份提案，里面写着“引入这项技术，生产率将提升N%”。生产率原本就不可能这样精确对应……而且实际上也很难被准确测量。而那份承诺真正实现的案例，往往不是因为技术出色，而是因为组织改变了配合技术的工作方式。工具变了，但会议结构没变、决策路径没变、绩效衡量标准没变，那么只有体感在变，测量结果不会变。

好好看看1979年布拉德福德市议会成功的原因。不是因为文字处理机有多厉害。**是因为他们制定了标准表格，用中央存储系统重新设计了工作流程，甚至改变了人力结构。他们不是引入了技术，而是围绕技术重新组织了架构。**2026年拿走AI价值74%的那前20%企业，大概率也在做同样的事情。

**只是有一点，希望大家不要把这段话读成“反正最后都会好起来”的乐观论。电动马达用了40年，计算机用了15年。**在那段漫长的时间差里，未能完成重组的组织和个人，都被淘汰了。方向是对的，但时机和路径，总是超出预期。这才是47年间反复上演的真正教训。

结语

无论是1979年的40%，还是2026年的3倍，个别工作的戏剧性改善，要转化为整个组织的成效，都存在着漫长的时间差。而缩短这个时间差的，不是更好的技术，而是组织的重新设计。47年前那部纪录片的预测，大部分都说对了，但路径全都错了。巨大的变化从不会瞬间发生，也不会靠几场讲座、几场研讨会就能实现。现在流行的这个词——AI-Native，是不是也挺有意思的？到底什么才算是Native？把一个无法定义的东西大言不惭地说成自己早已应用，这和几个月前还很火热的“Agentic和Agent到底哪个说法才对”的争论，看起来很像。别被这些术语牵着鼻子走。技术反正会不断推陈出新。重要的是，我们要如何去接受它、应用它。

这周不妨检查一下：您现在使用的AI工具，是“附加”在既有工作之上的，还是正在改变工作本身？

订阅者朋友“体感”与“实测”之间的落差，欢迎在评论区告诉我们。

参考资料与延伸阅读

核心来源

• BBC Archive，“1979: Will Word Processors Start a Home Working Revolution?”，Tomorrow’s World，1979：这是今天这期新闻信的出发点——一部10分钟的纪录片。可以亲眼看看47年前的承诺究竟有多具体。
• Baslandze, S. 等，“Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives”，NBER工作论文34984号，2026年：这是用750名高管数据实证“生产率悖论”的核心研究。
• METR，“Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity”，2026年：这是“速度体感提升3倍、价值测量提升2倍”一说的出处。它以量化方式展示了体感与实测之间的落差。
• PwC，“2026 AI Performance Study”，2026年：结果显示AI价值的74%集中在排名前20%的企业。调查对象为全球1,217名高管。

背景知识

• McKinsey Global Institute，“Is the Solow Paradox back?”，2018年：这是对索洛悖论的历史与结构梳理得最清晰的一篇文章。
• Fortune，“Why AI is raising worker productivity but not making the economy more efficient”，2026年：这是用索洛悖论框架分析2026年当下局势的最新文章。
• Penn Wharton Budget Model，“The Projected Impact of Generative AI on Future Productivity Growth”，2025年：这是一个估算AI长期GDP贡献的模型，也是“到2035年为止1.5%”一说的出处。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。