AI 没有让大多数企业变快，它只是让某些动作变快了。动作变快和结果更快，是两回事。
过去两年，几乎所有企业都在谈 AI 提效。
程序员说代码写得更快了，产品经理说原型出得更快了，运营说文案一天能生成几十版，管理者则开始盘算：既然每个人都快了 30%，团队是不是可以少招 30% 的人？项目周期是不是也应该缩短 30%？
这个推理听起来很自然，却很可能是企业使用 AI 时最大的误判。
我并不否认 AI 的能力。恰恰相反，我每天都能感受到它在写代码、查资料、整理信息和生成初稿上的价值。问题在于，企业真正需要的从来不是“某个动作完成得更快”，而是需求更快上线、问题更快解决、客户更满意、收入更高、成本更低、风险更小。
从一个人的输入，到一家企业的结果，中间隔着需求、决策、协作、系统、流程、验证、责任和利益。AI 可以加速其中某几个节点，却无法自动让整条链路变快。很多时候，一个节点跑得越快，反而会把更多未经验证的产物推给下游，让评审、测试和决策成为新的堵点。
所以，更准确的说法不是“AI 能不能提效”，而是：
AI 提升的究竟是哪一种效率？这部分效率，是否处在企业真正的瓶颈上？
如果答不清楚这两个问题，“AI 提效”就很容易成为一个漂亮但空洞的伪命题。
一、AI 最擅长提高的，是“产出速度”
今天的生成式 AI 最擅长的事情，可以概括为四个字：快速生成。
它可以更快地生成代码、测试用例、会议纪要、营销文案、分析框架、汇报材料、原型草图和客服回复。过去需要半小时打出的内容，现在几分钟就能获得一个看起来完整的版本。
这种提升是真实的，也已有不少研究支持。
一项针对 5,179 名客服人员的研究发现，引入生成式 AI 助手后，客服平均生产率提高了接近 14%，经验较少、能力较弱的员工获益尤其明显。NBER：Generative AI at Work
哈佛商学院等机构对 758 名咨询顾问开展的实验也发现，在 AI 能力边界以内的 18 项任务上，使用 GPT-4 的参与者平均快了 25.1%，完成的任务多了 12.2%，质量也有改善。但在边界之外的任务上，使用 AI 的参与者得出正确答案的概率反而下降了。Harvard Business School：Navigating the Jagged Technological Frontier
这些结果并不奇怪。任务越标准、上下文越充分、正确答案越容易判断，AI 的帮助通常越明显。比如：
- 根据确定的接口定义生成 DTO、转换代码和基础单元测试；
- 把一份结构清晰的会议记录整理成纪要；
- 根据固定知识库生成客服回复建议；
- 将已有材料改写成不同长度和语气的文案；
- 对格式固定的数据进行归类、摘要和初步解释。
这些工作具有一个共同点：输入相对明确，输出容易检查，错误成本有限，任务可以由一个人相对独立地完成。
这也是为什么个人开发者、小微项目和从零开始的验证型项目，往往能明显感受到 AI 带来的速度变化。一个人同时扮演产品、开发、测试和运维，决策链几乎为零；代码写完就能运行，方向不对立刻重来。AI 加速了个人，就近似加速了整个项目。
但大型企业不是一个放大版的个人工作室。
二、企业的效率不是加法，而是由瓶颈决定
一个企业级需求从提出到产生价值，通常要经过这样的过程：业务提出问题，产品澄清需求，各方确认口径，架构设计方案，研发实现，系统联调，测试验证，安全与合规审查，灰度发布，运营承接，最后还要观察业务结果。
写代码只是其中一段。
假设一个需求总共需要 20 天：
- 需求讨论和等待决策：6 天；
- 方案设计与跨团队确认：3 天；
- 编码：4 天；
- 联调、测试和修复：5 天；
- 发布审批与灰度观察：2 天。
即便 AI 把编码时间缩短一半，整个需求也只是从 20 天缩短到 18 天，理论提升 10%。如果更快生成的代码又增加了评审、联调和返工，最终可能连这 10% 都没有。
现实中，企业项目最常见的阻塞往往不是“没人会写这段代码”，而是：
- 需求本身没有想清楚，决策迟迟不能落下；
- 多个部门目标不同，谁都不愿承担风险；
- 系统边界复杂，一个改动牵涉多个上下游；
- 历史数据不一致，口径长期没有统一；
- 测试环境、接口、权限和排期需要等待；
- 线上变更需要评审、审批、灰度和回滚预案；
- 项目做完了，却没有业务团队真正使用。
这些问题很少是靠多生成几百行代码解决的。
