電力和網路技術帶來的啟示
以往的經歷表明，新技術對生產率成長的推動作用可能是逐步實現的。經濟學家Paul David在1990年發表的一篇論文中指出，就美國的電力而言，工廠機械傳動能力花費了幾十年才有一半實現了電氣化，這種發展進而才對製造業生產率成長產生了影響。
David當時用電力的發展軌跡作為歷史對比，解釋為何在他撰寫上述文章的那個時代，儘管電腦電腦已經興起，但生產力的提高卻緩慢。
David指出，當初工廠實施電氣化的速度遲緩，原因是已有的製造工廠依靠水和蒸汽動力運行，仍在正常運轉，對其大舉改造無利可圖。
維吉尼亞大學（University of Virginia）經濟學教授Anton Korinek表示，與20世紀90年代末和21世紀初網際網路和個人電腦興起時的上一次生產力大繁榮相比，有些因素可能會加快行業和公司接受生成式AI的速度。那時，人們需要花錢安裝路由器和網路連接等實體設備才能利用上述新興技術。
Korinek說：「現在，所有這些連接都是現成的，基本上只需要登錄新網站就可以了。」他估計，與過去20年的趨勢水準相比，生成式AI將在未來10年把生產力提高10%-20%。
不過，經濟學家們表示，AI的效果真正體現在生產力指標上可能還需要時間，因為企業和勞動者們要學習如何使用AI並將其融入工作中。
事實上，在《華爾街日報》（The Wall Street Journal）今年4月份對經濟學家進行的一項調查中，61%的受訪者稱，他們預計ChatGPT這樣的AI工具在未來五年內只會對美國GDP成長產生很小的正面影響。另有29%的人表示，他們預計AI工具在這段時間內不會產生任何影響。
「從新技術的採用歷史來看，要想讓它們改變生產方式，僅僅採用技術是不夠的。必須同時採用其他互補性資產，」紐約大學（New York University）管理與組織學教授Robert Seamans說。「這樣做成本很高，而且需要時間。」
Seamans稱，企業尤其需要僱傭或培訓既了解生成式AI的能力，又對現有生產流程有足夠了解的專門人員，從而將兩者聯繫起來。
互聯網在20世紀60年代從美國國防部發展出來，但直到20世紀90年代隨著個人電腦的普及才真正開始騰飛，再後來有了寬帶接入和智慧手機，方發揮出最具顛覆性的影響。
一些行業似乎已發展到尤其適合解決所有這些問題。例如，經濟學家Erik Brynjolfsson、Danielle Li和Lindsey Raymond在2023年的一篇工作論文中發現，使用一款AI助手後，呼叫中心工作人員的工作效率（以每小時解決問題的數量來衡量）平均提高了14%。該AI工具為呼叫中心的客服人員提供了在對話中如何給出最佳答案的即時指導，研究發現新員工和低技能員工的生產率的提高尤其顯著。
採用不均衡，成效不均等
高盛的分析估計，AI可以使美國約四分之一的工作任務實現自動化，行政和法律行業採用AI的情況尤其多。據高盛，建築、維護和修理等體力要求高的工作AI採用率較低。
但就業研究機構Upjohn Institute的高級經濟學家Brad Hershbein說，隨著機器取代以前由人類完成的工作，經濟中的就業崗位不一定出現淨減少。
他說：「常見得多的情況是，新技術最終會改變現有工作中的任務，而不是將其完全消除。」
歷史學家指出，電子表格等新技術創造的就業機會通常多於其破壞掉的就業機會。
不過，Hershbein稱，如果一些公司能夠比其他公司更快地行動，那麼AI採用方面的不均衡可能導致工作崗位流失，及加劇收入不平等和社會動蕩的局面。
「採用AI者也許能搶佔未採用者的市場份額，」他表示。「如果這項技術在所有地方同等地推廣，每個人都接受培訓、了解如何可以使用該技術來解決其問題，那麼我們或可相對較快地迎來生產率的大幅提升。但事實並非如此。」
