AI开始跨软件干活,省下的时间为什么还没到你手里?

上午十一点，你把原本要做一天的材料交了出去。不是敷衍，内容检查过，格式也没问题。按理说，下午应该属于你了。

但你不能走。很快，新的消息来了：既然这么快，再补一个竞品对比；既然AI能做，再多出三版；既然材料已经有了，顺便做成演示稿。

这是一个假设的办公室场景，却能用来检验一句听上去没有毛病的话：工具提高效率，人就会更轻松。中间那一步，真的会自动发生吗？

9月23日，Google宣布向Gemini陆续接入一批新的连接应用，涉及项目管理、创作等场景，名单包括Airtable、Linear、Adobe等。消息的意义不只在于又多了几个入口。AI正在从聊天窗口往工作现场走，试着碰那些原本分散在不同软件里的任务。

这当然值得关注。过去你要自己来回搬运内容，以后其中一些步骤可能交给AI。但我更在意另一个问题：当点击、复制、整理都变快了，你究竟少了工作，还是只获得了更快接收下一份工作的能力？

软件能连起来，工作未必连得起来

设想一个每周都要交经营报告的人。订单在一张表里，费用在另一张表里，客户进展散在聊天记录中。星期五一到，他开始下载、复制、改格式、核对，最后把结论拼成一份汇报。

站在软件演示的角度，这份工作很适合自动化：拿到数据，合并表格，生成图表，再写摘要。看起来，只要把几个应用接通，整个下午就能省下来。

可真到交报告的时候，麻烦常常不在按钮上。退款算在哪一天？老客户本月补交的款，要不要计入本月获客效果？一家门店停业半个月，还能不能直接拿总额与正常营业的门店比较？

这些都不是文件格式问题。它们决定了同一组数字会讲出怎样的故事。口径不同，一份报告可以得出应该追加预算的结论，另一份则可能认为必须止损。图做得再漂亮，也替代不了这个判断。

所以，跨软件连接解决的是一部分搬运，不是所有理解。某个系统里的“成交”，未必等于另一个系统里的“到账”。字段能匹配，不代表事情已经说清楚。

如果团队过去就没统一过口径，自动化最先带来的，甚至可能是争论提前了。以前周五下午才发现对不上，现在上午九点就发现了。更早暴露问题是好事，但不能把它算作AI已经替你解决了问题。

真正值得做的准备也因此不太像技术工作。先把经常吵不清的几个词写明白，把例外情况列出来，把最终采用哪种口径的决定留在可以查到的地方。等这些有了共识，连接工具才有机会把人从重复劳动里放出来。

省下的时间，不一定属于做事的人

假如上面的问题都解决了，AI真把一份报告从四小时缩短到一小时。这三个小时会去哪儿？至少有三种可能：员工早点结束工作，团队多完成一些有价值的事情，或者只是多生产几份没人认真看的材料。

技术本身不会替你选择。选择权在工作安排和考核方式里。

如果一个岗位的要求是完成约定成果，提前做好就可以结束，那效率提升很容易变成个人时间。如果要求始终是坐满一天，而且空下来就意味着还能加任务，那么工具再快，剩余时间也会被重新填满。

这并不意味着企业不该要求更多产出。相同资源做出更多有用的东西，本来就有价值。问题是，多出来的东西有没有人用，是否值得做，有没有改变业务结果。三份可执行的方案与三十份措辞不同的方案，不是同一回事。

生成成本一降，提出需求会变得很轻松。“再来一版”不用思考多久，接收的人却仍然要读、要比较、要判断。制作环节省下来的时间，可能被转移到了会议和审阅环节。最后大家手上材料更多，决定反而更慢。

对负责人来说，一个比购买工具更重要的动作，是明确哪些工作可以取消。旧报表有没有必要保留？同样的进度为什么要在三个地方重复提交？没人据此作出决定的周报，还需要每周生成吗？

如果这些问题不碰，只给每个人配置一个更快的助手，组织也许会变成一家产量很高的文件工厂。文档不断增加，真正需要解决的事情仍然排在队尾。

对个人而言，也要区分“我做得更快了”和“我能支配更多时间了”。前者是能力变化，后者需要工作边界支持。把两个目标混成一个，很容易买了工具、学了技巧，最后却只得到更密的任务列表。

最贵的一步，可能是最后的检查

还有一种忙，藏在“帮我做好”的后面。AI给出了完整成品，你却不敢直接交。于是逐段看、逐个数核对、每条链接都打开。工具用了半分钟，你检查了一个小时。

这不能简单归结为人不愿意相信AI。一个结果是否能放心使用，取决于出错的后果和检查的难度。会议纪要里漏掉一个修饰词，与客户报价单上多写一个零，不能用同一种标准处理。

越像成品的错误，有时越难发现。空白单元格会让人停下来，填着一个很合理的数字却容易被放过。流畅的文字也一样：一句没有出处的判断，放进完整的段落里，就可能被误当成已经核实的事实。

