今天，读到一篇论文「Firm Data on AI」。这是NBER（美国国家经济研究局）2026年2月发布的一篇重量级工作论文。

NBER是一个有百年历史的非营利经济研究机构，其工作论文（WorkingPaper）属于经过初步学术审核，但尚未正式发表的阶段性前沿成果——相当于全球顶级经济学家们的研究快报和风向标。

一、论文核心发现：四个值得HR关注的数字

发现一：69%的企业已经在用AI——但"用"不等于"用好"

最常用的AI技术依次是：大语言模型文本生成（41%）、机器学习数据处理（~30%）、视觉内容创作（~30%）。

更值得注意的是趋势：英国数据显示，使用AI的企业比例从2025年初的61%上升到年末的71%——不到一年提升10个百分点。

哪些企业更可能使用AI？生产率更高、规模更大、薪酬更高、董事更年轻、企业更年轻——这五个特征在多元回归中都高度显著。

? HR视角思考

AI的普及速度比大多数人想象的快。如果你的企业属于"规模较大、薪酬较高"的类型，同行很可能已经在用AI了。

HR需要思考的已经不是"要不要引入AI"，而是"引入了AI之后，人怎么安排"。更重要的是，年轻企业和年轻管理者更积极拥抱AI——这对组织的人才年龄结构提出了隐性要求。

发现二：高管自己也在用AI——但每周只有1.5小时

调查显示，超过三分之二的高管自己也在用AI，但使用强度很低：41%的人每周不超过1小时，仅7%的人每周超过5小时。

不过趋势在加速——英国数据显示，完全不用AI的高管比例从2025年初的45%骤降至25%，平均使用时间从0.9小时增至1.4小时，增幅约50%。

有趣的是，CEO比CFO更爱用AI——也许是因为CEO更关注"前沿趋势"。

? HR视角思考

如果连CEO/CFO自己都用得这么"浅"，普通员工的AI使用深度可想而知。

这给HR给启发是：AI技能培训不是"教员工用WorkBuddy"这么简单，而是要推动从"偶尔玩玩AI"到"深度嵌入工作流"的转变。如果1.5小时/周的使用量，远不足以产生实质性的生产率提升，背后是巨大的培训和组织变革空间。

发现三：过去三年，AI对就业和生产率几乎没影响——但高管坚信拐点将至

不同国家的预期差异显著：美国预期生产率提升最高（+2.25%），就业减少也较大（-1.2%）；德国和澳大利亚因劳动市场管制更严格，预期影响较小。

英国的时间序列数据还显示，从2025年初到年末，预期就业影响从-0.8%扩大到-1.4%，预期生产率影响从+1.5%上升到+1.9%，高管们的预期在不到一年内显著"加码"。

?HR视角洞察

这里有两个关键信号。

第一，高管预期未来三年就业减少0.7%。约三分之二通过"减少招聘"而非"裁掉现有员工"来实现。这意味着新增岗位的增速将放缓，HR的招聘策略需要重新校准。

第二，不同行业受冲击程度差异巨大，住宿餐饮（-1.8%）、批发零售（-2%）预期最悲观，信息通信（+2.8%生产率提升）预期最乐观。意味着HR需要按行业和岗位类型做差异化的人力规划。

发现四：员工与高管之间存在明显的预期鸿沟

论文的第五部分直接将同样的问题抛给了美国员工（通过SWAA调查），结果出人意料：

员工认为AI会创造就业（+0.5%），高管认为AI会减少就业（-1.2%）。而在生产率方面，员工的预期（+0.9%）远低于高管（+2.3%）。

? HR视角思考

这是整篇论文对HR最有冲击力的一组数据。

它意味着：当管理层开始基于"AI将减少用人需求"的判断来调整编制时，员工可能持有完全相反的心态"AI是来帮我的，不是来替我的"。这种认知错位如果不被正视和管理，将成为组织变革的巨大阻力。

