韩国央行人工智能的采用能提高生产力吗？前三年的影响（英）2026

核心观点与关键数据

• 生成式AI的快速扩散并未显著提升宏观经济生产力指标，但家庭调查显示AI使用能减少平均工作时间3.8%（约每周1.5小时），潜在生产力增益估计为1.0%。
• 时间节省并未转化为实际产出增长，两者相关性为零，存在“AI生产力脱节”现象。
• 脱节现象主要因AI应用仍停留在任务层面，未带来工作流程或组织结构的改变，且受生产瓶颈、激励机制不匹配等因素影响。
• 自雇人士、专业人士和重度AI用户群体例外，因其具有强绩效激励，时间节省能转化为产出增长。

研究结论与政策建议

• AI目前处于“效率”阶段，尚未完全过渡到“生产力”阶段，属于通用技术早期采纳的典型过渡过程（J曲线、索洛悖论）。
• 未来生产力路径取决于政策响应和企业组织及劳动力市场结构的转型。
• 政策应聚焦于支持AI使用向真实生产力提升的“转型过程”：
  • 区分标准化任务与开放任务，针对不同类型任务制定差异化策略。
  • 标准化任务需围绕AI重设计作流程，建立时间再分配机制。
  • 开放任务需通过人机协作增强能力，重视人类在AI扩展可能性中的选择和整合能力。
  • 重设计学习机会，通过开放任务积累人力资本，避免技能形成路径削弱。
• 未来需持续监测时间节省、任务重新分配与产出增长之间的联系，建立微观层面监测指标体系，并融入政策设计。