夜雨聆风最近我们内部算了一笔账。
如果 AI 真的放开用，在开发岗位上，一个人一个月新增的 AI 成本，可能会到 6000 元左右，每个人每个月至少多 6000 的成本。
这个数字不小。
但更关键的是，它带来的产能提升，不是 20%、30%，而是让一个人接近过去 两三个人的工作量。
这个判断是我们自己作为一家软件开发公司，在真实项目、真实交付、真实协作里一点点切实感受到的。
尤其是开发场景、投标场景。
一个人带着 AI 写代码、拆需求、查资料、做方案、排查问题、优化结构，和完全不用 AI 的工作状态，已经明显不是一个效率层级。甚至两百来页的标书，针对性从零到一地写，只要一个下午。
所以问题就变得很现实：
在千行百业，如果一个员工月薪 6000 元，再给他配 6000 元 AI 预算，他有没有可能干出过去两三个人的大部分工作量？
这个问题听起来有点残酷，但企业一定会算这笔账。
因为企业每天面对的不是抽象的技术进步。老板每天睁开眼看到的，是工资、社保、管理成本、交付周期、客户满意度和最简单直接的现金流。
过去三个 6000 元员工，表面工资是 18000 元。加上五险一金、办公、设备、沟通和管理成本，真实支出可能接近甚至超过 3 万。
如果未来一个 6000 元员工，加上 6000 元 AI 工具和一套稳定工作流，就能完成两个人甚至三个人的大部分工作量，企业不可能不重新评估用人和组织方式。
对一些行业来说，这甚至会慢慢变成生存问题。
这件事残酷，但现实。
AI 最先改变的，未必是某个岗位是否会消失。它更可能先改变企业对“一个岗位应该产出多少”的判断。
以前企业招一个普通岗位，要求可能是执行力可以、基础能力扎实、愿意学习。以后企业会多问几件事：
你能不能带着 AI 做事？
你在真实任务里消耗过多少 Token，沉淀过什么有效产出？
你知不知道哪些工作该交给 AI，针对具体场景又该如何约束？
你能不能判断 AI 什么时候可靠，什么时候在胡说？
你有没有在真实项目里用 AI 跑过完整流程，产出比到底怎样？
这就不是简单的“会不会用工具”了。
它会慢慢变成一种新的生产力履历。
01. AI 提高效率，也会改变岗位预期
过去讲效率，更多是在原来的工作方式里做优化。比如写得快一点，查得快一点，沟通顺一点，流程少一点。
但 AI 带来的变化不完全是这样。
它不是简单让一个人把原来的动作做得更快，而是让很多原来必须由人独立完成的判断、生成、整理、拆解、校验和表达，变成“人和 AI 协同完成”。
以前写代码，是自己读文档、想结构、写逻辑、改 bug。现在写代码，很多时候是先和 AI 讨论方案，让 AI 给几个可能性，再由人判断、取舍、整合，思考如何让 AI 尽可能长时间稳定产出。
以前写内容，是自己查资料、搭框架、组织语言。现在写内容，很多时候会先让 AI 帮你拆结构、补视角、找反例，再由人决定真正要表达什么。
以前做方案，是自己找资料、搭目录、补逻辑、写文字。现在很多时候，是人先定义目标、边界、受众和判断标准，再让 AI 生成多个版本，最后由人筛选、改写、压实和负责。
所以 AI 真正改变的，不只是“速度”。
它改变的是一个岗位的产出方式，也改变了企业对岗位的默认预期。
过去一个普通岗位，如果能把交代的事情做完，基本就算合格。以后很可能不够了。因为同样一个岗位，有人能带着 AI 拆需求、写初稿、跑方案、查资料、做复盘、生成报告、辅助决策；有人还停留在等任务、等资料、等模板、等别人安排。
两者之间的差距，不再只是熟练度差距，而是生产力结构差距。
这也是为什么我觉得，AI 对很多岗位的影响，不会一开始就表现为“这个岗位没了”。更可能先表现为：同样的岗位，企业开始要求更高的产出；同样的工资，企业开始期待更强的结果；同样的人数，企业开始重新评估能不能承担更多工作。
岗位不会马上消失，但岗位标准会先变。
02. AI不是外挂工具，会嵌入工作习惯
我们公司前段时间遇到过一个很普通的问题：部分 AI 工具因为支付原因，不能顺畅使用。
事情不大，但体感很明显。
大家不是不会做事了，也不是看不懂需求了，更不是基础能力突然没了。但动作变慢，判断更难下了，推进没有以前那么顺了，甚至推不动。
有个前端伙伴说过一句话，我印象很深：
AI 不能用的时候，都不太敢写东西，怕把项目和架构玷污了。
这句话很真实。
AI 用久了以后，它就不只是一个帮你提效的工具。它会参与一个人的判断、拆解、生成、校验和推进，慢慢嵌进工作习惯里。
比如开发人员遇到一个复杂功能，过去可能先自己想半天，再去搜文档、看源码、找案例。现在更常见的是先让 AI 帮忙拆实现路径，列风险点，分析不同技术方案，再由人判断哪条路更稳。
比如需求人员遇到一个业务场景，过去可能先自己写一版功能清单。现在更常见的是先让 AI 帮忙从用户角色、流程节点、异常情况、权限边界、数据字段、验收标准几个方向拆，再由人根据真实业务取舍。
比如写方案、写文章、写标书，也一样。