企业效率更像一条生产线：整条线的速度由最慢的环节决定。给非瓶颈环节安装一台速度快十倍的机器，并不会让工厂产能提升十倍，只会让半成品更快地堆在瓶颈前面。
AI 在很多企业里扮演的，正是这台被装错位置的高速机器。
三、写代码变快，不等于软件交付变快
“AI 编程提效”是最容易被夸大的例子。
在演示中，输入一句话，AI 几分钟就生成一个页面、一组接口，甚至一个可以运行的小应用。这种视觉冲击很强，也很容易让不参与研发过程的人产生一种印象：软件开发的大部分工作，原来就是把代码敲进电脑。
但在成熟的企业系统中，真正昂贵的并不是录入代码，而是理解和约束代码。
程序员要理解业务为什么这样运转，知道哪些看似多余的判断其实来自历史事故；要弄清一个字段在五个系统里分别代表什么；要兼容旧版本、脏数据和异常流程；要评估性能、资金、安全、合规和线上容量；还要让其他团队相信这次改动不会破坏他们的链路。
AI 可以很快写出一段“逻辑上成立”的代码，却未必知道：
- 这个接口的调用方仍然依赖三年前的特殊返回值；
- 这个状态不能回退，因为财务系统已经记账；
- 这个查询在线下数据量下没问题，上线后会扫描千万行；
- 这个重试逻辑在异常时会造成重复扣款；
- 这个看似无害的字段变更会让另一个团队的离线任务全部失败。
大型系统的复杂度，很大一部分并没有写在代码里，而是藏在组织记忆、历史事故、默认约定和责任边界中。AI 读到了仓库，不等于读懂了企业。
2025 年，METR 让 16 名长期维护大型开源项目的开发者处理 246 个真实问题，并随机决定每项任务是否允许使用 AI。开发者原本预计 AI 会让自己快 24%，实际完成时间却平均增加了 19%。研究者明确提醒，这项结果只代表 2025 年初的工具在一类特定任务中的表现，不能泛化为“AI 编程普遍无效”。它至少说明，在充满隐含约束、开发者熟悉而 AI 不熟悉的代码库中，工具收益可能与主观感觉相反。METR：Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
这种“感觉更快，实际更慢”很值得企业警惕。因为 AI 会持续给出反馈，人几乎不会面对空白页，于是工作过程显得更加顺畅。但顺畅感不是交付结果。阅读建议、补充上下文、纠正误解、运行验证、清理多余代码，也都在消耗时间，只是这些时间不像手工编码那样容易被感知。
Google 的 DORA 研究给出了更接近组织层面的观察。2024 年的调查数据显示，AI 使用率与个人生产率、心流和工作满意度提升相关，也与软件交付吞吐量和稳定性下降相关。DORA 提出一种解释：代码生成变容易后，团队可能提交更大的变更批次，评审和验证负担随之增加。报告呈现的是相关关系，不足以单独证明 AI 导致了交付表现下降。DORA：Accelerate State of DevOps Report 2024
到了 2025 年，DORA 对 AI 的定位更直接：AI 是一个“放大器”。它会放大高绩效组织的优势，也会放大低绩效组织原有的混乱；真正决定回报的不是工具本身，而是底层的技术和组织系统。DORA：State of AI-assisted Software Development 2025
这比“用了 AI 就能提效”更接近真相。
四、AI 没有消灭工作，它把工作从“生产”转移到了“验证”
没有 AI 时，人需要花时间生产第一版内容；有了 AI，第一版出现得很快，但人必须花更多时间判断它是否可信。
代码要审查，数据要核对，引用要追溯，合同要复核，客服回复要确认政策，经营建议要验证假设。AI 省掉的是从零到一的生成成本，却增加了从“看起来对”到“确定对”的验证成本。
问题在于，生成与验证并不对称。
写一句错误的话只需要几秒，证明它错在哪里可能需要半小时；生成一个貌似合理的 SQL 很快，确认它没有重复计算、口径偏差和性能风险却要理解整张数据链路；生成一个跨系统改造方案不难，验证每个依赖方能否按期配合，则可能要开数次会议。
当 AI 产出越来越多，企业会出现一种新的稀缺资源：有能力做最终判断的人。
初级员工可以一天生成十份方案，但高级员工没有时间审十份；开发可以更快提交更多代码，但评审者、测试人员和系统负责人并没有同步扩容；运营可以生成上百条内容，但品牌、法务和渠道仍要为每一次发布负责。
