大数跨境

会用 AI 之后,为什么工作效率还是没有明显提升?

会用 AI 之后,为什么工作效率还是没有明显提升? 万有引力AI
2026-10-11
4
导读:你加快了某一个步骤,却还没理顺从任务到交付的整段过程


·  2026  ·

RESHAPE · 万有引力

/让我们用 AI 一起重塑职业未来/



周五下午,周报还没交。

你把本周的工作记录丢给 AI,几十秒,一份结构完整的初稿就出来了。可接下来,你还得去群里确认项目进度,打开三张表核对数字,把“已完成”改成“等客户确认”,再把内容搬进公司的模板。

等你真正点下发送,半小时又过去了。

类似的事,也发生在写方案、做复盘、整理竞品资料的时候。AI 明明干了不少活,自己却没轻松多少。


AI 把“生成”变快了,但没有自动把整套工作变简单。
我们最容易看见的,是答案出现的速度。最容易漏算的,是让这个答案真正能用,还要走多远。


 我们高估了“写出来”在工作中的占比 


一份销售复盘,最终成品不过寥寥几页。但动笔前,要收集数据、核对信息;写完后,还要校验图表、解答疑问。 文字生成,只是任务中间的一小段。

举个例子:一项任务原本耗时 120 分钟,写初稿占 30 分钟。AI 把初稿压缩到 3 分钟,其余环节耗时不变,整体只省下 27 分钟。初稿提速十倍,全任务却只节省 22.5%。 这还没算补背景、改错误、返工的时间。

国际劳工组织 2025 年的研究提到:AI 只会改变工作的组成环节,很难直接替代一整套完整工作。

单个步骤交给 AI,不等于整件事自动完成。



“写完了”和“做完了”,往往隔着一大段工作。

所以,判断 AI 有没有帮上忙,不能只看它多久吐出一份文稿。更有用的计时,是从接到任务开始,到交出别人能用的结果为止。


 时间,常常丢在两步之间 


做竞品分析,我们习惯在多个工具间来回切换:让 AI 总结网页,复制摘要到表格,换软件作图,再回到文档写结论。

每一步单独看效率很高,但串联起来,大量精力消耗在交接上。 核对信息来源、反复确认数据、在新窗口重新介绍背景。资料、上下文跟着工具割裂,最后都要人手动补全。

AI 在生成,你在搬运。

微软研究院参与的一项跨行业随机现场实验,跟踪了约 6,000 名员工、持续六个月。按是否被随机分配到 AI 工具使用权限计算,获得权限的一组每周处理邮件平均少花约 1.4 小时,但会议时间并未显著变化。

研究给出的解释很贴近办公室现实:一个人就能改变的工作习惯,更容易被 AI 影响;需要多人一起调整的协作方式,变化没有那么快。

AI 能快速写完会议纪要,可如果责任人、截止时间、存放位置没有明确,纪要只是更快存入聊天记录。

想要找回被消耗的时间,不一定需要更强的大模型。 复盘完整任务流程,找到反复复制粘贴、来回确认的接缝。比起纠结生成速度,这些细碎的断点,才更值得优化。


 下一步,是让 AI 多接一段工作 


AI 输出效果不好时,我们常会不断加长提示词,补充各种要求。 但如果素材分散、数据口径混乱、模板临时寻找,单靠更长的提示词,很难解决底层问题。

以销售周报为例,可以延伸 AI 的任务范围:让 AI 读取指定文件,统一整理数据、标记异常、生成图表并填入模板;人只专注确认异常,敲定最终结论。



这段流程的关键,是输入有位置、处理有规则、结果有去处。遇到拿不准的地方,能停下来交给人判断。

麦肯锡调研显示,把 AI 融入重设计后的完整工作流,更容易沉淀业务价值。 不过交给 AI 更多工作,也要同步嵌入检查环节。

AI 擅长流畅表达,但流畅不等于结论可靠。 做报告要留存数据来源;数据冲突时标记待确认;对外交付内容,必须经过人工复核。 等到最后才补校验,前面省下的时间,很容易消耗在返工上。

真正省时间的,是少接几次手,也少返几次工。


 下周还要做的事,别再从头教一遍 


这一周,你终于把周报调到了满意的样子。

如果下周还要重新上传示例、解释口径、强调哪些数字不能猜,那么这次提效仍然只发生了一次。

重复工作值得留下三类东西。

先留下模板:周报分哪几部分,图表放在哪里,结论需要回答什么问题。模板固定的是交付的样子,下次不用再为格式来回改。

再留下方法:读哪些材料,按什么步骤处理,哪些情况要询问,交付前检查什么。把经过验证的做法整理成 AI 可复用的 Skill,相当于留下一份能反复调用的工作说明,而不是每次临场口述。

等流程稳定了,再考虑自动化:例如每周固定时间整理新增资料、生成一份待审核简报。前提是工具支持,访问权限和异常处理也已安排好。需要判断的内容,仍然留给人确认。



不是所有任务都适合深度自动化。低频多变的工作,有模板就足够;稳定重复的周期性任务,才值得持续沉淀。 可以从熟悉又繁琐的小事入手,留存材料、样例、规则与检查清单,再用新数据测试,验证真实的提效效果。

一次做得快,是节省;下次不用重来,才有积累。


 从一件真实工作开始 


会用 AI 之后,值得追问的已经不只是“它还能写什么”,还有“哪一段常规工作,可以交给 AI 完整承接”。

这也是万有引力「WorkBuddy × Codex 三天实战专训营」想带大家练习的事:围绕办公资料、分析报告、网页或小工具等真实任务,练习工具分工、任务交付、结果检查,再把跑通的方法沉淀为模板、Skill 或自动化流程。

如果你做运营、市场、内容或业务管理,不妨带着一项反复占用时间的工作来。三天的练习,从这个具体问题出发,争取留下能用的成果,也留下下次还能接着用的方法。

毕竟,我们想省下来的,不只是等答案的几秒钟,还有每天在文件、窗口和消息之间来回折腾的那几个小时。

让一次练习留下成果,也留下下次可以继续使用的方法。



往期课程回顾👇

想了解 WorkBuddy × Codex 三天线下实战课的最新开班安排,可以扫描文末二维码咨询,也可以带着你希望解决的实际工作问题来聊聊。


 *其他精彩内容* 

【声明】内容源于网络
0
0
万有引力AI
万有引力由一群深耕人工智能与教育领域的专家联合创立。我们洞察到快速的技术迭代与巨大的人才缺口之间的矛盾,决心打造一个聚焦前沿科技、融合产学研的职业教育平台,推动"技术赋能人才,人才驱动产业"的良性循环生态。
内容 28
粉丝 0
万有引力AI 万有引力由一群深耕人工智能与教育领域的专家联合创立。我们洞察到快速的技术迭代与巨大的人才缺口之间的矛盾,决心打造一个聚焦前沿科技、融合产学研的职业教育平台,推动"技术赋能人才,人才驱动产业"的良性循环生态。
总阅读356
粉丝0
内容28