企业给每个岗位都装上AI,为什么效率还是没起来?

“

工具变了，天轴还在。AI会让正确的流程更快，也会让错误的流程更快。

过去一年，企业接入AI最常见的做法，是给每个岗位发一件新工具。

市场用AI写文案，销售用AI整理客户信息，客服接入自动回复，程序员配上代码助手，管理层开完会，几分钟就能拿到会议纪要。

看上去，全员都快了。

可到了月底一看，项目周期没有明显缩短，客户的问题还在几个部门之间流转，管理层开的会甚至更多了。

原因很简单。

📌 本文看点

一百多年前，电动机刚进入工厂时，也发生过类似的事情。

蒸汽机时代，一台中央动力机带动贯穿厂房的传动轴，再通过皮带把动力分给每台机器。

电动机出现以后，一些工厂拆掉蒸汽机，换上一台中央电动机，继续带动原来的传动轴。

动力来源变了，厂房结构、机器位置和生产流程都没有变。

电的优势，就这样被旧工厂吃掉了。

后来，电机被分散到单台机器上，工厂不再受传动轴限制，设备可以按照材料流动和生产工序重新排列，生产组织才真正发生变化。

— 美国加州Knight Foundry的传动轴与皮带驱动设备。摄影：Jet Lowe；来源：HAER／Wikimedia Commons；公有领域。

经济学家保罗·戴维研究这段历史时指出，通用技术带来的生产率提升，往往不会在安装设备的那一刻出现。真正漫长的工作，是围绕新技术重建流程和组织。

今天不少企业做AI转型，本质上还停留在中央电动机阶段。

审批流程没变，只是增加了AI摘要。

客服流程没变，只是增加了AI回复。

开发流程没变，只是让程序员更快地生成代码。

工具换了，天轴还在。

AI可以五分钟生成一份报告，但数据权限还要等两天。

AI可以迅速写完合同初稿，但后面依然要在几个部门之间反复传递。

AI可以生成大量代码，可测试、审查、部署和异常处理仍然要靠人补上。

上游产出的东西更多了，下游的接收能力却没有变化。最后增加的可能不是效率，而是审核、确认和返工。

NBER在2026年披露的一项研究观察了拉美一家大型银行。银行上线自动处理常规交易的手机应用后，人均产出提高了约20%，员工却没有自然转向更复杂、更有价值的工作。

直到银行重新调整绩效评价标准，员工的工作重心才开始改变。

这件事很能说明问题。

AI释放了时间，不代表组织会自动把时间投向更有价值的地方。

考核什么，人就会继续生产什么。

如果销售仍然按电话数量考核，AI只会帮助他打更多电话。如果客服仍然按回复速度考核，AI只会制造更多看似及时、实际没有解决问题的回答。

给全员购买AI账号，是最简单的转型，也是最容易自我感动的转型。

企业真正该问的，不是“这个岗位能不能用AI”，而是“这件事怎样才算完成”。

客服发出回复，不等于客户的问题解决了。

程序员生成代码，不等于功能可以稳定上线。

报告被写出来，也不等于管理层因此做出了更好的决定。

接下来才是重新切流程。

哪些步骤可以合并，哪些交接可以取消，AI需要获得什么数据和权限，人应该在哪些关键节点介入，出错以后由谁接管，如何回滚，又由谁对最终结果负责。

这些问题不解决，AI就只能停留在外围，写建议、做摘要、生成草稿。真正推动事情向前的那几步，仍然要靠人复制、粘贴、转发和催促。

OpenAI在一份AI价值评估框架中提出，衡量AI系统不能只看账号数、调用量或者单次生成成本，更应该看完成了多少工作、一次成功交付的完整成本，以及结果是否可靠。

这才是企业需要的账本。

调用次数很高，没有意义。

生成内容很多，也没有意义。

客户问题解决了多少，项目周期缩短了多少，人工接管和返工减少了多少，这些才接近真实价值。

最难的从来不是让员工学会几个提示词。

最难的是承认，一些旧动作、旧审批和旧考核，已经没有继续存在的必要。

真正的效率革命，不是让所有人更快地完成旧工作。

而是让一部分旧工作，从此不再发生。

资料来源

我是 Sheldon，一只对AI上了头的痞老板，分享AI情报和观点，希望能让你Aha一下，爱上AI。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。