因此，评价自动化效果，不能只看它生成用了多久。还应当把准备材料、检查、纠错，以及出错后处理影响的时间算进去。只记录那几十秒，会让节省看起来比实际更大。

比较踏实的办法，是先找一段结果容易验证的流程。比如从一份明确的订单表生成内部汇总，保留原始记录的位置，让金额可以加总回去，让异常项单独列出。需要人判断的部分不硬填答案，而是留给负责人处理。

相反，如果一个任务必须依靠大量背景知识、输出对外承诺，而且出了问题不容易撤回，就不适合一开始全部交出去。先生成候选内容、先放进草稿，再由人决定是否发送，并不丢人。

这也能解释为什么有些自动化演示十分惊艳，实际用起来却不省心。演示负责跑通一次，工作需要在不同材料、不同时间、不同异常下持续交付。前者证明能做，后者才决定值不值得依赖。

别把自己的工作方法一起交出去

应用越来越多地连进一个AI入口，还有一个容易被忽略的变化：你可能逐渐习惯只在这个入口里安排工作。资料怎么找，结果往哪里存，事情按什么顺序做，都围着它组织。

便利是真的。风险也不必靠想象什么宏大阴谋来解释。只需要问几个普通问题：连接临时不可用怎么办？某个功能改变了使用条件怎么办？换一个工具以后，原来的流程还能接着用吗？

这里谈的是使用连接型工具时应考虑的普遍问题，并不是说上述产品已经发生了这些变化。只是当一个入口承担的任务越来越多，入口本身就会变成工作的一项依赖。

最值得留在自己手里的，不一定是某句据说很厉害的提示词，而是你对这份工作的定义：用哪些资料，按什么口径，什么结果算合格，哪些例外必须交给人。

这些内容最好能单独保存，换工具时也拿得走。原始资料有自己的存放位置，最后成果有可导出的版本，关键决定有记录。这样做不影响享受便利，却能减少将来重来一遍的成本。

权限也应该跟着具体任务走。让工具整理文件，与允许它替你向客户发送承诺，是两回事。希望它少问几次，并不等于希望它在所有事情上替你拍板。

边界明确的自动化反而更容易持续运行。它知道哪些步骤可以直接完成，在哪些地方必须停下来；人也不用因为担心越界而盯着每一个动作。放手不是不管，而是不必每次从头解释该管什么。

想靠AI少上班，先看自己在卖什么

如果你关心的不只是把班上得轻松一点，而是将来能不能少依赖一份工作，那么这个问题还要往下问：工具替你省下的劳动，能不能变成别人愿意持续付费的结果？

会用AI写文章，不等于有人愿意为你的文章付钱；能批量做图，也不等于有人需要那些图。生产门槛降低以后，提供类似内容的人也更容易增加。便宜、快速当然有用，但未必足以构成稳定的收入理由。

更具体的价值通常藏在某个真正的麻烦里。一个经营者不是缺十张图表，而是不知道下个月该把钱投在哪里；一个内容团队不是缺一百个标题，而是需要有人分辨哪些题目值得投入、哪些事实还没有核实。

AI可以帮助做其中很多步骤，但任务为什么值得做、成果是否解决问题，仍然需要有人负责。把工具的能力直接当成业务，是最容易跳过需求验证的一步。

这并不否认自动化能支持副业。相反，它可以降低试错时的劳动投入，让一个人有机会服务过去顾不过来的客户。只是起点最好是一件有人明确需要、你也能判断质量的小事，而不是先搭一套每天自动生产内容的系统，再等需求出现。

还有一笔账不能漏：找客户、沟通需求、修改、维护，都会占时间。一个交付流程自动了，不代表一门生意自动了。如果收入只覆盖了制作，却没有覆盖这些持续发生的工作，表面上离开了固定岗位，实际上可能只是换了更零碎的上班方式。

所以，值得保留的优势不是“我也有一个AI”，而是你熟悉什么问题、能判断什么结果、愿意承担哪部分责任。工具能让这种优势更容易交付，却不能凭空替你创造它。

先把一个下午真正拿回来

Google这次更新提醒我们，AI离具体工作又近了一些。但从接通应用到让人轻松下来，中间仍然隔着口径、检查、权限，以及谁有权安排剩余时间这些问题。

它们没有新功能那么容易演示，也不太适合写成让人激动的口号。可多数人的工作体验，恰恰由这些不起眼的安排决定。

下一次尝试自动化，不妨给自己一个很具体的验收条件：找一项每周重复发生的工作，记录原本要花多久，再把准备、检查和修改一起计时。连续做几次，看看真正少掉了什么。

如果省了时间，就把这段时间明确安排给一件原本没有机会做的事。可以是处理更难的问题，也可以是学习、休息。别让它在新的表格和无意义的版本里悄悄消失。

我不认为衡量AI的最好问题是“它今天又能做多少事”。对一个已经很忙的人来说，更实在的问法是：用了它以后，我有没有一件事情终于不用再操心？

如果答案总是否定的，那值得调整的，可能不是下一句提示词，而是这份工作被安排的方式。

来源：Google官方博客：A new wave of Connected Apps is rolling out to Gemini（2026-09-23）

产品动态依据Google官方公告，其余为分析与假设场景，不代表产品实测；具体功能以实际账号可用范围为准。