来自Recon Analytics的最新调查结果揭示了美国工作场所正在发生的深刻变化。人工智能的采用更多是通过个人选择而非企业强制推广。根据从超过10万名专业人士收集的数据，在95%的置信度和2.6%的误差率下，工作者转向人工智能工具是因为这些工具帮助他们更快地工作，思考更清晰，并处理那些曾经耗费大量时间的任务。
这种模式表明，现在大部分经济价值是通过个人主动性产生的。当自我报告的生产力提升与劳工统计局的薪酬数据相结合时，结果显示每年约有4200亿美元的产出直接与人工智能辅助工作相关。
员工正从基层推动人工智能的采用
在使用人工智能的员工中，44.9%表示他们是自行采用这些工具的。只有22.3%指向正式的公司计划。这种转变正在一个接一个工作台上展开，从家庭办公室到混合工作空间。工作者选择将ChatGPT和Gemini等工具整合到他们的日常工作中，因为他们相信这些好处是切实可见的。
员工不再遵循自上而下的指令，而是自己发现改进工作方式的机会。
核心任务的生产力提升显著
人工智能在依赖大量认知努力的任务中产生最高的收益。Recon Analytic数据突出显示了几个影响最明显的领域：
• 使用人工智能进行数据分析的工作者报告平均生产力得分为7.8（满分10分）。
• 使用人工智能进行写作和沟通任务的人报告为7.6。
• 使用人工智能进行战略发展、创意生成和概念性工作的人报告为7.4。
这些活动构成了金融、教育、制造业、科学工作和专业服务等知识型角色的核心职责。
付费人工智能用户报告更高的表现
在数万名受访者中出现了一个一致的趋势：为人工智能工具付费的工作者对其结果的评价高于使用免费版本的人。
• 生产力：付费用户为7.7，免费用户为7.1
• 速度：7.8对比7.6
• 输出质量：7.6对比7.0
• 自动化：7.3对比6.6
工作者引用升级的三个主要原因：与现有应用程序更强的集成，更强大的生成功能，以及获取自动化工作流程。
上下文集成产生最强的成果
调查揭示了一个引人注目的发现：连接到公司数据的人工智能工具比独立工具创造更大的生产力提升。当工作者使用能够访问内部信息源的人工智能时，他们的平均生产力得分上升到9以上。没有这种连接的人工智能用户平均为8.1。
这表明，下一波收益将来自将人工智能链接到安全、组织良好的数据环境，而不是依赖孤立的工具。
工作场所创新的新模式
调查指出了许多组织内部的一个明确模式。工作者自己识别使用案例，非正式地进行实验，并与同事分享他们所学到的东西。IT部门随后介入，将证明有价值的内容正式化、安全化和扩展。这个循环正迅速成为人工智能采用的主导路径。
工作者也希望获得更深入的培训。47%的人工智能用户表示，他们需要特定领域的指导来建立长期流利度。
等待太久的风险
影子人工智能仍然是一个问题。当员工独立采用工具时，敏感信息可能最终进入缺乏适当保护的系统。等待太久才为人工智能创建安全路径的组织也可能失去工作者，他们会转向支持负责任实验的公司。
在高绩效团队中，Recon观察到几种常见做法：员工可以安全实践的临时受控环境、明确的治理规则，以及帮助工作者从兴趣进步到精通的结构化培训计划。
具有深远经济影响的静默转变
人工智能并非通过突然的自动化命令重塑劳动力。它通过数千个个人选择改变日常工作。随着40.8%的知识工作者使用人工智能，69.2%报告明显的绩效提升，经济效应已经相当可观。
如果当前趋势继续，人工智能将比个人电脑推出以来的任何工具更强烈地影响知识工作的生产力增长。认识到这种自下而上动力、提供负责任访问并支持技能发展的组织将获得现在在美国工作场所展开的4200亿美元价值的最大份额。
