ARTICLE · 1061367
满员都在用AI,为什么老板觉得大家更闲了
满员都在用AI,为什么老板觉得大家更闲了麦肯锡这份全球 AI 调研，摆出了一笔对不上的效率账。 整整80%的受访员工说，AI 让自己的工作效率变高了。 可到了公司总账上，只有37%的受访者认为 AI 给所在企业的息税前利润带来了贡献，而且和上一年几乎没动。 一个人变快了，公司却没跟着赚到钱。省下来的时间到底去哪了？ 报告原文： https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai 
大模型不是没用，虽然单点的动作变快，但不等于全链路的利润改善。 过去一年里，几乎所有公司的工位上都在疯狂跑大模型。 员工写周报、润色邮件、拼凑代码的速度肉眼可见变快了。 但在老板和财务眼里，业务没见增长，交付周期没缩短，大家似乎还变得更闲了。 省下来的工时，全被新的内耗吃掉了。 
据麦肯锡报告整理 AI 省下的时间其实全变成了信息通胀 给员工配上 AI 账号，工作不会自动快两倍。 大家只是把原来用来构思的时间，换成了生产废话。 以前写一份产品调研，肚子里料不多，三页 Word 讲清事实就交差了。 现在有了大模型，输两句提示词，一分钟吐出两万字。 写的人觉得特别省事，交上去觉得特别有面子。 但看的人受不了。 领导拿到两万字的汇报，根本没时间细读。 他反手丢进自己的大模型，让它用三句话总结核心观点。 写的人用 AI 扩写，看的人用 AI 总结，中间除了白白烧掉 Token 费用，毫无增量可言。 信息通胀就是这么来的：生成的边际成本被打到零，组织里迅速塞满看似专业、实际空洞的半成品。 麦肯锡调研提到，接近九成的企业都用上了 AI，但大部分停在单兵工具的零散尝试上。 
只有44%真正上了规模 一个人用 AI 把两小时的活压到二十分钟，剩下的时间他不敢直接下班，手头也没有新活可接。 他只能假装很忙。 写更多没必要的长汇报，发更多逻辑严密的推诿邮件。 摸鱼变成了一件需要高频敲键盘的技术活。 隐形的协调税吃掉了所有人省下的工时 不仅摸鱼变忙了，部门间的协作节奏也被打乱了。 麦肯锡在《Cutting the coordination tax》这份报告里，讨论的就是团队在反复沟通、确认和审核上花掉的时间。 过去两个同事协作，一个提方案，一个挑毛病。 因为手动写方案很慢，写的人会反复掂量可行性，拿出来的东西至少过脑子。 现在一个人半小时能让 AI 搞出五个不同方向的方案，直接甩进协作看板让人对齐。 协作的瓶颈，瞬间从生产端转移到了审查端与验证端。 所有人都在用大模型单点加速，最后的结果是下游和中层被海量未经验证的初稿彻底淹没。 麦肯锡那份报告按职级拆过一组数据，中层确实成了最尴尬的承压层： 说自己批判性思考变弱的，中层占20%，老板那层只有9%。 对往后的职业路心里更没底的，中层19%，老板6%。 被迫接下更多活的，中层18%，老板12%。 同一套工具发下去，老板翻的是效率报表，中层翻的是一屏等着核对的 AI 初稿。 
上半截是好处，下半截是代价 这事我自己做产品时也踩过坑。 团队里大家换上最新的编程工具，代码生成速度翻倍，合并请求一条接一条地提。 结果到了周五上线，系统的暗坑不降反增。 很多逻辑看着挑不出毛病，跑到边缘场景全卡住了。 写代码的人省下了时间，审代码的人被逼得天天加班。 这带来了一个很现实的利益冲突： 员工用 AI 省下了时间，客观上却给下游同事制造了更大的校验负担。 这种情况下，团队到底该不该给这些提效员工发奖金？ 真正赚到钱的那6%推倒了旧工作流 报告里最值得研究的数据，是那一批被称为高绩效者的企业。 在所有受访企业里，能把 AI 对利润的贡献做到5%以上的公司，只有可怜的 6%。但这6%的赢家，和其他企业之间隔着一道巨大的鸿沟。 统计显示，这6%的企业里，接近四分之三彻底重构了业务工作流，去年这个比例还只有 55%。 而在普通企业里，这么做的只有 25%。 
据麦肯锡报告整理 给旧马车插上火箭助推器，它变不成航天飞机，只会当场被震散架。 绝大多数企业落地 AI，走的是挂件路线。 原有的工序一步不动，依旧是A做完发给B，B改完发给C；只是在工位上多装了个聊天窗口。 这种做法除了多交几笔软件年费，根本动不了运营成本的根基。 真正赚到钱的那批企业，做的是端到端重排。 报告里还记录了一个变化：32%的企业至少砍掉了一笔软件采购，可能是整个产品，也可能只是里面某个功能。 砍掉的那部分，改用编程智能体在内部自己搭。 企业软件按人头买席位的旧采购模式，正在被撕开裂口。 大家都在想办法甩掉臃肿的外包，把符合自己流程的轻量工具攥在手里。 
技术行业最高，占41% 把AI接进业务别先买单兵账号 写在最后 翻完麦肯锡这份报告，我最直观的感受很朴素： AI 治不好组织的内耗，它只会把原来要花三天憋出来的废话，在三十秒内喷成一本厚厚的白皮书。 如果一个团队目标不清、层级繁冗、人人都在争抢地盘证明存在感，大模型能做的就只有推波助澜。 看着工位上的员工热火朝天敲着键盘，老板觉得大家更闲了，员工觉得自己被折腾得更累了。 先别忙着考核谁的提示词写得好，也别逼大家在周报里交差。 低头看看手头那条跑得最慢的业务线，问问自己： 
敢不敢先动手，把中间那两个负责复制粘贴的审批节点给砍了？ 
关注AGI杂物箱，让AI成为你的稳定红利
光给每个人发个 AI 账号、组织两次提示词培训，工作未必就顺了。汇报写得更快，下一个人却可能看得更累。
帮企业落地 AI 的过程中，我把避开这类内耗的经验整理成了三条：
1. 找一件反复做、好检查的事
挑一道重复多、需要两个人交接的工序，比如把报销单整理成固定格式，或把各个渠道的用户报错分好类。结果对不对，最好一眼就能判断。
2. 把交接要求说清楚，让系统直接传
约好交进来什么、交出去什么、用什么格式，让结果直接进入下一道工序，省掉人工复制到表格、再转发给同事的动作。
3. 人负责查错，合格的直接往下走
先把结果查稳，再逐步改成抽检，重点处理报错和异常。已经符合要求的，就不用再安排人从头改一遍。
AI 干完的活，得能省事地查出对错。如果检查、返工比自己做还费劲，生成得越快，后面的人就越忙。