HR的角色恰恰是弥合这道鸿沟——向上，帮助管理层理解AI的就业影响不是简单的"替代"，还有新岗位创造、任务重构和技能升级；向下，帮助员工建立对AI影响的现实预期，帮助他们完成AI技能升级转型。

二、对中国AI与劳动力市场的启发

虽然这篇论文的数据来自美英德澳，但其分析框架和核心洞察对理解中国的AI与劳动力市场同样有参考价值：

第一，中国的AI采用率可能被低估，但"用起来"和"用出效果"始终两回事。

论文最核心的发现——70%在用但90%说没效果，这个结论也适用于中国。

中国企业（尤其在制造业、零售、客服等领域）的AI部署速度极快，但从部署到产生可量化的生产率提升，中间需要组织能力、流程再造和人才结构的配套变革。这正是HR可以主动作为的空间。

第二，关注"通过减少招聘来实现人员调整"这一机制。

论文指出约三分之二的就业减少将通过"减少新员工招聘"实现。

对中国而言，这意味着应届毕业生和初级岗位的求职者可能是最先感受到AI压力的群体。HR在制定校招计划时，需要认真评估哪些初级岗位正在被AI工具蚕食。

第三，中美差异值得警示。

论文中美国高管对AI生产率提升的预期（+2.25%）远超其他国家。如果这一预期哪怕部分实现，美国企业在全球竞争中的效率优势将进一步扩大。

中国企业的AI应用虽然快，但在"深度嵌入业务、产生可衡量的效率提升"方面，与国际前沿可能仍有差距。HR需要思考：我们的组织迭代速度，能否得上AI的进化速度吗？

三、新的启发：让AI帮你建立"全球化视野"

说完了论文本身，我想分享这一轮研究的"AI协同工作体验"——这篇文章的生产过程本身就是AI赋能知识工作的一个范例。

我的实际流程：

① 抓取论文：告诉Claude这篇论文题目和作者信息，AI自动搜索定位到NBER官方页面、SSRN等多个来源，不到3分钟锁定PDF原文下载地址。

② 初读论文：AI提取PDF全文（1735行、约14万字符的英文原文），用时不到2分钟完成PDF重新生成（原文件有bug）。

③ 翻译整理：AI自动生成结构化翻译版HTML，包含完整的摘要、13位作者信息、四大章节、核心数据表格和参考文献，大概耗时3-5分钟。

④ 提炼洞察：基于全文理解，站在HR视角提炼核心观点，帮我完成文章观点和素材的梳理，差不多需要5分钟。

整个过程从"我想了解这篇论文"到"完成一篇可发表的分析文章"，耗时约15-20分钟。

放在以前，这需要：找论文→下论文→啃英文（至少1-2小时）→做笔记→构思文章→写作，至少需要3-4小时，现在基本控制1小时以内。

这对HR和管理者意味着什么？

第一，语言和学术门槛被大幅降低。

NBER是经济学顶级工作论文平台，上面的论文过去主要面向学术界和政策制定者。

但现在，借助AI的翻译和摘要能力，任何有基本阅读能力的从业者都可以阅读全球最前沿的研究成果，语言不再是障碍。

第二，信息差可转化为专业优势。

当你的同行还在靠公众号二手信息了解AI趋势时，你可以直接阅读NBER、IMF、BIS等机构的原始研究。

比如这篇论文，如果你只看媒体报道，大概率只能得到"70%企业用AI"这个标题；但读过原文才知道"90%说没效果"和"雇主雇员预期鸿沟"才是真正的洞察。

第三，建立自己的战略情报看板。

你可以定期让AI帮你扫描NBER、SSRN等平台的最新工作论文，关注AI、劳动力市场、组织行为等关键词。

这不是学术研究，而是战略情报。在AI变革加速的时代，拥有更高质量的信息源，就是拥有更精准的决策基础。

欢迎你到线下活动来，手把手教你安装最新AI，建立专业数据看板。

✅ 活动报名，请备注：CC活动