于是，生产成本下降了，判断成本上升了；执行者的等待减少了，审核者的队列变长了。
这不是提效消失，而是瓶颈迁移。
如果企业只统计“AI 生成了多少内容”“代码采纳率是多少”“节省了多少编写时间”，就会把转移到下游的成本当成凭空消失。部门 A 的提效，可能只是部门 B 的增负；个人的提效，可能只是团队的返工。
五、AI 还会制造更多“看起来应该做”的工作
工具让某件事变便宜之后，人们通常不会只做原来的数量，而会选择做更多。
文案生成便宜了，于是一个活动不再准备三版，而是准备二十版；数据分析容易了，于是一个汇报里出现更多指标和切片；写代码快了，于是更多边缘需求也进入开发；制作汇报容易了，于是汇报材料越来越长，会议越来越精致。
最后，单份产出的成本确实下降了，组织的总工作量却未必下降。
这种现象在企业里尤其隐蔽。因为新增产出都可以被包装成“做得更充分”，但它们是否带来了更好的决策、更高的收入或更低的风险，往往没人追踪。
AI 最容易帮助企业生产更多信息，而大型组织最不缺的恰恰是信息。真正稀缺的是注意力、共识和决断。
如果十页汇报可以在一天内扩成五十页，管理者并不会因此获得五倍的信息，反而需要花更多时间寻找结论。AI 降低了表达门槛，也可能制造更大规模的语言通胀：每个人都写得更完整、更正确、更面面俱到，但真正有价值的判断被埋在大量光滑的文字中。
六、在其他企业场景中，同样存在“局部快、整体不快”
1. 产品与需求：原型更快，决策没有更快
AI 可以迅速生成竞品分析、用户故事、流程图和原型，但产品工作的瓶颈通常不是不会写 PRD，而是不知道该解决哪个问题。
用户究竟为什么流失？业务真正愿意为哪个目标投入资源？体验、收入、风险发生冲突时如何取舍？一个需求影响多个部门时，谁拥有最终决策权？
AI 能扩展选项，却不能替组织承担取舍。选项越多，如果决策机制不清晰，讨论甚至会更久。
2. 数据分析：结论生成更快，口径统一没有更快
AI 可以写 SQL、做图、解释波动，但企业数据问题往往不是缺少查询语句，而是指标定义不一致、源数据质量差、归因关系复杂。
同一个“成交金额”，财务、业务、销售和数据团队可能有四种算法。AI 可以在一分钟内算出四个答案，却无法替这四个部门决定以后用哪一个。若输入数据和业务口径未经治理，AI 只是让错误结论更快、更像样地出现。
3. 客服：平均处理时长下降，复杂问题仍要升级
客服是 AI 提效证据较强的领域，因为大量问题重复、知识边界相对明确、结果容易量化。但它的收益也有边界。
当简单问题被 AI 吸收，留给人工的会越来越多是投诉、争议、例外和跨部门问题。人工坐席的平均处理时长可能反而上升，并不一定代表人变慢了，而是任务结构变难了。如果管理者仍拿过去的平均时长考核，就会误判团队绩效。
4. 市场与内容：生产能力过剩，用户注意力没有增加
AI 可以让每家公司每天生产更多文章、海报和视频，但用户一天仍然只有 24 小时。内容供给暴涨并不会创造等量注意力，只会提高获得注意力的难度。
当所有企业都能低成本生产“合格内容”时，合格本身就不再构成竞争力。品牌洞察、真实经验、渠道能力和独特表达反而更重要。AI 降低的是入场成本，不一定提高胜率。
5. 人力资源：简历和评语更完整，识人仍然困难
AI 能生成职位描述、筛选摘要、面试题和绩效评语，也能帮助候选人生成更漂亮的简历和回答。双方同时使用 AI 后，材料的形式质量都提高了，信号却可能变弱。
企业最终仍需要通过真实经历、行为证据和工作样本判断一个人。生成更快，并没有让识别真实能力变得更容易。
6. 管理工作：汇报更专业，共识并没有自动形成
AI 很擅长把零散事实整理成完整材料，却容易掩盖一个问题：材料写得不好，还是事情本身没有想清楚？
过去，一份写不出来的方案会暴露思考缺口；现在，AI 可以迅速补齐结构和措辞，让一个尚未经过充分讨论的想法看起来十分成熟。表达质量与决策质量之间的相关性因此变弱。
管理者若不能区分“写得完整”和“想得明白”，AI 会让组织更擅长制造共识的外观，而不是共识本身。
七、为什么企业特别容易高估 AI 提效
第一，容易测量的，恰好是最局部的。
生成了多少行代码、节省了多少写作时间、调用了多少次模型、采纳了多少建议，都很容易统计。需求从提出到上线用了多久、上线后是否产生收益、技术债是否增加、下游多花了多少验证时间，则更难测量。
当企业只能测量前者，就会误以为前者代表全部。