我写这篇文章，也会习惯让 AI 帮我做润色和结构调整。但我会反复提醒它：少用绕来绕去的句式，少讲空泛观点，多保留真实表达和判断感。还有，文似看山不喜平，必须 3 秒内抓住受众。
这就是磨合。
打开 AI，不等于自动拥有生产力。
员工要知道 AI 能做什么、不能做什么；哪些地方可以放手，哪些地方必须自己判断。AI 也需要通过一次次真实任务，逐渐适配这个人的表达习惯、业务习惯和判断标准。
所以用了 AI，效率可能提高 2 到 3 倍，甚至更多。从来不用 AI，至少还能保持原来的 1 倍效率。
最麻烦的是：用了 AI，又突然不能用。
那一刻，效率可能不是回到 1，而是掉到 0.3 甚至是 0。
因为工作方式已经被改变了。
这有点像交通工具。以前走十几公里，或者几公里、骑车很远，都可以吧。后来打车、网约车、共享电车越来越方便，很多人慢慢连 800 米都走不动了。嗯，再加上太阳当空。
人没有失去走路能力，只是环境变了，习惯变了，效率预期也变了。
AI 也是一样。
它提高生产力，也会制造生产力依赖。企业真正要面对的，不是员工会不会依赖 AI。只要工具足够有效，人就一定会依赖，也必须要依赖，否则就是生存问题。
真正的问题是：当这种依赖形成以后，企业有没有能力把它变成稳定生产力。
03. AI 会让“会干活的人”和“能产出的人”差距变大
过去很多岗位的差距，来自经验、熟练度、责任心和执行力。
这些当然仍然重要。但 AI 进入以后，差距会进一步放大，因为 AI 能力不是单独存在的。它必须叠加在人的业务理解、表达能力、判断能力、拆解能力和结果意识上。
一个人如果本来就能把问题讲清楚、把目标定义清楚、把边界说清楚、把结果标准想清楚，他用 AI 的收益会很高。因为 AI 可以放大他的思考和执行。
但一个人如果本来就讲不清业务、拆不清问题、判断不了结果，AI 很可能只是帮他更快地产出一堆看起来完整、但实际上不一定能用的东西。
这时候，效率提升可能是假的。
因为生成速度快了，但校验成本、返工成本、沟通成本也上来了。
这也是我现在越来越明显的感受：AI 不是平均地提高所有人的能力，它更像一个放大器。会用的人，变得更强；不会用的人，不一定原地踏步，甚至可能被 AI 的表面完整性带偏。
所以以后企业看一个人，不会只看他会不会使用某个 AI 工具，更会看他能不能把 AI 放进真实任务里，形成稳定产出。
这也是我前面说的：AI 会慢慢变成一种新的生产力履历。
不是你截图给别人看“我会用 AI”，而是你在真实项目里，用 AI 跑过什么流程，解决过什么问题，沉淀过什么方法，节约过多少成本，提升过多少交付质量。
这才是真正有意义的 AI 能力。
04. 企业会重新定义“人”的成本和价值
过去企业算人力成本，主要是工资、社保、办公、管理和招聘。
以后企业可能还要多算一项：这个人能不能通过 AI 放大产出。
同样是 6000 元工资，一个人只能完成 6000 元岗位的基础产出，另一个人可以通过 AI、工具和流程，接近过去两个人甚至三个人的大部分工作量。
这两个人在企业里的真实价值，已经完全不一样了。
这对企业来说，是机会。对个人来说，也是压力。
因为过去很多岗位可以靠“认真做事”维持基本竞争力。以后可能还要看：你能不能带着 AI 做事，能不能让 AI 进入你的工作流程，能不能把 AI 的输出变成可靠结果，能不能在 AI 帮你提高速度的同时，仍然守住质量和判断。
这件事不一定温和，但它很现实。
尤其对中小企业来说，现金流、成本和效率永远是绕不开的问题。一个企业如果能用更少的人、更短的周期、更低的沟通成本完成更多交付，它很难不往这个方向走。
这不是因为老板天然想压榨人，而是市场竞争会逼着企业算账。
客户不会因为你不用 AI，就愿意接受更慢的交付。同行不会因为你坚持原始工作方式，就放慢迭代速度。技术进步不会因为一部分人不适应，就停下来等所有人。
所以 AI 对企业的意义，不只是买几个工具、开几个账号、让员工试试看。它会慢慢进入企业对岗位、流程、成本、交付和组织结构的判断里。
05. 结尾：真正的问题才刚刚开始
所以我觉得，AI 真正改变的，不只是效率。
它正在改变企业对岗位产出、组织成本和生产力结构的判断。
对个人来说，AI 是新的工作能力；对岗位来说，AI 是新的筛选标准；对企业来说，AI 是新的生产力杠杆。
但这也带来另一个更深的问题：AI 不是买了就能用好。
会不会提问，只是最浅的一层。真正的门槛，是企业有没有真实场景、足够预算、持续项目和试错空间，让 AI、员工和业务完成磨合。
很多人以为 AI 的差距在提示词。
但我们在真实交付里越来越感受到：AI 的真实生产力，不是在课堂和教程里长出来的，而是在具体项目、具体客户、具体组织里磨出来的。
这件事，我们下一篇继续讲。
如果你也在经营一家面临挑战的公司，或者正在思考团队怎么真正用好 AI，也可以关注一下我们正在内测的 哆哆通 （点击文末“阅读原文”申请试用）。
第一阶段，我们会先从 CRM 场景开始，把客户、线索、跟进、任务、订单和回款这些最基础的经营过程先沉淀下来。
我们希望慢慢做到一件事：
让每个组织，都拥有会工作的系统。
