圣路易斯联储的三位经济学家把来自 5,198 家美国上市公司的约 49 万份财报电话会记录交给一个语言模型处理，标注出 910,955 个与生产率相关的句子，然后按时态分类。其中约 95% 与 AI 相关的生产率表述指向尚未发生的收益。而非 AI 的生产率表述，这一比例约为 75%（圣路易斯联储，2026）。
同一时期，美国经产能利用率调整后的全要素生产率，在截至 2026 年第一季度的四个季度里仅增长 0.07%。
两个数字就是全部问题所在。关于 AI 生产率的公开记录，几乎全部是预期的记录；而你的 AI 商业论证正以它为依据获批，仿佛那是一份已实现结果的记录。
你使用的基准是一个时态，不是一个数字
先看这项研究究竟做了什么，因为正是方法让这个结论难以被轻易打发。
Serdar Ozkan、Aakash Kalyani 和 Nicholas Sullivan 提取了 S&P Global 覆盖 2000 至 2025 年的记录，先用关键词筛出候选句，再用 Qwen3-3B 分类器沿三个维度标注每一句：是否关于 AI；生产率被描述为上升、下降还是不变；表述使用的是过去时、现在时还是将来时。与生产率无关的句子被剔除，最终保留 910,955 条已标注表述（圣路易斯联储，2026）。
由此得出两个分布，且两者偏向同一方向。
在时态上：约 95% 的 AI 生产率句子面向未来，而整体生产率表述约为 75%。在方向上：约 95% 的 AI 相关句子将生产率描述为上升，非 AI 约为 75%。描述 AI 导致生产率下降的比例可以忽略不计。
显而易见的反驳是早期炒作的滞后效应：2023 年当然是憧憬式的，工具还很新。数据不支持这种解读。面向未来的比例在 2023 年和 2025 年同样稳定，而 AI 在全部生产率讨论中的占比已从 ChatGPT 之前的接近于零升至 2025 年底的约 15%（《财富》，2026）。整整两年的落地部署，并没有把话题从"我们将会"推进到"我们已经"。
所以，当同行公司的 AI 生产率主张传到你面前——在主题演讲上、在供应商案例里、在竞争对手的投资者材料中——基础概率告诉你：那是一份预测。不是谎言，也未必错误。只是一份披着基准外衣的预测。
同样的落差也出现在公司内部
如果这个财报电话会的发现只涉及面向投资者的措辞，你还可以把它当作资本市场的表演。但它不是。亚特兰大联储与里士满联储的 CFO 调查在私密的、非宣传性的回答中发现了完全相同的落差。
研究人员在 2026 年 3 月调查了 700 多位企业高管，请企业自报 AI 对人均产出的影响：答案是 2025 年 1.8%，预计 2026 年 3.0%。随后研究团队计算了这些企业自身数据所隐含的数值——归因于 AI 的收入对比 AI 带来的用工变化——结果在制造业、建筑业和低技能服务业为 0.4% 至 0.8%，金融业最高约 2.2%（亚特兰大联储，2026）。
高管们把自己已实现的收益高估了两到四倍——用的是自己的数据，在一份保密调查里，没有任何需要打动的听众。
这就重新定义了财报电话会的发现。这首先不是信息披露问题，也不是投资者关系纪律问题。这是一个测量问题，而且存在于每一位运营高管自身的层面。作者引用了索洛 1987 年那句话：计算机时代无处不在，唯独不在生产率统计里——这个类比是站得住的：两项独立的联储测量，一项覆盖 5,198 家公司的文本分析，一项覆盖 700 多位高管的问卷调查，从相反的方法论方向汇聚到同一个结论。
为什么预测污染在中型市场更严重
一个 50 至 500 人的运营部门，比大型企业更容易受到这种不对称的影响，原因是结构性的，与成熟度无关。
CFO 调查的规模差异非常明显。约 60% 的企业在 2025 年投资了 AI——大型企业约 80%，小型企业约一半——超过 80% 计划在 2026 年投资。但金额相差数个数量级：约 60% 的小型企业计划 2026 年 AI 支出低于 2 万美元，大型企业中这一比例为 14%；而约 30% 的大型企业计划支出超过 100 万美元，小型企业中仅有 1%（里士满联储，2026）。
一家支出 70 万美元的公司有余力为部署配备测量：建立流程基线、设置对照组、测量前后的周期时间。一家支出 1.8 万美元的公司做不到，也不会做。它买下许可证，然后从团队对工具的感受来推断结果。