第二，员工的主观顺畅感容易被当成客观生产率。
AI 减少空白页焦虑，让人更快看到反馈，也让工作更有掌控感。这种体验本身有价值，但“感觉省时间”不等于端到端周期真的缩短。METR 的实验正好说明，两者可能朝相反方向变化。
第三，供应商展示的是最佳任务，不是企业的平均任务。
演示通常选择上下文清晰、结果直观、几分钟可完成的场景。企业日常工作却充满隐含约束、数据权限、历史兼容、跨团队依赖和例外处理。模型在演示任务上的能力，不等于它在企业任务分布上的平均收益。
第四，企业会把“采用率”误当成“价值”。
多少人开通账号、每周活跃多少次、AI 代码采纳率达到多少，都只能说明工具被使用。一个人采纳了大量 AI 代码，可能是因为代码有效，也可能是因为后来没有人统计它带来的测试、缺陷和维护成本。
第五，AI 项目天然带有必须成功的组织压力。
当 AI 被列为公司战略，项目负责人很难汇报“暂时没有明显收益”。于是节省时间会按理想值估算，收益会重复计算，验证成本和失败案例则被归入执行问题。最终，组织得到一组人人看起来都在提效、公司总成本却没有明显下降的数据。
八、负提效是怎样发生的
AI 不只是“少提一点效”，在一些场景下确实可能造成负提效。
常见路径有五条。
一是错误很隐蔽。 AI 的输出通常语法正确、结构完整、解释合理。低级错误容易发现，这种“高完成度的错误”反而更消耗资深人员的判断力。
二是上下文补充成本过高。 为了让 AI 理解企业内部系统，人需要反复解释背景、贴代码、补规则、纠正假设。有些任务，人自己做已经形成了稳定心智模型，教会 AI 反而更慢。
三是过度生成。 原本十行能解决的问题，被生成成数层抽象和数百行代码；原本一页能说清的方案，被扩写成十页。后续所有人都要为这些额外产物支付理解成本。
四是能力退化。 如果新人长期跳过独立思考和基本训练，团队短期产出可能增加，几年后却缺少能够理解系统、处理疑难问题的人。AI 可以压缩学习曲线，也可能掏空学习过程，关键取决于使用方式。
五是责任更加模糊。 AI 给出了建议，但最终谁对结果负责？如果使用者没有真正理解输出，出了问题就容易出现“工具是这样写的”式的责任转移。大型企业的很多流程，本质上就是为了明确责任；AI 不会让这件事自然消失。
九、问题不是 AI 无用，而是企业用错了提效单位
如果因为上述问题得出“企业不应该使用 AI”，同样是错误的。
AI 对个人能力的放大已经非常明确。它尤其适合降低启动成本、补齐知识短板、处理重复劳动、加快信息检索，并帮助经验不足的人接近团队平均水平。NBER 的客服研究就发现，收益主要集中在经验较少的员工身上；资深员工获得的增益相对有限。这说明 AI 的重要价值之一，不一定是把高手再提高 30%，而是把组织中大量重复经验以更低成本传递给新人。
AI 还可以创造过去成本过高、根本不会被做的事情。例如给遗留代码补文档，为大量商品生成初步标签，对海量客服记录提取共性问题，给每次发布自动整理风险清单。这些场景的价值未必体现为“减少多少人”，而可能体现为覆盖面、响应速度和风险发现能力的提升。
许多企业仍以“人时”作为提效单位，这才是问题所在。
节省了 1,000 小时，并不等于企业获得了 1,000 小时价值。如果这些时间分散在几百个人身上，每人每天节省几分钟，又没有改变编制、排期和产出，它在财务上几乎无法兑现。
企业应该测量的，是结果有没有变化：
- 需求端到端交付周期是否缩短；
- 单位时间上线的有效业务能力是否增加；
- 线上缺陷、返工和事故是否下降；
- 客户问题是否一次解决；
- 新人达到独立工作水平的时间是否缩短；
- 原来因成本过高无法覆盖的工作是否被覆盖；
- 同样规模的团队是否支撑了更大的业务量；
- 最终收入、利润、体验或风险指标是否改善。
只要这些结果没有变化，“节省工时”就仍然只是一个未经兑现的会计假设。
十、AI 真正能在企业里产生价值，需要三个前提
前提一：把 AI 放到瓶颈上，而不是放到最容易展示的位置
如果团队最大的等待发生在需求决策，就应优先改善决策信息和责任机制；如果瓶颈在联调，就应让 AI 帮助梳理依赖、模拟接口和定位故障；如果瓶颈在测试，就应加强自动化验证、测试数据构造和回归分析；如果瓶颈在知识分散，就应先治理文档、权限和知识结构。
“让所有人都配一个聊天机器人”不算 AI 战略。找到最昂贵的等待、返工和失败，再决定 AI 是否能介入，才算。
