歷史會重演嗎？47年前，📠 辦公室自動化時代
主觀感受是3倍，客觀量測卻只有1.8%的既視感，當年文字處理機剛出現時也是一樣
前言
各位讀者，1979年有一部 BBC 播出的紀錄片。片名是「文字處理機開啟的居家辦公革命」，是一部10分鐘的影片。記者在鏡頭前如此宣告：
「沒有文員、沒有秘書、沒有郵差、也沒有紙張的辦公室，已經在運作了！」
47年後的2026年，我們聽到了令人驚奇的相似句。「AI 代理程式會自動處理程式碼、報告和電子郵件。」這不就是完全的 AI-Native 嗎？當時和現在，同樣的疑問依然存在。個人的感受如此劇烈，為什麼整體經濟的生產力卻紋絲不動呢？
先說結論，這不是技術的問題，而是組織的問題。而證據在47年前就已經存在了。
🖨️ 1979年，打字聲消失的辦公室
先看數字，簡直令人震撼。英國布拉德福德市議會於1977年導入文字處理機系統後，將人力減半，生產力提升了40%。處理住宅貸款所需的25封信件在2分鐘內就寄出了，僅一個部門每年就節省了6萬英鎊。A4 37,000頁的文件裝進了一盒磁碟，好幾個文件櫃整個消失了。
居家辦公也已經開始了。F International 公司有600多名自由工作者在家進行電腦程式設計，程式設計師琳達·英格利希一邊照顧孩子，一邊用氣泡記憶體終端機撰寫程式，再透過電話線傳輸。法國政府則以比印刷電話簿更便宜為由，免費向家庭配發了3,000萬台終端機。
紀錄片如此展望：「當文字處理機成為資訊網路的連結樞紐時，中階管理層可能變得不再必要。」最後還留下一句話：「矽晶片不是在破壞家庭與家人這些傳統概念，反而在幫助重建它們。」
更有趣的是，解讀這場變化的框架也和現在如出一轍。紀錄片將辦公工作向家庭轉移的現象形容為「工業革命前的家庭手工業復興」。同時也提到了懷疑論者的擔憂——「這項技術會讓人們變得千篇一律」，而記者則反駁說「實際上，它正在幫助人們活得更自由、更有個性」。
沒有紙張的辦公室。居家辦公。中階管理層消失。工作與家庭的兼顧。技術會讓人們千篇一律的擔憂，以及反而賦予自由的反駁。這些承諾和爭論，是不是聽起來非常耳熟？
💻 2026年，Copilot 進駐的辦公室
47年過去了，如今數字表面上再次令人震撼。
今年5月發布的 METR 針對技術人員的調查顯示，使用 AI 工具的開發者報告說，工作速度主觀感受快了3倍。換算成價值基準也是2倍。從個別任務層面來看，AI 確實正在改變工作速度。
但當鏡頭轉向整個組織和經濟時，風景完全變了。
杜克大學商學院與里士滿、亞特蘭大聯邦準備銀行針對約750名企業高管的聯合研究結果顯示，高管報告的 AI 生產力提升平均為 1.8%。但用實際營收和就業數據反推，這個數字更小。研究團隊將這個落差命名為 「生產力悖論（productivity paradox）」。意思是感受已經改變了，但營收還沒跟上。
PwC 的 2026 年 AI 績效報告更冷靜。針對25個產業、1,217名高管的調查結果顯示，AI 創造的經濟價值中，74%被前20%的企業所佔有。 剩下80%的企業仍停留在試點階段。高盛的分析更犀利。S&P 500 企業中70%提到了 AI，但真正將 AI 的績效貢獻量化為數字的企業僅有 1%。
賓夕法尼亞大學沃頓商學院的長期預測也意味深長。預測 AI 對 GDP 的貢獻到2035年將停留在 1.5%。這與個人感受到的「爆炸性變化」相去甚遠。
今年5月，《商業週刊》用一句話總結了這個局面：「AI 無處不在，但生產力統計數據中還看不到。」和1979年辦公室裡那些粉紅色的數字重疊在一起，是不是？
🔄 索洛悖論，第三季
1987年，諾貝爾經濟學獎得主羅伯特·索洛（Robert Solow）說了這樣的話：
「電腦時代無處不在，但生產力統計數據中看不到。」
這就是索洛悖論。1970至80年代，美國企業在 IT 上投入了巨額資金，但生產力成長率反而從年3%降到1%。個人電腦擺上了每一張辦公桌，但整體經濟反而變慢了。
這個悖論在1990年代中期才解開。技術進入辦公室10到15年之後，生產力才出現跳升。麥肯錫當時分析指出，只有少數產業（科技、零售、批發）根據技術根本性地重新設計了工作流程之後，整體經濟的指針才開始動。
經濟史學家保羅·大衛（Paul David）在更久遠的過去也找到了相同的模式。電動馬達在1880年代被發明，但美國製造業生產力真正跳升是在40年後的1920年代。原因很明確。工廠維持了蒸氣機時代的設計——用一根巨大的動力源透過皮帶連接所有機器——只是把馬達換掉了而已。在工廠本身被重新設計為分散式架構之前，電力的真正潛力無法發揮。
