关于本中文版的说明  /  Note sur cette version chinoise

本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。

L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.

— 《进步者日报》编辑部  /  La rédaction

核心要点

  • 2026年，91%的跨国企业使用AI，2023年这一比例为55%（Workday 2026年全球研究）。
  • 40%的生产力提升被下游接收方的纠错成本抵消。对于一个拥有1万名员工的组织，每年损失超过900万美元。
  • 机制不对称：收益归属于部署工具的一方，成本落在无法拒绝任务的一方。
  • 在亚洲，层级结构阻碍反馈向上传递，加剧了这些损失的无声积累。
  • 在部署AI之前重新配置工作流程的组织，避免了这种成本转移。

NVIDIA 2026年零售及快消品行业调查显示，91%的受访者正在使用或评估AI。这一数据不代表全球企业的整体情况，也不反映日常使用频率。AI可能将部分工作转化为用户的核查与返工负担，但这一负担如何依照薪资水平、申诉权力或层级地位分配，需视具体情况而定。在某些高权力距离的亚洲组织中，员工向上反映问题的意愿可能较低。根据Workday于2026年1月14日发布的全球研究，因AI产出质量不佳而耗费在纠错、重写和核查上的时间，占AI节省总时间的近40%。

AI只加快了发送方的速度，而非整个系统的速度

一名撰稿人用二十分钟而非两小时生成报告，节省了时间。他的上级审批也更快了。但在下游，质量控制员、本地译员、客户支持专员或数据录入人员收到的文件，错误更多、更隐蔽，而且比预期更早送达。生产速度与产出质量已经脱节。真正的收益在第一个环节，真正的成本在后续环节。

Workday 2026年调查在规模层面记录了这一机制。Workday估计，AI节省的时间中有近40%消耗在返工上。NVIDIA的数据显示，91%的零售及快消品受访者正在使用或评估AI。这些团队通常不出现在AI生产力仪表盘中。他们承担的成本，采用率指标无法捕捉。

每名员工每月186美元，是返工成本的平均值，按所有受影响岗位汇总计算。对于一个拥有1万名员工的组织，这意味着每年超过900万美元的损失。大多数批准AI部署的决策者，在投资回报分析中并未预见这一支出。

在亚洲，层级结构放大了这一机制

这一问题普遍存在。在某些高权力距离的亚洲环境中，问题的向上反映可能更为间接；其对AI成本的具体影响尚待确认。

在某些组织中，指出管理层所提供工具的缺陷并不容易。一名收到低质量AI内容的员工可能花时间纠错，但这一负担不会被系统性记录。该工具在名义上是成功的。生产力提升在发送方一侧得以展示，损失在接收方一侧却不可见。

缺乏可靠的反馈渠道和对报复的顾虑，可能造成信息盲点，但其形态和强度因组织和国家背景而异。某些亚洲组织可能叠加了特定风险因素，但跨地区的比较性概括尚无依据。

收益分配的经济学：三年来的预判

麻省理工学院经济学家达龙·阿西莫格鲁（Daron Acemoglu）近期研究聚焦于职场AI治理，他提出了一个与这一机制直接相关的论点。在2026年发表于《纽约客》的文章中，他主张，生成式AI只有在制度或组织规范积极干预收益分配的前提下，才能创造共享繁荣。阿西莫格鲁认为，制度、市场结构和规范共同决定了技术变革的收益与成本如何分配。

Workday 2026年的数据印证了这一机制。可量化的生产力收益归属于发送方，通常是拥有高效AI工具的管理人员或技能型员工。纠错成本落在接收方，通常是对工作负荷几乎没有协商空间、也难以向上反映问题的执行层员工。技术沿现有权力线放大了不平等。

阿西莫格鲁的论点也有反对者。乔治梅森大学经济学家泰勒·科文（Tyler Cowen）以其在增长停滞与创新领域的研究著称，他认为过渡期的摩擦是暂时的，劳动力市场会自我调整。按照这种解读，强加给接收方的纠错成本只是暂时性的低效，市场竞争最终会纠正——因为一家在无声返工上损失900万美元的组织，终将败给工作流程配置更优的竞争对手。

这一论点值得认真对待，但它预设了信息可以自由流通。反馈渠道的障碍可能限制下游困难的向上传递。市场只能纠正它所观察到的问题。当成本是无声的，而承担成本的人又无法将其显化时，自发调整就会迟滞，甚至不会发生。

