你也在用AI，但你用出了什么？

打开AI助手，几分钟生成一份报告，已经不稀奇。更值得问的是：报告写得更快之后，决策有没有变好？省下的时间去了哪里？最近出版的李开复新书《AI未来已来》，把这个问题带到了企业经营和个人工作中。出版社对这本书的介绍也将重点放在一件事上：怎样让AI投入体现在实际成果里。

AI用得很普遍，成果却没有同步出现

麦肯锡2026年对97个国家的1719名受访者进行调查：八成受访者认为AI提高了自己的工作效率，但只有37%认为AI已经对所在企业的息税前利润产生正面影响。调查还发现，约6%的受访者所在企业达到了其定义的“AI高绩效”标准。这些数字来自受访者自报，不能当作所有企业的财务审计结果，却清楚呈现出一种落差：个人觉得快了，组织未必因此赚得更多。

这种落差在日常工作里并不难理解。假设AI把一份周报的起草时间从一小时缩到十分钟，但数据仍要人工从几个系统复制，结论仍没人核对，会上仍要重新解释一遍。写作这个环节变快了，整项工作却未必快多少。

AI先改变的，可能是你以为最稳的工作

机器人研究者汉斯·莫拉维克早在1988年就讨论过一个反直觉现象：对机器来说，一些需要推理的任务可能比人类习以为常的感知和运动任务更容易处理。这为今天的AI发展提供了一个观察角度：生成文字、分析资料和编写代码进展很快，进入复杂的真实环境完成动作，仍有另一套难题。

但“能生成”距离“能独立负责”还有距离。Anthropic披露，截至2026年5月，Claude编写了该公司合并进代码库的超过80%的代码行。这是企业公布的内部数据，适用范围是其自身代码库；代码行占比也不能直接等同于软件质量或工程师效率。Anthropic还报告，在一项目标和验收标准预先固定的小型训练代码优化测试中，模型取得约52倍的运行速度提升，并明确提醒读者：这不是现实中完整AI训练流程提速52倍。

AI越来越便宜，为什么人不一定更闲？

价格正在改变AI的使用门槛。斯坦福大学《2025年AI指数报告》估算，达到相当于GPT-3.5基准表现的模型，每百万Token查询成本从2022年11月的20美元降至2024年10月的0.07美元，降幅超过280倍。这里比较的是相近基准表现下的成本，并非所有模型都按同一幅度降价。

当一次分析变便宜，团队可能从“每月分析一次”改成“每天分析一次”，还可能把过去顾不上做的客户答复、资料整理和方案比较都做起来。这类似经济学讨论的“反弹效应”：单次使用更省资源，使用量却可能增加。不过，需求是否增长到抵消节省的程度，要看具体场景，不能把“AI更便宜”直接推论成“每个人都会更忙”。

真正的分水岭，是重做工作流程

技术装上了，工作方式还照旧，收益就容易卡住。经济史学者保罗·戴维研究电力与生产率时指出，新技术的效果需要伴随扩散和组织调整逐步显现；把新工具放进旧体系，通常发挥不出全部价值。这个历史类比能帮助我们理解AI，但不能据此预测AI也必须等待同样长的时间。

麦肯锡的最新调查也提供了现实线索：在其定义的AI高绩效企业中，接近四分之三的受访者表示企业已因AI从根本上重新设计工作流程；其他企业的这一比例约为四分之一。这是相关性，不等于只要改流程就一定能获得利润，但它提示了值得动手的方向。

对普通人来说，不必等公司启动大型转型，也可以先做一个小实验：选一项每周重复的任务，记下原来的耗时和返工次数；让AI参与资料整理、初稿或检查中的一个环节；由自己核实来源、判断结果；两周后再看，交付是否更快、错误是否更少、同事是否更容易接手。

如果答案只是“我和AI聊了很多次”，那还处在尝试阶段。如果你能说清楚哪项任务变好了、好在哪里、谁来核验，AI才开始真正进入你的工作。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）