新任聯準會主席為何像新創公司一樣說話？
「數據還沒到，但很快就會來」——這種說法開始推動利率了
前言
去年7月14日，新任聯準會主席凱文・沃什（Kevin Warsh）在就職後首次國會聽證會上這樣說：「AI 可能是我成年以來，我們經濟中發生的最重大的變化。」同時他也承諾，要把通膨這個「稅」變成過去式。
訂閱者您好，如果您在這裡感到似曾相識，那您的直覺是對的。投資規模以千兆韓元計，但經濟指標卻一片平靜——這個話題，我們在這份通訊中已經討論過兩次了。在砸了2,500億美元，為什麼經濟指標上看不到？中，我們談了通用技術的時滯效應；在47年前的辦公自動化時代中，我們拆解了「體感3倍、測量1.8%」這個矛盾的真相。當時以2,500億美元計算的投資總額，根據 FT 的統計，累計已達7,250億美元。
所以今天我不想重複同樣的問題。我要把問題翻轉過來。不是問「生產力在哪裡？」，而是問「尚未到來的生產力，已經在購買什麼？」先說結論：AI 生產力在成為經濟指標之前，已經先以政策敘事的形式流通了。而這個敘事的第一個結算點，就是美國的貨幣政策。
對「再等等就會來」不利的三項證據
前兩篇文章的結論，某種程度上是一種樂觀的延期。通用技術本來就有時滯，那就等組織重新設計工作方式再說吧。但最近一個月，「再等等就會來」這個假設，從三個方向出現了不利證據。
第一，普及的深度停滯了。聖路易斯聯準銀行經濟學家運作的即時人口調查（RPS）顯示，截至2026年第二季，美國勞動年齡人口中有45%每週至少使用一次生成式 AI 於工作中。但「每天」使用的人，一年多來一直維持在十分之一左右的水平，橫向持平。使用時間方面，使用者平均每天約30分鐘，由此計算出的時間節省大約是每天10分鐘。時滯假設的前提是普及會持續加深，但現在是廣度在增加、深度卻停滯了。偶爾用的工具只能取代搜尋，每天用的工具才能改變工作方式。
第二，已經出現的生產力改善，未必是 AI 的功勞。沃什主席以最近四個季度結構性生產力1增長率達到2%後半作為樂觀依據。但巴克萊的經濟學家調整了景氣週期中的產能利用率後，這個數字會降到1%出頭。2022至24年間，企業在需求放緩時仍選擇保留員工（勞動力儲備2），那段時期生產力被壓得比實際能力低；最近這些冗餘人力被裁撤，統計數據便機械性地反彈了。這不是技術的躍升，而是週期的回擺。
第三，也是最痛的一點——不僅是「還看不到」，而是「早期採用者也沒有差異」的積極證據開始出現了。如果 AI 真的在提升生產力，應該先在金融、IT、顧問等採用速度較快的產業中體現出來。但巴克萊用多種方式檢驗了產業別採用率與生產力改善之間的相關性，結果是「統計上與零無法區分」。7月17日聯準會經濟學家發布的分析備忘錄也呈現了相同的圖景。他們將產業按 AI 採用程度分為高、中、低三組，結果三組的生產力趨勢隨時間推移依然並行。
這還不等於時滯假設被證偽了。但「還」這個字的有效期，是第一次被數據審問。
生產力還沒到，結算已經開始了
但無論這個未確定狀態如何，那份生產力已經在支出了。支出點就是貨幣政策。
讓我按時間順序排列沃什主席的發言。就職前去年11月，他在《華爾街日報》的投書中寫道：「AI 將成為相當強大的去通膨動能」，「年生產力增長率提高1個百分點，一代人內生活水準就能翻倍」。本月初在歐洲央行論壇上，他以結構性生產力2%後半為依據，說「有理由樂觀」。而這次聽證會上，他提到 AI 似乎在提升生產力的同時並未取代勞動者，並將通膨終結的承諾與降息方向寫進同一句話裡。
邏輯結構很簡單。生產力上升，就能在不產生物價壓力的情況下成長，那麼降息就是安全的。如果生產力真的上升了，這完全是教科書式的正確論述。問題是，正如我們剛看到的，那個前提還不在數據裡。
FT 有趣地追溯了這個敘事的譜系。一種不刺激勞工薪資談判能力、又能讓經濟成長的魔法力量——這個承諾我們聽過太多次了。那就是量化寬鬆3。唯一的差別是，QE 在聯準會的資產負債表上留下了兆級數字，而 AI 生產力敘事則在帳本之外。這等於是一項看不見成本的刺激政策。在一直公開要求降息的白宮，與承諾政策「體制轉變」的新任主席之間，沒有比這更順手的橋樑了。
這裡有一個值得留意的對比。同一棟大樓內的溫度差。聯準會經濟學家7月17日發布的備忘錄謹慎地表示「產業間生產力趨勢沒有差異」，而該機構的首席在聽證會上卻以樂觀為前提談論政策方向。研究部門的時態是「還」，政策發言的時態已經是「已經」了。
這個敘事的另一個特徵是，在設計上就難以被證偽。「統計上還看不到，但很快就會來」這句話，無論什麼數據出來都能存活。據 FT 報導，媒體中引用索羅生產力悖論的頻率連續兩年刷新紀錄。我將這個數字讀作「還」這個字的市場需求指標。40年前的句子再次暢銷，意味著有那麼多人在此刻需要延期的語言。
敘事跑在數據前面會發生什麼
首先是順序問題。確認生產力上升後降息，與假設生產力上升後降息——前者是政策，後者是賭注。假設對了就是英雄，錯了帳單就以物價的形式回來。巴克萊在報告結論中特意寫下「我們反對以此為依據寬鬆貨幣政策」，原因就在這裡。
還有期限錯配問題。如果沃什主席所言不虛，AI 是「最重大的變化」，那歷史告訴我們，這種轉型的時間表是數十年。而且果實通常歸於新進者，而非既有強者。製造業自動化如此，線上零售也是如此。但聯準會主席的任期是四年。把數十年的轉型成果提前計入四年的政策時鐘，那個差額總得有人在某處補上。而且在敘事持續期間，成本也在累積——以那份樂觀為擔保，資產價格在漲、資料中心在建、招聘和預算在重新配置。當敘事被修正的那天，被調整的不是文字，而是這些實體。