这意味着，中型市场对外部基准的依赖被不成比例地放大，恰恰是因为它无法产出内部基准。而外部基准池里 95% 是预测。你的测量能力越弱，你给予可得的最不可靠证据类别的权重就越大。这就是陷阱，而且预算越小，它勒得越紧。
还有一个值得点名的二阶效应。当同行的主张偏乐观、而你自己的测量很薄弱时，你观察到的结果与基准之间的差距，会被读成你的执行失败。运营负责人于是买更多工具或重构落地方式，而诚实的诊断是：这个比较从一开始就不成立。你并不落后。你是被测量的，他们是被预测的。
人员编制的预测也是同一个形状
CFO 调查中的用工数字值得单独关注，因为它们最有可能正躺在你的计划里，被当成已成定局。
AI 对总体就业的影响接近于零。大型企业预计 2026 年人员减少 0.8%；最小的企业预计增加约 1%。在结构上，高管们预计常规文书类工作的占比到 2026 年下降 0.76%、到 2028 年下降 2.19%，部分被高技能技术岗位的增长抵消——而且小型企业更可能扩充技术人员，而不是在任何地方裁员（里士满联储，2026）。
再次注意时态。上述每一个数字都是关于 2026 年和 2028 年的预期，而给出这些预期的，正是那批把 2025 年已实现生产率收益高估两到四倍的高管。这种偏差不会礼貌地只停留在生产率问题上。如果你的 2027 年经营计划因为调查数据显示文书岗位会减少而作出相应假设，那你就是从一个已被记录、已被测量存在乐观偏差的群体那里进口了一份预测，并把它入账为规划假设。
证据的边界在哪里
三点局限，因为建立在对这项研究误读之上的商业论证，与建立在炒作之上的一样会失败。
面向未来不等于虚假。 一个将来时的句子是关于意图和预期的陈述，不是编造。其中一些预测会兑现。这个发现关乎主张的证据类别，而非其真值——正确的反应是重新赋权，而不是一概否定。
总体全要素生产率是个粗钝的工具。 0.07% 是全经济口径且移动缓慢；历史上，被测量的生产率往往滞后通用技术数年，企业层面的收益可以是真实的，而全国统计依然平坦。全要素生产率这个数字是预测不对称的背景，而不是"没人得到任何东西"的证明。
分类并不完美。 用一个小型语言模型对近百万个句子做时态标注必然带来误差，而财报电话会的语言在构造上就是谨慎的：法律审查会把高管在任何不确定议题上推向前瞻性表述。那 95% 中的一部分是披露习惯的产物，而非结果的缺席。
但这些都救不了对标这个做法本身。恰恰相反，CFO 调查让论证更牢固：去掉律师、去掉分析师、去掉打动听众的动机，高管们对照自己的数字，仍然把已实现收益高估了两到四倍。这种不对称经得起任何合理的折扣。
修好你的 AI 商业论证的三个字段
这是一次文档层面的改变，不是战略改变，成本是一个下午。
拿出目前在预算或管线中的每一个 AI 项目。在它推进之前，为每一个项目要求三个字段：
一个已实现的指标。 不是预计节省，不是供应商提供的每席位时间估算。是一个具体的运营数字：平均处理时长、一次通过率、结案天数、人均处理工单数。如果没人能说出一个，那这个项目就是一个假设，应该按实验来拨款和复盘，而不是按回报。
它的 AI 之前基线。 工具引入之前该指标的数值，并注明测量窗口。缺失基线是最常见的失败——团队在试点上线当天才开始测量，这让之后的任何数字都无法解释。如果基线已经丢失，先从历史数据重建它，再决定要不要多花一个季度。
测量日期。 已实现的结果都附带一个测量日期，预测则没有。仅这一个字段就能比任何框架更快地梳理你的项目组合，因为拿不出日期的主张不是结果。
然后把同一套测试用到你所对标的每一个外部数字上。供应商案例、同行演讲、竞争对手材料：它是否给出了已实现指标、基线和日期？圣路易斯联储的发现预示着，大约二十个里会有十九个至少在其中一项上不合格。把它们放进一个标着预期的文件夹，从此不再影响预算。
这套纪律并不好看，而且会让你的 AI 项目本季度在纸面上更难看。这正是重点。你现在是在拿自己被测量的结果，去对比别人的预测，然后把差距称为业绩不佳。修正这个比较，你会发现自己并不落后——你只是这个房间里少数真正在计数的人之一。
在下一次 AI 投资决策之前，对房间里的每一个数字（无论内部还是外部）问一个问题：这是什么时候测量的？ 凡是答不上来的，都是预测；而预测不属于商业论证的证据栏。
