ARTICLE · 1279078
企业买了十几个AI工具,为什么效率还是没有提高?
“任何一项技术用在企业里，第一条规则是：用在高效的流程上，效率会被放大。第二条是：用在低效的流程上，低效也会被放大。” —— 比尔·盖茨 |
一家做小家电的公司，上个月发了一篇新品推广文案。
这篇文案的初稿，市场部用 AI 写的，用了 40分钟。
但你知道这篇文案从提出需求到最终发出去，花了多长时间吗？
12天。
40分钟的活，走了整整12天。
在这12天里，真正在写和改的时间加起来不到一天。剩下的大部分时间，这篇文案都在“漂流”：等主管确认排期、等设计出图、等老板出差回来签字、等渠道档期……
一篇稿子快了，但一件事，一点都没快。
这绝不是个例。
01 为什么你买了十几个AI，利润表却毫无波澜？ |
这种落差，几乎是过去一年多里所有老板的共同心病。
2023 年 7 月，麻省理工学院的研究者在《科学》杂志上发过一项实验：453 名做市场、咨询、数据分析的职场人，各做两件本职写作任务。能用 AI 辅助的那一半，用时少了四成，质量评分还高了 18%。
换算一下：两小时的活，一小时出头做完，质量还更好。
单看工具，它是绝对有效的。写初稿、整会议记录、翻译、把散乱的资料归类，交给它，快得看得见。
但公司层面的数字，永远是另一回事。
全球知名的管理咨询机构麦肯锡做过一项调查：将近九成的企业至少在一个部门用上了生成式 AI（也就是大家常说的，像 ChatGPT 这样能直接帮你写文章、画图的 AI）；但超过八成的受访企业说，这项技术还没有给公司利润带来看得见的影响。
“AI 有没有用”和“公司有没有变快”，其实是两个问题。
因为省下来的时间并没有凭空消失。它还在这家公司里，只是从“干活的人手里”，换了个位置，卡在了流程的死胡同里。
02 把那12天摊开，时间究竟漏在了哪？ |
想知道时间去哪了，我们把那篇文案的 12 天摊开看看：
第 1 天上午：初稿写完，发给主管。
第 2 天下午：主管提了两条意见，改完，转给设计。
第 3 到第 6 天：设计部门排期排不上，压着。
第 7 天：图文凑齐，送老板签字。不巧，老板出差了。
第 10 天：终于签完，发给渠道。
第 12 天：渠道的档期，终于排到了。
在这 12 天里，AI 负责的“40分钟写初稿”，在整个链条里连千分之三的比重都不到。
摊开来看，公司里的时间其实只有两种：一种叫干活：写、改、画、排。一种叫等待：等确认、等排期、等签字、等档期。
而等待，永远比干活长得多。一份合同起草两小时，走完审批七天；一张图做半天，等对接人反馈三天。老板感觉到的那个“慢”，全死在这些缝隙里。
微软当年的工作趋势指数统计过：员工在办公软件里，57% 的时间用在了沟通上——开会、邮件、聊天；真正用来创造的只有 43%。
时间的大头，本来就不在干活上。
不仅如此，AI 甚至还制造了“新型堵车”。
当市场部用 AI 把初稿产出速度提高 3 倍时，审核的那个人还是老样子。结果呢？前面产出变快了，后面审核的队伍反而排起了长龙，积压得更厉害了。
具体来看，时间主要漏在三个地方：
交接的断头路：文案在市场、设计、渠道之间走了四站，每停一站就要重新排队。AI 只在市场部那 40 分钟里发了威，后面的每一站，它都够不着。
无人敢用的确认：主管看稿 10 分钟，老板签字 10 分钟，但这 10 分钟什么时候发生，不由写文案的人定。AI 出了东西没人敢直接用——合同初稿让法务逐条看，报表让财务逐行对，复核的量跟自己做差不多，等于没省。
隐形的数据搜集：设计要画图，参数表散落在三个微信群、两张 Excel 表、一个邮箱里，光是把材料攒齐就花了大半天。这一步没人算进“提效”里，但每次做活动都要来一遍。
这些漏时间的地方，全都不在 AI 工具的界面上。
03 一百年前，电机也走过同一条路 |
这些工具够不着的地方，一百年前的人其实也被狠狠绊住过。
在 1880 年代，电动机刚刚进入工厂。当时的工厂主觉得新鲜，直接把它装在了原来蒸汽机的位置上——传动轴还是那一根，车间还是那个布局。
结果呢？生产率几乎没动。电早就有了，但效率足足等了三十年才来。
为什么？因为电动机不是装上就能见效的。直到三十多年后，历史才真正发生改变：车间围着电机重新排布，一台机器配一个电机，工序按电机的节奏重排，传送带把上下游死死串联起来。
经济学家保罗·戴维在研究这段历史时指出，1919 到 1929 年，美国制造业每工时的产出涨了 72%，连续十年高速增长。而在此之前二十年，电动机早就进了厂房，产出数字却几乎没动。
用今天的商业语言来讲就是：设备换了，流程没换。
现在的 AI 工具，就是当年的那台新电机。它被兴冲冲地买回来，插在了原来破旧的插座上——主管还是那个主管，审批还是那道审批，部门之间的壁垒还是那堵墙。
04 怎么破局？先量一条链，再谈真提效 |
如果你不想让公司的 AI 预算打水漂，现在该怎么办？
改流程之前，先拿尺子量。
测量的时候，不要看单个环节快了多少，而是要看整条业务链：同一个需求，从提出到交付，以前一共用几天，现在用了几天。
在此基础上，去抓四个比总时长更能说明问题的指标：
返工率：交出去的东西，接收方还要大改多少？
停滞时间：从提交到有人接手，中间白白空了多久？
退回率：卡在某个节点被打回重做的有几个？
质检合格率：抽查的时候，一次性过关的有几个？
如果总时长没变，但接收方要补的活变少了，说明流程在变好；如果总时长没变、补的活也跟以前一样，那就说明这工具只是让某个员工偷懒轻松了一点，公司整体一点没变。
量出问题在哪，就知道该动哪里了。
落地时，千万别一上来就把十几个工具全买齐、全打通。
挑一条最核心的业务链去试。这条链必须满足四个条件：高频、耗时、容易出错、且这条链上的人能真切说出哪里难用。
不高频，省下的时间抵不过改造的麻烦；
不耗时，单次本来不费工夫，天天走也省不出效益；
不容易出错，大家就懒得改；
没有人反馈，你永远拿不到真实数据。
挑好之后，把这条链彻底走通：从提需求到最后交付，每一步谁接、交什么文件、做到什么标准算合格，死死定下来。
一条链走通了，再去复制第二条。
最后的话
技术本身没有错，AI 的确足够强大。
但真要想让钱花得有声响，老板们必须清醒地意识到：工具买得再多，买来的也只是“个人效率”的加速器；而企业要的利润，永远来自于“组织流程”的重构。
别再盲目攀比买了多少个 AI 账号了。
今天下班前，不妨拿出一张纸，把你们部门最近最常跑的一条业务流程从头到尾画一遍。
画完你会发现，真正卡住公司脖子的，从来不是员工笨不笨，而是那条生锈的传动轴。
