AI能让你每天多出两小时吗

昨天发了一篇用AI写公众号文章的完整流程，有朋友看完跟我说了句话，让我愣了一下。

「道理都懂，但我试过AI，反而更慢了。」

这话不是我第一次听到。网上一搜，发现不只是他一个人有这种感觉。甚至有一份挺严肃的研究，直接给出了一个反直觉的结论，AI让资深程序员慢了19%。

这份研究来自METR，一个专门研究AI影响的非营利机构。他们找了16位平均5年经验的程序员，让他们用Cursor完成自己熟悉的代码库任务，修复bug、加功能、重构代码这类日常活儿。实验之前，这些程序员自己预估能快24%。结果呢，用了AI那组，平均比不用AI的慢了19%。

19%。

我第一次看到这个数字的时候，和很多人反应一样，以为搞错了。但仔细看原因，又觉得挺合理。慢在哪儿呢？慢在检查和修正AI给出的代码建议上。AI方向基本对，但细节经常不符合实际需求，开发者得反复确认、调整、测试，花在这个上面的时间，比AI省下来的还多。

METR的作者说了句话让我印象深刻，很多关于AI效率的研究，用的是那种为AI量身定做的测试题，任务简单、上下文清晰、有标准答案。但真实工作不是这样的。真实工作是你面对一个写了三年的项目，几千个文件互相依赖，改一行代码可能影响十个人，这时候AI给你的建议你敢直接用吗？

不敢。所以你要检查。检查就要花时间。花了时间反而更慢。

但问题来了。如果AI真的让人更慢，那微软干嘛还在推？麦肯锡干嘛还在说88%的企业已经用上了？难道全世界都在集体自我欺骗？

当然不是。

微软做了一份迄今为止规模最大的AI生产力调研，覆盖31个国家31000名工作者。他们的结论和METR完全相反，AI的高级用户，每天能省30分钟以上。注意，不是「觉得自己省了」，而是微软通过365应用的实际使用数据算出来的。邮件阅读量减少11%，邮件处理时间减少4%，部分企业甚至减少20%到25%。文档创建数量增加了10%到30%。日均会议减少了0.39场。

一边说慢了19%，一边说每天省30分钟，两个结论都是真的。那区别到底在哪儿？

我觉得核心就一件事，你把AI放在了什么位置。

METR实验里的程序员做的是什么？在成熟的大型代码库里修bug和重构。这种活儿需要你对整个项目有深度理解，知道每个模块之间的历史渊源，知道三年前那个决策背后的tradeoff是什么。这不是重复性劳动，这是需要判断力和上下文的工作。AI干不了这个，它给你的建议方向没错但细节全是毛刺，你修毛刺的时间比从头写还长。

微软报告里省下时间最多的场景是什么？邮件分类、自动起草回复、会议纪要生成、文档编辑、数据整理。这些东西有个共同特点，结构清晰，规则明确，不需要深度思考。你把一封供应商发票邮件转发到财务队列，AI能做到。你让它帮你整理一场两小时的会议录音，两小时的手动记录直接压缩到半小时搞定。虎嗅有一篇文章总结得好，说让AI写文章不如让AI润色文章，你先写完，AI帮你改措辞、修语法、加比喻修辞，这个过程省的时间远比让AI从零开始写要多。

所以AI省不省时间，第一个关键在于用在什么地方。重复性、规则性的活儿，交给AI，没问题。需要深度理解和创造性判断的活儿，你自己来，AI在旁边当个助手可以，别指望它当主力。

但这还没完。选对了场景，还有第二个坑。

微软把AI用户分了两类，只有29%的人成了他们定义的「高级用户」。剩下71%的人呢？试了两次觉得不好用，放弃了。

这个比例很有意思。将近四分之三的人，在磨合期就退出了。

我自己的经验也是这样。刚开始用AI处理邮件分类的时候，前两周简直是灾难。AI把重要客户邮件分到了「待处理」，把垃圾促销邮件标成了「高优先级」，我花在纠正AI分类上的时间比手动分还多。但我忍住了。两周之后，AI学完了我的分类习惯，准确率上来了，从那时候开始，我每天真的省了大概十五分钟处理邮件。

类似的事情发生在每个场景上。AI帮你写Excel公式，第一次可能给你一个有bug的，你调试半天。但第二次、第三次，你学会了怎么跟它描述需求，怎么给它示例数据，怎么检查它给的输出。到第五次的时候，你从「搜教程+试错一小时」变成了「描述需求+调试十分钟」。