前提二：优化完整流程，而不是给原流程加一个 AI 按钮
很多企业只是把 AI 接到现有流程上：PRD 多一个生成按钮，IDE 多一个助手，客服台多一个建议框，审批系统多一个摘要。旧流程的角色、权限、审批和交接全部不变。
这样做当然最安全，却很难产生结构性收益。
真正的提效通常意味着重新设计流程。例如，当 AI 已经能自动完成初步分类和风险判断，是否可以让低风险任务直接流转，只把高风险任务交给人工？当测试生成和执行高度自动化后，是否可以缩小变更批次、提高发布频率？当知识检索足够可靠后，是否可以减少层层转述，让一线人员直接获得有权限、有出处的答案？
AI 只有改变工作如何流动，才可能改变企业效率。
前提三：让生成和验证一起升级
企业不能只投资“让 AI 多写”，还要投资“让系统自动证明它写得对”。
对研发而言，是自动化测试、静态检查、可观测性、灰度和回滚；对数据分析而言，是统一口径、数据血缘和质量校验；对客服而言，是知识来源、政策有效期、权限边界和升级机制；对内容而言，是事实核查、品牌规范和合规规则。
生成能力越强，验证体系越重要。否则 AI 只是把企业从“产出不足”带到“审核过载”。
十一、企业应该怎样判断自己的 AI 项目是否真的提效
一个简单的方法，是在项目立项时问清五个问题：
- 当前瓶颈是什么？ 是生成慢、等待久、决策慢、验证贵，还是跨团队协作困难？
- AI 直接改变哪个指标？ 不要写“提升效率”，要写清楚周期、吞吐量、一次解决率、缺陷率或覆盖率。
- 下游成本是否被计算？ 包括审核、纠错、返工、安全、模型费用、知识维护和人员培训。
- 如果局部速度提高一倍，端到端结果会怎样？ 如果答案是“基本不变”，说明这不是关键瓶颈。
- 收益能否兑现？ 节省的时间是变成更多有效产出、更少加班、更短排期、更少外包，还是仅仅变成了更多会议和材料？
评估时还应设置对照：选择相似团队或相似任务，对比引入 AI 前后的端到端周期、质量和总成本，而不是只让员工填写“是否感觉有帮助”。主观满意度值得关注，但不能替代经营结果。
更重要的是，不要要求每个 AI 项目都证明自己“节省了多少人”。有些项目改善的是质量、覆盖和体验；硬把它折算成人力，反而会诱导团队编造收益。是什么价值，就测什么价值。
结语：AI 不会自动修复一家企业
AI 是一个非常强大的工具，但工具不会自动把一个组织变得高效。
需求混乱的企业，会更快地产出更多需求；数据混乱的企业，会更快地得到更多结论；架构混乱的企业，会更快地生成更多代码；管理混乱的企业，会更快地制造更多汇报。
反过来，一个目标清晰、数据可靠、流程顺畅、工程基础扎实的组织，会借助 AI 进一步拉开差距。因为它知道哪些工作应该交给机器，哪些判断必须由人承担，也有能力快速验证机器的输出。
“AI 提效”需要在具体任务、流程和指标上得到证明。离开瓶颈、质量、下游成本和经营结果谈提效，企业很容易把“产出得更快”误当成“经营结果变得更好”。
大型企业真正要做的，不是逼每个人多用几次 AI，也不是用代码量、调用量和采纳率制造繁荣，而是重新审视整条价值链：哪里在等待，哪里在返工，哪里缺少判断，哪里承担风险，哪里才是结果迟迟无法发生的原因。
找到那个地方，再谈 AI。
否则，我们很可能只是用这个时代最先进的技术，更高效地生产企业原本就不需要的东西。
参考资料
- Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work, NBER Working Paper, 2023。
- Fabrizio Dell’Acqua 等, Navigating the Jagged Technological Frontier, Harvard Business School, 2023。
- Joel Becker 等, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, METR, 2025。
- Google Cloud DORA, Accelerate State of DevOps Report 2024, 2024。
- Google Cloud DORA, State of AI-assisted Software Development 2025, 2025。