解锁英国生产力新时代:打造AI先锋者之国

只有15%的英国工作者通过AI获得了晋升、加薪和可衡量的职业发展。这个来自谷歌最新英国经济影响报告的数据重新定义了整个AI生产力对话,揭示了一个技能分布问题,对亚洲开发者和创始人有重要启示。

Share
Editorial illustration: A heavy ornate lock mechanism mid-unlock, with an intricate key inserted and partially turned. The l — MonstarX

解锁英国生产力新时代:打造AI先锋者之国

只有15%的英国工作者通过AI获得了晋升、加薪和可衡量的职业发展——而其余85%的人要么在试水,要么在观望。这个来自谷歌最新英国经济影响报告的单一数据重新定义了整个AI生产力对话。问题从来不是AI是否会改变工作,而是人们是否真正学会了如何好好使用它。

解锁英国生产力新时代:打造AI先锋者之国——这是谷歌英国为这项研究选择的框架,而且是正确的。因为数据实际描述的不是技术问题,而是技能分布问题。这个差距不仅对英国工作者有直接影响,对每一位在亚洲观察成熟AI采用市场如何演进的开发者和创始人也有影响。

发生了什么

谷歌英国与研究机构Public First合作,发布了迄今为止在英国进行的最全面的职场AI采用研究。根据谷歌AI博客,英国职场AI采用率在一年内翻了一番——从2025年的34%跃升至2026年的73%。这是任何技术都难以达到的惊人采用速度。

但这个头条数字掩盖了更复杂的现实。该研究将英国劳动力分为四个不同的采用阶段:

  • AI旁观者(10%)——完全不尝试AI
  • AI探索者(38%)——用快速提问和基础起草等简单任务试水
  • AI实践者(37%)——将AI作为日常可靠工具在工作中使用
  • AI先锋者(15%)——高级用户突破边界,发现全新的工作方式

排名前15%的——先锋者——正在报告更强的绩效评估、薪资增长和更快的职业发展。其余85%的人从AI中获得了一些好处,但不是那种复合的、改变职业的好处。

谷歌英国和爱尔兰副总裁兼董事总经理Kate Alessi清楚地阐述了这一挑战:目标现在是提升剩余85%人群的技能,使AI驱动的个人进步不再是技术少数人的专属领地。该报告将其定位为国家生产力的当务之急,而不仅仅是个人职业选择。

这些数据之所以重要,在于其具体性。大多数AI采用调查衡量使用频率。这项调查衡量的是使用深度——并发现深度而非频率才是驱动真实成果的因素。

对亚洲的意义

亚洲科技市场正密切关注英国的采用曲线是有原因的——因为许多东南亚市场大约落后12到18个月。印度尼西亚、越南、菲律宾,甚至印度的部分地区目前处于英国在2025年所处的阶段:快速初期采用、大量实验,但使用深度不均。

这个差距既是警示,也是机遇。

警示:如果以英国的经验为指南,仅仅让工作者尝试AI工具并不能产生经济成果。那38%的"AI探索者"——使用AI进行快速提问和简单起草——没有看到职业收益。生产力红利来得更晚,当用户培养了在复杂、高风险任务上部署AI的判断力时。亚洲面临复制同样采用曲线的风险:快速采用、浅层使用,以及相同的15/85分割——一部分人提取真实价值,另一部分人则没有。

机遇:亚洲的开发者和创始人社区比大多数人都更有条件跨越这个阶段。开发者本质上与AI的交互深度超过普通知识工作者。他们已经用AI构建,以编程方式提示它,将其集成到工作流中。对于每天发布代码的开发者来说,"AI探索者"和"AI先锋者"之间的差距比偶尔让聊天机器人总结邮件的办公室工作者要小得多。

亚洲创业生态系统中还存在结构性优势。年轻公司不是在遗留工作流上改装AI——它们从第一天起就以AI原生的方式构建。这与谷歌报告隐含指向的大型英国企业的起点完全不同。雅加达或胡志明市的10人创始团队可以比伦敦的10000人组织更快地从探索者晋升到先锋者。

这里的亚洲科技角度不仅是追上英国。而是认识到英国正在经历的采用曲线——以及它所揭示的生产力差距——很快就会到来亚洲市场。建立AI技能深度的时机是在这个差距固化之前,而不是之后。

对开发者的意义

谷歌报告中的四阶段分割清晰地映射到开发者已经理解的东西:使用工具和掌握工具是有区别的。大多数开发者已经看到过这种动态在版本控制、容器化或CI/CD管道中的表现。早期采用者获得了真实优势。后期采用者最终赶上了,但复合收益已经在其他地方积累了。

AI遵循同样的模式,但速度更快,风险更高。

对于开发者来说,实际问题是:从实践者晋升到先锋者究竟需要什么?基于谷歌研究隐含的行为,这归结为三个转变:

  • 从被动提示到主动提示。探索者在遇到困难时使用AI。先锋者在遇到困难之前就将AI融入工作流——用它来探索解决方案空间、生成测试用例和发现他们未曾考虑的边界情况。
  • 从单轮到多轮推理。简单的起草任务是单轮交互。复杂的工程问题需要与AI模型的迭代往复——完善上下文、质疑输出、基于之前的响应进行构建。这是一项需要刻意练习的技能。
  • 从个人使用到系统集成。最大的生产力收益来自于AI嵌入团队工作流,而不仅仅是被一个人用于自己的任务。这意味着在架构层面思考AI——它如何适应你的构建管道、代码审查流程、文档工作流?

这是平台发挥作用的地方。单个AI工具适合单个任务。但从个人生产力扩展到团队级生产力需要基础设施——那种处理连接器、工作流编排和平台级AI集成而非工具级集成的基础设施。

最快达到先锋者状态的开发者不一定是AI知识最深的那些。他们是构建使AI使用成为默认而非例外的系统的那些人。这是一种架构思维,正是它将谷歌数据中的15%与85%区分开来。

对于在亚洲构建产品的创始人,这也有产品意义。如果你的用户在采用曲线上——介于探索者和实践者之间的某个地方——你的产品设计应该考虑到这一点。构建假设先锋者级AI流畅度的功能会错过大部分市场。构建主动帮助用户提升AI使用水平的功能是真正的竞争优势。

关键要点

谷歌英国