据Ethan Mollick在X平台援引预测研究院（Forecasting Research Institute）信息称，尽管多数受访经济学家预期AI显著进步，但对总体经济的基线预测仍接近当下趋势：美国GDP年均增速至2030年与2050年中位数为2.5%，对比2025年的2.4%；劳动参与率至2030年为61%，2050年为58%，低于2025年的62.6%（据预测研究院报告）。据预测研究院披露，在“快速”AI进步情景下，经济学家预计更大幅度的变动，提示生产率密集行业存在上行风险区间。对企业而言，这意味着可在自动化、代码辅助、与AI客服等可量化ROI场景先行落地，同时制定快速情景预案，把握潜在生产率跃升带来的供给链与人才结构调整机遇（据预测研究院经Ethan Mollick转述）。

据@emollick援引NBER工作论文（w34995）称，美国工人更频繁使用AI且获得更大生产率提升，使美国当前从AI采用中受益最多。根据美国国家经济研究局的报告，该论文以跨国数据表明，美国员工在知识密集岗位的AI利用率更高，且与更快任务完成、更高质量评分和更少错误相关，带来实质性产出提升。据NBER称，这种采用强度通过学习曲线、与企业软件的互补性以及AI助手快速部署而自我强化，可能扩大生产率差距。对企业而言，NBER的分析显示应优先在客服、销售赋能与编程协作等场景规模化部署AI助手，配套员工培训以提升使用率，并以任务速度、质量与错误率等指标追踪ROI。

据Ethan Mollick在X平台发布的信息显示，使用AI的美国员工平均节省6%工时，约每周2.5小时；英国与荷兰结果相近，其他欧盟国家略低，同时出现了非因果但积极的生产率提升早期信号（来源：Ethan Mollick，2026年3月30日）。对企业而言，这意味着在知识密集型流程中部署AI助手与协作工具可产生可量化的节时回报，并在组织规模化后转化为生产率增益（据Mollick贴文）。

据Ethan Mollick在X平台表示，Citrini提出的2028年AI引发的经济崩盘情景属于“硬科幻”的情景构建，并非可信路径；他建议以Alex Oleg Imas关于AGI经济影响的研究作为更可靠的预测基础（来源：Ethan Mollick推文；Citrini Research；Alex Imas Substack）。据Citrini Research描述，该情景设定标普下跌38%、失业率10.2%、信贷链条断裂，归因于AI超预期发展，但Mollick强调应将其视为思考工具而非预测（来源：Citrini Research；Ethan Mollick推文）。据Alex Imas Substack，评估AGI经济学需基于生产率冲击、劳动替代弹性、资本深化路径等可检验机制，这比叙事化压力测试更适合企业规划（来源：Alex Imas Substack）。对企业而言，应基于多情景的AI采用曲线与弹性参数，构建现金流与用工结构的敏感性分析，而非单一路径假设（来源：Ethan Mollick推文；Alex Imas Substack）。

根据Yann LeCun引用Erik Brynjolfsson和David Autor的研究，美国劳动力生产率和人均GDP持续增长，但自20世纪80年代以来，中位家庭收入基本停滞，仅在克林顿/戈尔时期有所提升。据Twitter报道，这一被称为“脱节”的现象凸显了经济产出与工资增长之间的差距。对于AI产业而言，人工智能和自动化对生产率提升和收入分配带来的影响值得关注，企业在推动AI落地时需兼顾可持续性和公平性。