数字技术采用、AI整合与劳动生产率：来自欧盟的经验洞察

《Labour and Industry》：Digital adoption, AI integration, and labor productivity: empirical insights from the European Union

　　

数字化转型已成为组织竞争力和经济绩效的关键驱动力，但其对劳动力生产率的贡献在欧盟（EU）成员国之间仍不均衡。研究人员采用基于Eurostat和经济合作与发展组织（OECD）二手数据的定量横截面设计，考察了企业人工智能（AI）采用、劳动力数字技能与劳动力生产率之间的关系。劳动力生产率使用Eurostat指标“按就业人员和工作时数计算的劳动生产率（EU27_2020=100）”进行测量。研究人员使用描述性统计、皮尔逊相关分析和普通最小二乘法（OLS）回归对27个欧盟成员国的数据进行分析。结果显示，劳动力生产率与AI采用、数字技能和人均GDP之间存在正向双变量关联。然而，在控制经济发展水平后，人均GDP成为劳动力生产率唯一具有统计学显著性的预测因子，而AI采用和数字技能的独立效应不再显著。这些发现表明，数字技术本身并不能保证生产率提升。本研究通过证明互补性经济能力在将数字化转型转化为欧盟劳动力生产率提升中的重要性，为数字生产率文献作出了贡献。

劳动力生产率是衡量经济增长、组织竞争力和生活水平的关键指标。在欧盟，提高劳动力生产率已成为应对技术变革、人口压力和全球竞争的重要任务。数字化转型被视作提升工作场所效率的核心战略，企业通过采用人工智能（AI）、云计算、数据分析和自动化等技术，简化运营、改进决策并自动执行常规任务，使员工能够专注于高价值活动。然而，尽管数字投资广泛，欧盟各国之间的生产率增益仍不均衡，这再次引发了“生产率悖论”，即对数字技术的大量投资并未始终如一地转化为更高的生产率。已有文献多聚焦于企业层面绩效或总体数字成熟度，而跨欧盟成员国的企业AI采用和劳动力数字技能如何与劳动生产率相关联，同时考虑经济发展水平差异的比较证据仍然有限。为解决这一缺口，研究人员基于劳动过程理论（Labour Process Theory, LPT）和技术决定论（Technological Determinism）的理论视角，使用定量横截面设计，利用Eurostat和OECD的二手数据，对欧盟27个成员国进行了实证分析。该研究采用普通最小二乘法（Ordinary Least Squares, OLS）回归，在控制人均国内生产总值（Gross Domestic Product, GDP）水平后，评估企业AI采用、劳动力数字技能与劳动生产率之间的关联。研究发现，在双变量层面，劳动生产率与企业AI采用、数字技能和人均GDP均呈正相关；但控制经济发展水平后，人均GDP成为唯一具有统计学显著性的解释变量，AI采用和数字技能的独立效应不再显著。这一结果表明，仅靠数字技术并不能保证生产率的提高。该研究对数字生产率文献的贡献在于：证明了互补性经济能力在将数字化转型转化为欧盟劳动生产率提升中的关键作用，并强调了劳动力能力和组织背景的重要性。论文发表在《Labour and Industry》上。

在研究方法方面，研究人员使用了来自Eurostat和OECD的官方统计数据，样本为欧盟27个成员国，以国家为分析单位。劳动力生产率用Eurostat“按就业人员和工作时数计算的劳动生产率（EU27_2020=100）”指标衡量；企业AI采用定义为采用AI技术的企业百分比；数字技能定义为拥有至少基本数字技能的个人百分比；人均GDP作为控制变量反映经济发展水平。数据年份为2024年，其中数字技能指标为2023年。分析技术包括描述性统计、Pearson相关分析和OLS回归，并通过方差膨胀因子（Variance Inflation Factor, VIF）和残差诊断进行了多重共线性和模型假设检验，所有诊断结果均满足OLS回归的主要假设。

研究结果部分包含三个小标题。在“4.1 描述性统计”中，通过对27个欧盟成员国的数据汇总，发现劳动生产率平均值为98.41（标准差=30.53），范围从58.60到209.60，国家间差异明显；企业AI采用率平均为10.78%；具备基本数字技能的个人比例平均为57.62%；人均GDP差异亦较大，这为后续分析提供了适当基础。在“4.2 相关分析与共线性诊断”中，Pearson相关分析显示，劳动生产率与企业AI采用、数字技能和人均GDP均呈正向相关，其中与人均GDP的相关性最强。解释变量之间也呈正相关，但VIF值均低于5.0，容忍度高于0.20，表明不存在严重多重共线性。残差检验未发现对线性、同方差性和正态性假设的显著偏离，也没有强影响观测值。在“4.3 回归分析”中，OLS回归结果表明模型解释了劳动生产率约86.0%的变异（R²=0.860，调整后R²=0.842，F=47.24，p<0.001）。人均GDP是唯一显著的预测因子（β=0.002711，p<0.001），而AI采用和数字技能的回归系数在控制人均GDP后不再显著，说明其在双变量下的正向关联被经济发展水平所吸收。

讨论部分指出，欧盟成员国劳动生产率的差异更多与经济发展水平相关，而非单纯数字化转型指标。这一发现与“生产率悖论”的论点一致，即技术投资必须配合组织、制度以及人力资本资源才能产生生产率收益。劳动过程理论强调，生产率提升来源于工作组织、员工技能与管理实践的变化，而不是技术本身；技术决定论也承认，技术的生产率效应受劳动力能力、组织实践和宏观条件的中介。因此，对劳资关系的启示是：提高生产率需要超越单纯的技术部署，管理者应结合劳动力发展和组织学习进行AI投资，政策制定者应加强数字技能培养和数字基础设施建设，并创造支持性的制度环境。结论部分翻译如下：本研究利用协调一致的二手数据和OLS回归，考察了欧盟27个成员国中数字化转型与劳动生产率之间的关系。研究结果表明，劳动生产率的跨国差异与国民经济发展水平的关系比与企业AI采用或劳动力数字技能的独立关系更紧密。通过将劳动过程理论和技术决定论相结合，本研究凸显了劳动力能力和组织背景在解释数字化转型生产率效应中的重要性。同时，研究存在若干局限：分析基于横截面二手数据，只能识别统计关联而非因果关系；数字技能指标为2023年数据，其余变量为2024年，因为官方数据集发布时间存在差异。未来研究应采用纵向和企业层面数据，并纳入制度和组织变量，以更全面地理解数字化转型在不同经济和产业背景下对劳动生产率的影响。