而且這不只是美國的故事。以「AI 會提升生產力」開頭的句子，在韓國的政策發言和企業公告中也快速增加。這句話本身沒有錯。要看的是這句話後面跟來的決策——那個敘事正在通過哪些預算、哪些組織改組、哪些利率和投資。以及當假設錯誤時，帳單會落在誰頭上。
奧斯華爾德的視角
老實說，我對這種說法並不陌生。這是新創公司的語言。
做 GTM 策略顧問時，「指標還沒到，但很快就會來」這句話我見過無數次。沒有市場動能的融資輪次靠敘事來募資，而這句話就是那個敘事的標準文法。有趣的是，這種文法現在從全球最應該謹慎的機構中傳出來了。新創公司如果賭輸了，損失由投資者承擔。中央銀行如果賭輸了，帳單就以物價的形式向全體國民發行。
從數據方面的經驗再補充一點：敘事越強，數字就越傾向於按敘事來測量。美國普查局的調查在擴大 AI 使用問題的問句範圍後，指數跳升了近10個百分點；國內一項調查將樣本限定為企業的 AI・IT 負責人後，使用率達到了55.7%。代表美國整體企業的21%和問韓國負責人的55.7%，兩者都不是謊言。只是哪個數字被推到台前，反映了此刻誰需要什麼敘事。
為了平衡，我要留一句話：統計上看不到，不等於沒有效果。我在技術市場中無數次見過「方向對了但時間和路徑偏了」的模式，AI 生產力最終也會到來。今天的重點不是它不會來，而是「它會在本個利率週期內到來」這個賭注，現在是中央銀行在下注——這件事本身。
結語
今天的故事用三句話總結。曾經「再等等就會來」的 AI 生產力，第一次開始累積不利證據：普及停滯、產能利用率雜訊、相關性為零。與此同時，那份未確定的生產力已經以「降息依據」的形式開始流通。所以現在的觀戰重點不再是生產力統計本身，而是誰在用那個敘事結算什麼。
下次聽到「AI 生產力」的發言時，請確認兩件事。說話者正在用那個敘事正當化什麼？以及，有沒有「什麼數據出來就會放棄這個判斷」的證偽條件？沒有證偽條件的預測不是分析，是銷售。
您所在的組織中，有沒有「數據還沒到但很快就會來」勝過實測的時刻？那個敘事通過了哪些決策，結果如何？歡迎在留言區分享。如果案例夠多，我會在下一期專門討論「敘事勝過數據的時刻」。
💬 如果您曾親眼見證「很快就會來」的敘事勝過實測數據的時刻，歡迎在留言區分享。我會在下一期參考。 📨 如果您的同事在 AI 投資和政策發言之間需要判斷，請分享這篇文章給他們。
參考資料 & 延伸閱讀
核心來源
- FT Alphaville, “Is AI productivity growth in the room with us right now?”, Financial Times, 2026.7. 連結 ··· 本文的起點。非公開的巴克萊報告中的核心圖表和論證在這裡有整理。
- Soto, P., Thieu, M. & Allen, J., “The AI Buildout and the Economy: Publicly Available Data to Assess AI’s Impact”, FEDS Notes, Federal Reserve Board, 2026.7.17. 連結 ··· 採用高・中・低產業的生產力趨勢比較是這份備忘錄的核心。因為只使用了公開數據，所以也可以直接重現。
- Bick, A., Blandin, A. & Deming, D., “The Rapid Adoption of Generative AI”, NBER Working Paper 32966, 2024（季度更新）。 連結 ··· 採用率・使用時間數值的來源——即時人口調查（RPS）的方法論論文。
- Warsh, K., “The Federal Reserve’s Broken Leadership”, The Wall Street Journal, 2025.11. 連結 ··· 就職前沃什的想法最清晰的一篇投書。「去通膨動能」的引用出自這裡。
- FedScoop, “Fed chair says AI ‘hasn’t displaced workers’ so far, has boosted productivity”, 2026.7. 連結 ··· 整理7月14日眾議院聽證會發言的新聞。
- U.S. Census Bureau, “Business Trends and Outlook Survey”, 2026. 連結 ··· 企業採用率21%和問句變更故事的來源。
- CIO Korea, “2026年國內85%企業導入生成式AI……10家中有8家擴大預算”, 2026. 連結 ··· Megazone Cloud・Foundry 對國內749人的調查。推薦與美國統計並列，確認測量設計上的差異。
背景知識
- “Productivity paradox”, Wikipedia. 連結 ··· 整理了索羅悖論周圍40年的論戰史。看看1990年代是如何得出結論的，「還」這個字的分量會感覺不同。
推薦搭配閱讀的往期
- 砸了2,500億美元，為什麼經濟指標上看不到？ ··· 本文的第一部分。通用技術的時滯假設在這裡建立。
- 歷史會重演？47年前，📠 辦公自動化時代 ··· 將「體感3倍、測量1.8%」的矛盾診斷為組織問題的文章。與今天的新證據搭配閱讀效果更佳。
