速看！NBER Babina et al 267页AI新作
火的一塌糊涂的Babina et al. (2024 JFE)引用量已超过两千，这篇论文使用简历和招聘数据衡量AI投资，为后续许多文献奠定了基础。今年5月Babina又发了一篇综述，全面回顾了公司金融领域的AI研究。就在刚刚，又在NBER上线了267页的新作，回答了AI是否能真正地提升生产率以及其作用机制。
1. 核心发现：AI 的生产率红利已经到来
通过追踪 15 年的企业数据，发现了 AI 与生产率之间关系的历史性拐点：
（1）2010–2018 年：企业的 AI 投资与生产率增长之间没有任何显著关联。前期收益主要体现在产品创新和市场扩张上，而非直接的生产率提升。
（2）2018–2024 年：AI 投资与生产率增长转为极显著的正相关。一个标准差的 AI 员工比例增长，伴随着企业人均销售额增长 6.2%，以及全要素生产率增长 7.5%。
（3）这一红利不仅由生成式 AI 和智能体 AI驱动，也同样受益于企业在早期机器学习等技术上的长期积累。
2. 核心机制：AI 本质上是“创造组织资本的机器”
（1）传统的通用技术（如电力、计算机）需要企业在外部耗费巨资进行“互补性组织变革”才能发挥效用。而作者指出，AI 独特之处在于它自身就是一种“学习与编码技术”，能够直接生产组织资本（OC）。
（2）企业内部的 AI 员工通过与业务专家合作，会在日常运营中产生大量数据、会议记录或系统日志。通过在这些专有数据上训练和微调模型，将原本零散、随员工离职而流失的个人经验与知识，编码、沉淀为企业能够永久保留并低成本复用的系统和工作流。
（3）作者利用LLM对数百万份员工简历中的工作具体描述进行打分，识别出哪些岗位在建立持久的系统和流程。结果发现，58% 的 AI 岗位都在构建 OC，而普通岗位仅为 31%。临时性、一次性的 AI 岗位并没有提升生产率。
（4）初始阶段OC积累较薄弱的企业，在引入 AI 后获得的 OC 增长和生产率提升最为迅猛。
3. AI 对企业内部投资与要素结构的重塑
（1）高 AI 投资企业显著增加了无形资产支出，但固定资产并未显著增长。
（2）劳动力结构“高级化”：在 2018-2024 年期间，高 AI 投资企业并没有缩减总员工人数，但是出现明显的“去初级化”趋势。
AI 全要素生产率 AI投资 大语言模型 顶刊论文速递 UTD24 更多AI前沿论文⬇️⬇️⬇️