产品经理用 AI 写需求,设计师用 AI 生成素材,研发用 AI 辅助编码。每个人都觉得手里的活快了一点,一项需求从提出到上线,却还是要等好几个星期。
这种情况不难想象。需求初稿写得快了,还要等业务确认;页面生成得快了,还要反复核对规则;代码提交得快了,测试发现的问题依然需要排队修复。
个人环节的提速是真实的,公司整体的提速却不一定跟着发生。原因很简单:一项业务结果要经过多个环节,任何一个环节节省的时间,都可能被等待、返工和新增的审核工作抵消。
最近读到更夫・AI工坊的一篇文章,它提出企业需要从单点 Agent 走向交付结果的生产系统。这个视角很有启发。不过,在讨论要不要重组部门、建设多智能体系统之前,我更想先回答一个小问题:一条业务流程接入 AI 之后,真的变快了?
个人感觉变快,不等于交付变快
AI 在某个环节带来收益,有研究支持。微软研究院 2025 年公布的一项随机实验覆盖 56 家企业、超过 6000 名员工。研究发现,使用 Microsoft 365 Copilot 的员工完成文档的速度提高了 12%,每周阅读邮件的时间减少了约半小时。研究测量的是这些工作活动的变化,并不能直接推导出企业整体利润增长。来源
另一项研究给出了不同的结果。METR 在 2025 年让 16 名熟悉项目的开源开发者完成 246 个真实任务。在该实验的任务和当时的工具条件下,允许使用 AI 的任务平均耗时增加了 19%。这不意味着 AI 普遍拖慢开发,也不能直接代表今天的工具表现。METR 在 2026 年的后续说明中认为,开发者使用当时工具的速度很可能比早期实验时更快,但新实验存在选择偏差,证据不足以可靠估计提速幅度。研究 · 后续说明
这两项研究放在一起,比单独挑一个数字更有意思:AI 的效果取决于任务、使用方式和衡量范围。 写文档快了,可以是一项真实收益;但要判断业务交付有没有改善,还需要继续往后看。

画出一条完整的工作链
假设一个团队要交付一份客户投放分析报告。工作从收到需求开始,经过数据收集、口径确认、分析撰写、内部审核,最后由客户确认。
其中,分析师用 AI 起草报告,原本需要 4 小时,现在只花 1 小时。听起来节省了 3 小时。
但这是一个假设案例。假设为了让 AI 理解数据,又花了 1 小时整理材料;初稿出现口径错误,分析师和审核人多花了 2 小时核对;同时,报告仍然需要等待客户经理补齐需求,等待时间没有变化。
结果是:撰写环节确实快了,投入的总人力时间却未必减少,客户拿到报告的日期也可能没有变化。
这时应该检查的不只是提示词,还包括几个更具体的问题:数据口径是否有统一定义?客户需求能否在开始前补齐?哪些内容可以自动校验?审核人需要重读整份报告,还是只需要处理有疑问的部分?
这些问题可能比换一个更强的模型更影响结果。当然,如果主要瓶颈恰好是模型理解或生成质量,换模型也可能有效。先找到瓶颈,再决定改哪里。

不要只统计用了多少次 AI
使用人数、调用次数、生成的文档数量,可以帮助团队了解工具有没有被采用。但这些数字不能回答:业务最终得到了什么?
我更建议围绕一份真正交付出去的结果,看三类指标。
第一,交付周期:从需求进入到结果被接受,经过了多久?
把实际处理时间和等待时间分开记录。前者反映做事花了多久,后者能暴露排队、跨部门交接和等待确认。如果报告撰写从 4 小时降到 1 小时,但仍要等两天才能拿到数据,下一步就该优先看数据交接。
第二,质量:交付物是否满足事先约定的标准?
可以观察一次通过率、退回原因和严重错误数量。报告是否引用了正确的数据口径?关键数字是否能追溯?客户真正提出的问题有没有得到回答?
一次通过率下降,不一定意味着 AI 是唯一原因,也可能是需求更复杂或标准变了。比较前后效果时,尽量选择相近任务,并保持验收口径一致。
第三,完整成本:交付一份合格结果,一共投入了什么?
可以分别计算两笔账:把材料准备、处理、审核和返工的人时相加,除以合格交付数量,得到每份合格交付的人时;把模型调用、工具等相关现金支出除以合格交付数量,得到每份的相关现金成本;前后比较时,也要计入原有、替代或新增的相关费用。
如果需要合并成金额比较,还要先统一人时折算单价,以及固定工具费用的分摊口径,避免把同一项费用重复计算。比较前后时,两边都要采用相同口径。
这里也要区分两种收益:员工节省的零散时间,可能让团队有余力处理更多工作;只有当支出真正减少,或释放的能力带来可衡量的新产出时,才能进一步讨论财务收益。不能把“每人每天省半小时”直接换算成公司节省的现金。
先跑通一条流程,再考虑扩张
企业想试点 AI,很容易先问:每个部门能配几个 Agent?我会换个顺序,先找一条值得改善的业务流程。
一个合适的起点通常有几个特点:发生频率足够高;输入资料相对稳定;交付物有明确的验收标准;出错后能及时发现,并且可以由人接手。
例如,每周需要生成的标准化运营报告,通常比“让 AI 负责整个客户经营”更适合做第一轮试点。前者可以明确数据来源、报告结构和核对规则;后者涉及的目标、权限和责任都复杂得多。
试点时,先用最近一段时间的同类任务建立基线:从需求首次进入到结果被接受用了多久,其中等待补齐资料和其他交接各占多久,投入多少人力,多少份一次通过,主要退回原因是什么。再让 AI 参与其中一个或几个环节,保持验收标准不变,记录同样的数据。
一开始不必追求全自动。让 AI 整理材料、生成初稿,人负责关键数字核验和结论确认,也可以是有价值的设计。对涉及对外承诺、敏感数据或不可逆操作的步骤,应明确权限和人工确认点。
试点跑完,再根据结果决定下一步:
- 如果初稿快了,但审核时间大涨,就改善输入质量和核对方式。
- 如果处理时间下降,但总周期不变,就检查等待和交接。
- 如果质量稳定、成本下降,再考虑扩大任务范围或自动化程度。
- 如果任务量太小,节省的时间不足以覆盖维护成本,也可以停在辅助工具阶段。
产品经理要重新定义“完成”
这件事对产品经理尤其熟悉。我们经常跟进功能有没有上线、页面有没有完成、需求文档有没有评审通过。它们都是必要的过程节点,但业务通常要等到用户真正用上、问题得到解决之后,才算拿到结果。
设计 AI 流程时也是一样。如果 Agent 能生成一份报告,产品经理还要继续问:报告交给谁?对方依据什么接受它?发现错误之后谁负责修正?修正后的经验能不能用于下一次?
这些问题决定了一次生成能不能成为一次可靠的交付。它们也帮助团队判断,哪些工作适合交给 AI,哪些判断仍需要人负责。
下一次汇报 AI 建设进展时,除了展示多少人使用了工具,不妨挑一条具体流程,拿出前后对比:过去交付一份合格结果要多久、花多少人力,现在分别是多少,新增了哪些审核工作,还有什么问题没有解决。
当这张账算清楚,团队才知道下一笔投入该放在模型、数据、流程,还是人的判断上。
