美國智庫布魯金斯學會報告揭示，人工智慧（AI）的快速發展與其社會效益的公平分配正形成兩難局面。報告指出，AI應用普及程度在國家、產業、企業規模和語言上皆有顯著落差，並可能對入門級勞動市場產生衝擊。為確保AI廣泛且公平普及，報告建議政府需透過採購、技能培養與競爭政策等方式積極應對，而非僅仰賴技術創新。
根據美國智庫布魯金斯學會（Brookings）於5月5日發布的報告指出，全球正快速推動人工智慧（AI）的應用，但這項技術的加速發展與其帶來的社會公平性問題，正形成一道日益緊張的兩難局面。報告強調，AI是否能提升整體社會的生活水準，並廣泛分配其效益，關鍵在於能否實現持續的生產力成長與公平的分配。
AI驅動的生產力提升並非必然，雖然微觀證據顯示特定AI部署能帶來顯著效益（例如客服生產力平均提升15%），但其普及程度不均，且宏觀層面的整體效益仍不確定。報告引述一項實驗發現，早期的AI工具反而讓資深開源開發者的任務完成時間增加19%，顯示在複雜任務上AI協助可能帶來認知負荷。
AI的普及程度存在顯著差異，不僅在國家、產業與企業規模間表現不一，甚至在全球北方與全球南方之間也呈現擴大的差距。例如，2025年歐洲聯盟（EU）僅有19.95%的企業採用至少一項AI技術，而英國的數據則從2023年的9%估計成長至2025年的39%。此外，報告指出，許多主流大型語言模型（LLMs）的訓練數據與評估方式仍以英語為主，可能導致非英語地區的模型品質較低，進而減緩技術普及。在企業規模方面，中小型企業（SMEs）的採用率明顯低於大型企業，因為它們缺乏資源聘請稀缺的AI專才，或難以承擔轉型成本。
報告也觸及AI對勞動市場的影響。初期跡象顯示，AI技能與較高的薪資和快速變化的技能要求相關，但也可能導致入門級職位的潛在風險。生成式AI主要影響文職與專業認知任務，而機器人技術則更多衝擊重複性的體力勞動。這意味著AI造成的衝擊會因職業與國家結構而異。
為了確保AI的廣泛且公平普及，報告建議政府透過採購政策、技能培養、競爭政策及有效的衡量機制來引導發展。公共採購可為可信賴的AI系統創造需求，降低中小企業的採用門檻。同時，確保市場競爭性至關重要，因為基礎模型生態系統的關鍵投入（如算力、雲端服務與數據）高度集中於少數企業，可能限制生產力效益的廣泛傳遞。報告總結，有意義且普及的AI應用應被視為一項獨立的政策挑戰，而非技術創新自動產生的後續效益，需各方投入更完善的數據、互補性投資與實際的改革理論。學者也呼籲政府避免僅鎖定「戰略產業」，因難以預測AI未來何處影響最大。