人人都在用AI提速,公司为什么没变快?

这两年我用AI省下来的时间，加起来够我多干一倍的活。不只是我，办公室里每个人都是这样。

可我盯着公司这两个季度的交付，问题就来了：每个人的速度都上去了，整个公司的速度纹丝不动。

我写完一份方案的正文，半小时搞定。然后呢，开始等。一层一层对齐，一轮一轮确认，一个项目卡在“等某个人回消息”上能停三天。

你快了没用，上下游没快，整条链路还是堵的。

后来我想明白了。这两年AI都在把单个人变成超级个体，可公司的效率瓶颈从来不在单个人身上——在协作。

01 大家都变快了，加起来却没变快

这不是我一个人的感受，是今年整个企业圈最扎心的一组数据。

麦肯锡8月发布的《2026年人工智能现状》报告里有两个数字，放在一起看特别刺眼：80%的受访者认为AI提高了个人生产力，但认为AI对组织息税前利润有贡献的比例，和一年前基本持平——只有37%。

个人效率的涨幅是实打实的，组织层面的回报基本原地踏步。

这不是个例。全球内源基金会董事谭中意说得更直接：AI工具蓬勃发展，个人效率被拉满，但组织内部效率却几乎没有变化，原因在于组织内所需要的工作上下文没有被高效流动和消费。

模型和智能体可以采购，高质量的上下文却稀缺又昂贵。企业不是没有知识，而是大量知识分散在不同部门和业务流程中，知识没有被共享，组织效率卡在了上下文。缺乏上下文的智能体，是被蒙住眼睛的天才，空有算力却看不到全局。

再看看更扎心的。

一项针对近6000家企业的调查里，89%的高管表示过去三年AI对劳动力生产率没有任何影响。而另一份来自丹麦的收入数据研究更狠：聊天机器人的普及，最终导致员工的收入和工时在统计上毫无变化，员工自己估计省下来的时间，平均只有工作时间的2.8%——一周大约67分钟。

67分钟。听起来不少，但这还只是账面上毛的。

02 你省下的时间，都去哪了

这里有个特别有意思的发现：AI省下的时间，不是消失了，而是漏掉了。

研究把这件事拆成了三个漏洞。

第一个漏：验证

AI生成的东西看起来对但其实不对的时候，你就得花时间去核对。Workday的调研里，85%的员工说自己每周省下1到7小时，但同一份数据估算，其中大约37%的时间被花在了纠正、澄清、重写AI输出上。只有14%的员工认为自己能持续获得清晰的净收益。

第二个漏：成本转移给了同事

这个漏洞最狠。

斯坦福和BetterUp搞了个词叫“workslop”，专门指那种看起来很精致、但没有实质内容、根本推不动事情往前走的AI产物。调研数据显示，受访者平均每遇到一次workslop，要花1小时56分钟去处理，折算下来每人每月大概186美元。1150名受访的案头工作者里，约40%说自己上个月收到过workslop。

这里有个可以直接拿去用的判断，我把它叫做回本规则：如果一个捷径给发送方省的时间，小于接收方清理它花的时间，那它对公司来说是净亏损。

按丹麦研究那个67分钟的平均值算，一个人一次workslop，抵消掉将近两周的节省。你的工时表上写着赢了，公司的账上是亏的——这就是为什么“省了多少小时”这种调研，压根测不出这个问题。

第三个漏：省下的时间变成了更多活

伯克利的研究者在一家200人左右的科技公司做了八个月的跟踪，发现结果是：AI没有减少工作量。人们做得更快了，接管的活更宽了，工作被拉伸进一天里更多的时段。

研究里有个特别心酸的细节：因为AI能在后台处理，人们把早就推掉的、原本懒得做的活又翻出来做了。同时并行跑好几条AI任务，一边审代码一边起草文档。

访谈的员工说，感受是——每一刻都觉得自己更强了，但回头看一整周，更忙了，也更没力气断开连接了。

有个词比“中层蒸发”更早到来，叫“中层失灵”。不是中层不干活了，是开始不做判断了。这背后是人性的博弈。

03 真正卡住公司的，不是效率，是上下文

回到最开始那个问题：为什么所有人快了，公司还是不快？

答案其实特别朴素：大部分知识工作的产出，不受个人任务速度限制，它受协作速度限制。

一份方案从想法到落地，要等谁批、等谁确认、等哪个环节先跑通。这段时间里，所有人都很忙，但整条链路是停的。你的刀工练快了三倍，菜还是一道一道地传，单子还是压在传菜口。出餐速度没变。

这就是为什么单点式的AI工具帮不上公司层面的忙。它解决的是“你”变快的问题，而公司卡住的地方，是“你们”之间那些说不清、传不动、对不齐的东西。

有研究把这称为上下文缺失：企业AI落地的解法，不是制造新知识，而是把已经有的知识，重新组织成可流动、可消费的上下文。

企业AI如果只停留在点状的聊天窗口里，没有融入业务流程，实际上只是在重复信息化时代的老问题，制造数据孤岛与信息化节点孤岛。点状的生成式AI能力，无法取代业务流程管理领域长期积累的方法论。

这句话说得很重，但很准确。

而且这里还有个反常识的坑：AI在越需要经验的地方，帮你越少，甚至越负。

一项覆盖5179名客服的研究发现，AI让新手和低技能员工的每小时处理量提升了34%，但对资深员工几乎没有影响。另一项758名顾问的预注册实验里，AI让用户在能力范围内的任务上多完成12.2%、快25.1%，但遇到超出AI能力的任务时，答对的概率反而低了19个百分点。

而METR那个最有名的开发者在实验里，16位资深开发者以为自己快了20%，实测慢了19%，平均高估超过40个百分点。

翻译一下：AI帮的是没有上下文、且检查很便宜的人；它坑的是有深度上下文、但检查很贵的人。

你让一个二十年的老法师去看AI写的方案，他第一眼就能看出问题在哪——但他得一个字一个字读完才能确认。这个成本，比他自己写还高。

04 所以接下来会发生什么

把上面这些串起来，未来的走向其实挺清楚的。

第一，个人层面的超级个体还会继续增加。 新手和知识工作者的效率提升是真实的，不需要怀疑。

第二，企业层面的分化会拉开。 那些把AI真正接进业务流程、把散落的知识组织成上下文的组织，会拿到回报；停在聊天窗口里的，不会。

第三，能被重新组织的，不只是工具，还有协作关系本身。 这才是真正值钱的部分。

前几天我拿到了一个新鲜东西的体验资格——万有无界的公测，阿里云出品的，定位是企业级的人与Agent协作平台。

注意这几个关键词：企业级，协作。

它解题的角度，和我之前用过的所有AI都不一样。别的AI在帮“你”变快，它在帮“你们”变快。打开之后第一印象不是聊天框，更像入职——因为你不是在跟一个工具对话，你是在给一个新同事派活。

这个区别很关键。工具是等你来用，人是等你分工。

至于它到底能不能接住前面说的那些问题，我还得再用段时间才有资格下判断。但至少，它把问题问对了。

05 这两年最值钱的一句话

AI把个人变成了超级个体，但公司的效率瓶颈，从来不在个人身上，在协作上。

你的刀工快了三倍，菜还是一道一道传，单子还是压在传菜口。

想清楚这件事，你才知道自己该练什么、该找什么。该练的那部分，AI能帮你；卡住你的那部分，只能靠新的协作方式去解。