經濟學中稱這為生產力 J 曲線。新技術導入初期，由於學習和適應成本，生產力反而可能停滯或下降。等到組織根據技術完成重組後，曲線才會急劇上升。
現在 AI 可能正處於這條 J 曲線的底部某處。個人速度是3倍，但組織生產力只有1.8%。就像1900年代把電動馬達裝進蒸氣機工廠、1979年把打字機換成文字處理機但工作流程原封不動一樣，結構上處於同一個位置。 唯一不同的是，時差在縮短。電動馬達用了40年，電腦用了15年。AI 需要多久呢？
Oz 的視角
老實說，我見過太多這樣的模式了。
在制定技術策略時，我審查過無數份「導入這項技術後生產力將提升 N%」的提案。首先，生產力本來就不會這麼整齊地提升……而且根本也量測不到這麼精確。而真正兌現那個承諾的場合，不是因為技術有多優秀，而是因為組織根據技術改變了工作方式。工具換了，但會議結構沒變、決策路徑沒變、績效衡量標準沒變，那只有感受改變了，量測數據不會改變。
仔細看看1979年布拉德福德市議會為什麼成功。不是因為文字處理機有多厲害。而是因為他們建立了標準格式、用中央記憶體系統重新設計了工作流程、甚至改變了人力結構。他們不是導入技術，而是根據技術重新搭建了組織。 2026年拿走 AI 價值74%的前20%企業，應該也在做同樣的事。
只是有一點，我不希望大家以「最後都會好的」這種樂觀論來解讀。電動馬達用了40年，電腦用了15年。 在那段漫長的時差中，重新設計失敗的組織和個人就被淘汰了。方向是對的，但時間和路徑總是超出預期。這就是47年來反覆出現的真正教訓。
結語
不管是1979年的40%還是2026年的3倍，個別任務的戲劇性改善要轉化為整個組織的成效，都需要漫長的時差。而縮短這個時差的，不是更好的技術，而是組織重新設計。47年前紀錄片的預測大部分都對了，但路徑全錯了。大的變化不會瞬間發生，也不是開幾場講座、辦幾場研討會就能發生的。AI-Native 這個現在正流行的詞，是不是也挺有趣的？到底什麼是 Native 呢？把無法定義的東西大剌剌地宣稱自己已經在應用，和幾個月前還很熱的 Agentic 和 Agent 哪個說法才對的爭論很像。不要被術語綁架了。技術本來就會不斷有新東西出現。重要的是我們如何接納它、如何應用它。
這週花點時間檢視一下。你現在使用的 AI 工具，是「疊加」在現有工作上的，還是在改變工作本身？
各位讀者的「感受」和「量測」之間的落差，歡迎在留言區分享。
參考資料 & 延伸閱讀
核心來源
- BBC Archive, “1979: Will Word Processors Start a Home Working Revolution?”, Tomorrow’s World, 1979 : 這部10分鐘的紀錄片是本期電子報的起點。可以親身體驗47年前的承諾有多具體。
- Baslandze, S. et al., “Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives”, NBER Working Paper 34984, 2026. : 用750名高管數據實證「生產力悖論」的核心研究。
- METR, “Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity”, 2026. : 「速度感受3倍、價值量測2倍」的來源。以量化方式呈現感受與量測之間的落差。
- PwC, “2026 AI Performance Study”, 2026. : AI 價值74%集中在前20%企業的調查結果。針對1,217名全球高管的調查。
背景知識
- McKinsey Global Institute, “Is the Solow Paradox back?”, 2018. : 最清晰地整理索洛悖論歷史與結構的文章。
- Fortune, “Why AI is raising worker productivity but not making the economy more efficient”, 2026. : 以索洛悖論框架分析2026年當前局面的最新報導。
- Penn Wharton Budget Model, “The Projected Impact of Generative AI on Future Productivity Growth”, 2025. : 估算 AI 長期 GDP 貢獻的模型。「2035年1.5%」的來源。