那些避免了成本转移的组织，有一个共同点

Workday 2026年报告强调了在AI部署过程中调整角色与流程的重要性。表述简单，背后的结构差异却显著。

在部署AI之前重新配置工作流程，需要识别谁会接收工具的产出、在什么时间节点、以及拥有怎样的核查能力。标准部署从发送方出发，衡量发送方的收益，止步于此。严谨的部署从完整系统出发，先整合下游摩擦点，再确定可接受的速度参数。

这一区别不在技术层面，而在组织和政治层面。它要求下游团队在部署设计阶段拥有发言权。这意味着要么有一种鼓励信息向上流动的企业文化，要么有一套弥补这种文化缺失的正式流程。两者都存在，两者都需要管理层的主动意愿，而不仅仅是技术部署。

欧洲研究基础设施的共享访问问题揭示了一个类似机制：当生产性资源由一个群体设计、由另一个群体使用时，界面治理才是核心议题，而非技术本身。

几家韩国和日本大型企业已开始将下游负荷审计纳入AI部署协议。LG集团旗下数字子公司LG CNS于2025年设立了副作用评估委员会，执行团队代表在任何工具扩展至新业务线之前均须参与。这一做法在该地区仍属少数，但表明针对这一问题的组织解决方案已经存在并可行。

下一阶段的AI采用：将决定什么

2030至2032年前景留有一个当前数据尚未解答的问题：AI带来的生产力提升，究竟将转化为实际工资增长和再分配，还是将继续被资本利润率吸收，并以不受补偿的执行人员所承担的成本形式延续。

根据未来四年的制度与组织选择，两种路径均有可能。

任务层面测得的收益不总能转化为企业层面的可量化收益；返工和核查负荷的追踪方式因测量工具和组织而异。组织可能继续使用无法捕捉下游负荷的指标。承担AI质量控制工作的员工，工作量可能增加，但这一贡献未必被纳入绩效评估。

在第二条路径中，理解了成本转移机制的企业会加以量化，将其纳入AI绩效指标，并重构工作流程以重新分配负荷。这意味着需要对AI核查工作给予差异化报酬——这类工作在部署之前以此形态并不存在。哈佛商学院关于任务分解的研究表明，对AI产出进行批判性审阅是一项有别于传统人工校对的独特技能：它需要了解工具的偏差、失效模式，以及区分似是而非的错误与显而易见的错误的能力。这项技能目前尚未被现行岗位分类所认可。

正在加速美国AI初创企业发展的拉丁美洲工程师印证了这一重组趋势：AI价值链已经在全球范围内分配任务，但与控制技能相关的能力认定和薪酬体系，在很大程度上仍沿袭前AI时代的逻辑。

2028年前值得关注的信号是：测量了下游成本的企业，是否将其纳入与相关团队的薪资谈判。若答案为是，第二条路径即已开启。若下游负荷审计未能伴随对成本与收益分配的反思，阿西莫格鲁所描述的技术变革分配效应将可能持续。

治理部署，还是让层级结构来消化

阿西莫格鲁所呼吁的制度压力不必来自国家。它可以来自组织自身，前提是拥有正确的指标和一套能让下游团队获得可见度的内部治理结构。

三种已有文献记录成效的杠杆已经过测试。第一是部署前的下游负荷审计，以LG CNS的模式为参照。第二是将返工成本指标纳入AI项目跟踪仪表盘，澳大利亚和新加坡的几家大型金融服务企业已开始试行。第三是设立AI质量控制专项奖金，与传统绩效奖金相区分，明确将核查工作认定为独立任务。

上述三种杠杆都不需要立即的监管介入，但都需要管理层在部署之前作出治理决策。那些成功避免成本转移的组织的经验表明，这一决策必须在工具仍处于试点阶段时作出——此时工作流程尚可重新配置，内部政治成本尚低。

在最先进的企业中，一项最低标准正在缓慢形成：任何大规模AI部署都应包括对接收方的梳理、对其返工负荷的测量，以及对其反映问题能力的审查。这一标准通过职业圈子的相互感染而非监管规定来传播。若在亚洲陪同部署的大型咨询公司将其纳入标准方法论，扩散速度有望加快。

目前仍悬而未决的问题是节奏。亚洲AI采用与组织重新配置工作流程能力之间的关系尚待确认。Workday记录了AI使用与角色及流程调整之间的落差；所检视的NVIDIA资料不足以验证同一组织成熟度指标。

来源