七亿人用 AI,交活的是少数

上周四晚上九点，杭州一家电商公司的产品运营李昭，在工位上把一份渠道调价通知改到第三遍。

这份通知原本十分钟就能写完。她让 AI 起草，AI 给她编了一串数据。她翻出去年双十一的旧通知，一条一条改回来。

改完，她在周报里补了一行字，AI 辅助撰写。

今年三月，她所在的公司把 AI 用量写进了 OKR。双月会上领导挨个问，你上周用 AI 解决了什么。答不上来的，会后被主管私聊。

组里还挂着一张使用量排行，行政每周导出数据，发到群里。

那段时间，用 AI 不是为了干活，是为了别在榜上掉队。

她问排第一的姑娘有什么诀窍。对方说，睡前让 AI 帮着写全年规划，跑完也不看。

李昭照着学。每天一到工位，先让 AI 跑竞品监控，自己去刷一会儿短视频。

01

一台电脑，两套账

六月，风向变了。不看用量，看产出。周报里必须写出 AI 提效案例，还得带上数据。

于是有了那份改到第三遍的通知。

同一个模型，在同一个工位上，干出了两种活。

上午那半小时，它是表演。上周那十分钟，它是真的。

上周她收到四十多条客服投诉，让 AI 按问题类型分张表，十分钟出了结果。开完会大家刚走到工位，她这边的会议纪要已经发进群里。

她说自己摸出一套笨办法。工位两台显示器，左边跑 AI，右边干活。AI 跑第一块的时候，她写第二块的要求。等第二块跑起来，再回头检查第一块。

AI 跑得快慢没准，三十秒和一小时都有可能。屏幕切来切去，一天下来很累，又说不出累在哪。

后来她给工作分了类。做 A 的时候坚决不用 AI 做 B，润色这类小活攒到一起，每天抽一两个小时集中处理。

她不是不会用。她是被两套验收标准推着，用了同一种工具的两种活法。

这套表演有它的标准动作。深圳一家企业的活动策划小楠说，公司把 AI 使用率写进绩效，达不到 70%，绩效扣 20%。同事开始给不重要的场景也做 Skill，起个厉害名字，汇报时拿出来展示。做出来的东西，没人用。

AI 还在制造新的工作量。领导看完方案，会再交给 AI 审一遍。AI 提一堆意见，团队逐条检查、解释、修改，改到最后也未必更准。

李昭最近也收到新任务，每人交一份 AI 使用心得。她看了领导发在群里的汇总文档。都是 AI 总结的 AI。

02

七亿人在用，多数停在问答

中国互联网络信息中心 9 月 29 日发布的《生成式人工智能应用发展报告（2026）》给出一个分水岭数字。截至今年上半年，中国生成式 AI 用户规模突破 7 亿人，普及率超过 50%。

人民邮电报 10 月 29 日的解读把这个节点叫作从尝鲜期进入常用期。按创新扩散理论，一项技术被半数人接受，就说明它进了日常用品那一栏。

常用，不等于用深。

同一份报告里，76.0% 的用户说会让 AI 回答问题。用它生成处理图片和视频的占 47.8%，处理文本的 37.6%，写工作总结、会议纪要、PPT 的 32.5%。生成处理代码的只有 10.8%。

问答排第一，不奇怪。值得看的是它和第二名之间那段距离。

从入口也能看出这种随意。同一份报告里，36.1% 的网民使用手机内置的 AI 小助手，35.5% 用移动端 AI 应用，29.2% 用 App 里的 AI 插件，电脑网页版只占 15.6%。多数人是在刷手机时顺手问一句，不是在电脑前专门干活。

用户使用生成式人工智能服务的目的｜来源 中国互联网络信息中心《生成式人工智能应用发展报告（2026）》第 8 页

七亿人手里都攥着一个更聪明的搜索框。把它当同事用的人，还是少数。

03

增速已经分叉

看增量，分野更清楚。

QuestMobile 今年 7 月的数据显示，AI 搜索引擎的月使用次数比去年同期只涨了 9.9%。同一段时间，AI 综合助手涨了 162.8%，AI 出行助手 123.8%，AI 效率办公 112.4%。

搜索几乎原地踏步，助手和办公翻了一倍还多。7 亿人的池子里，一边是有人在搜答案，一边是有人在派活。

各类 AI 应用月均使用次数同比变化｜数据 QuestMobile TRUTH 人工智能洞察数据库 2026 年 7 月，经 CNNIC 报告表 1 整理

AI 本身没有温差。温差在验收它的人手里。

一个团队把考核盯在有没有用，成员就把力气花在证明自己用了。盯在活有没有变好，力气才会落到活上。

李昭的组里两套标准都试过。三月到五月考用量，结果是一群人睡前挂机刷数据。六月改考产出，才有了那十分钟出表的真活。

同一个组，同一批人，同一套模型。考核的尺子换了，产出的东西跟着换。

04

培训只发给少数人

这也不是中国办公室独有的毛病。

PwC 9 月 29 日发布的《2026 全球劳动力希望与恐惧调查》，问了 48 个国家和地区近 5 万名劳动者。这次调查在 2026 年 5 月和 6 月进行，覆盖 29 个行业。过去一年用过 AI 的占 64%，比上一年高十个百分点。每天用的人从 14% 涨到 22%。

但说自己拿得到学习和培训资源的比例，从 59% 掉到 51%。

报告把劳动力分成四组。前沿者 14%，AI 创新者 18%，不可替代者 11%，剩下的 56% 被叫作发动机舱。日常运转靠这群人扛，AI 却学得最浅。

这 56% 里，只有约四成说自己拿得到需要的培训资源。

全球劳动力四类分组与培训资源获取情况｜数据 PwC《2026 全球劳动力希望与恐惧调查》，2026 年 9 月 29 日发布

工具发给所有人，培训只发给少数人。温差是制度造出来的，不是天赋。

表演也不分国界。商业情报公司 Visier 参与的一项调查里，1000 名美国全职员工中有 48% 承认，自己对同事或上级夸大了 AI 的使用频率或专业程度。

李昭那条周报也有个海外版。把让 AI 转写半小时会议录音写成搭建语音信息结构化流程，这条后来被评为优秀案例。

05

八十年前，工厂也等过一轮

这套剧情不新。

1987 年，经济学家罗伯特·索洛写过一句被引到现在的话。你到处都能看到计算机时代，唯独在生产率统计里看不到。

再往前几十年，电进工厂时也一样。电机装上了，车间还是老布局。皮带传动换成每台机器自带电机，账面上的生产率却没怎么动。

真正涨起来，是工厂把设备按电力重新排过一遍之后。机器搬了家，流程拆了重装，效率才冒出来。经济史学者保罗·戴维算过这段滞后期，差不多四十年。

技术到货，和效率到货，中间隔着一场重排。

AI 正在走同一条路。把对话框挂在旧流程上，产出不会自己变好。得有人愿意把活儿拆开，重新判断哪一段交给它，哪一段必须自己扛。

七亿人在用，这件事已经没什么可讨论的。剩下那道题很土，你手里这台机器，今天到底替你干完了哪件事。

工具发到手里只是开场。真正的差别，是你肯不肯为它重排一遍自己的活儿。