这个拐点是真实存在的。我身边至少有三四个朋友，第一次用AI处理工作的时候都觉得不靠谱，后来被我拉着坚持了两三周，现在一个个比我还依赖。但太多人在拐点之前就放弃了，然后把锅甩给了AI。

麦肯锡的报告也印证了这一点。他们调研的企业里，88%说已经在用AI，但真正拿到实质性财务回报的只有39%。那49%的差值去哪了？麦肯锡的说法是，大部分企业「尚未将AI深度嵌入工作流」。翻译成人话就是，大家都在用，但都是浅尝辄止。真正把AI融入到日常流程里，形成习惯的那部分人，确实拿到了回报。

有意思的是，麦肯锡还发现一个「高绩效企业」群体，就是能把自己5%以上的利润增长归因于AI的那批公司。这批公司有个很显著的特征，他们不是在现有流程里「插入」AI功能，而是从根本上重新设计了工作流。而且他们部署的AI用例数量，是普通企业的两倍。

两倍。不是因为他们更聪明，是因为他们试得更多，熬过了更多的磨合期。

说到底，AI就是一个工具。你刚拿到一把新锤子的时候，钉歪的概率比徒手还高。但你不会因此说锤子没用，你会练习，直到肌肉记忆形成。任何工具都是这样，从陌生到顺手，中间一定有一段别扭的过渡期。

那具体哪些事情，AI真的能帮你省时间？结合我自己用的和看到别人用的，几个高频场景。

邮件处理。我现在的流程是，AI自动按类型和紧急程度分类，常规的订单确认、会议回执、状态更新，AI直接起草回复，我看一眼改改就能发。以前每天光是处理邮件就要花四十分钟到一个小时，现在十五到二十分钟搞定。省下来的时间，一天大概十五到二十分钟。

会议纪要。这个变化最明显。以前开两小时的会，整理纪要至少要四五个小时，回想谁说了什么、哪个决策、谁负责什么后续，非常痛苦。现在录音丢给AI，半小时出结构化摘要，关键决策、行动项、负责人、时间节点全部列好。这不只是省时间，是省脑力。

数据处理。以前遇到一个复杂的Excel问题，搜教程、试公式、改参数，一小时起步。现在直接问AI，描述清楚需求，它给你答案加解释，调试一下就能跑。批量重命名几百个文件这种以前要手动干半天的活，一条命令解决。

资料检索和阅读。读一篇英文行业报告，以前查单词、查背景、做笔记，两个小时起步。现在AI帮翻译加总结，二十分钟读完核心内容。写东西之前做调研，AI帮你搜索、筛选、综合信息源，你只需要做最后的价值判断。

外文翻译。读英文资料这件事，以前是真的折磨人，查单词查到想摔键盘。现在AI翻译工具成熟了很多，逐段翻译的效果已经非常自然，读一篇英文长文的时间从两个小时压缩到了二十分钟，里面偶尔有翻译不准的地方，大致看上下文也能猜出来。

可能有人会说，你说的这些我都知道，关键是落地的时候总有各种问题。这个我完全理解，每个场景刚开始用的时候都不顺手。但我想说一个容易被忽略的事实，你不需要一次性把所有场景都搞起来。先挑一个你每天最烦、最重复的那个环节，死磕两周，把它变成AI流程，等这个跑顺了再开第二个。贪多吃不透，一个一个来，反而最快。

保守算一下，这些场景加起来，每天省四十分钟到一小时是完全可以做到的。一年下来就是两百五十到三百个小时。什么概念？全职一个月的工作日才一百六十个小时。相当于你每年凭空多出了快两个月的可用时间。

但这一切有个前提。

你得选对场景。重复性的、规则明确的、不需要深度上下文的工作，放心交给AI。需要创造性判断、深度理解、复杂决策的事情，AI在旁边辅助就好，别指望它当主角。

你得熬过磨合期。前两周大概率是负收益，AI在帮倒忙。但拐点会来，前提是你别在那之前放弃。

你得把AI嵌入流程，而不是当个偶尔打开玩玩的玩具。麦肯锡那个数据说得明白，深度嵌入工作流的企业，回报率是浅尝辄止企业的两倍。

回到开头那个朋友的话。他说「AI让我更慢了」，我没反驳他，因为他说的是实话。但那不是AI的问题，是把AI放错了位置。就像你不会用电饭煲炒菜，不会用洗衣机洗碗，工具得用在它擅长的地方。

AI不是万能的，但在它擅长的那些事情上，它确实能帮你把时间抢回来一部分。至于抢回来的时间拿来干嘛，那就是你自己的事了。

回头我得跟那个朋友说一声，别怪AI慢，先想想你让AI干了什么活。

本文由 AI 辅助编写