今年三月，杭州一家电商公司的产品运营李昭收到新OKR：AI深度应用。双月会上，领导挨个问，你上周用AI解决了什么。答不上来的，会后主管私聊。
组里还有用量排行，行政每周把数据发到群里。为了不掉队，她问排第一的姑娘怎么做到的。对方说，睡前让AI写全年规划，跑完也不看。
李昭学她，一到工位就让AI跑“竞品监控”，自己刷短视频。六月，风向从用量换成产出，周报要写“AI提效案例”，还得有数据。
她拟一份渠道调价通知，本来十分钟能写完。为了让周报有AI含量，她先让AI起草。AI编了一堆数据，她翻出去年双十一的通知，改完交上去。周报里仍然写：AI辅助撰写。
最滑稽的一次，她把“让AI把老板半小时的会议录音转成文字”，写成“搭建语音信息结构化流程”。这条后来被评为优秀案例。
这不是一个人的段子。定焦One采访的五位职场人，分布在电商、互联网、活动策划和软件销售。考核方式不同，长出来的动作很像：先证明自己用了AI，再证明AI有用。
深圳一家公司把AI使用率写进绩效，使用率达不到70%，绩效就要扣20%。 于是有人专挑不重要的工作场景做成Skill，再包装一个听起来很厉害的名字。定焦One
商业情报公司Visier调查了1000名美国全职员工，48%承认向同事或上级夸大了自己的AI使用频率或专业知识。定焦One
北京一家大厂的产品经理李默，被要求学着用AI写代码。他写出来的demo不太能用，给到研发，同事还得重新改一遍。但领导很满意，“你在用AI”这个姿态先立住了。
但把这一切都说成“表演”，也不准确。李昭让AI给四十多条客服投诉分类，十分钟出了张表；开完会大家刚走到工位，她已将纪要发进群。这些活输入清楚、边界明确，结果一眼能验。
问题出在另一头：个人快出来的时间，并没有自动变成组织层面的快。
麦肯锡今年8月发布的调查里，80%的相关受访者认为AI提高了个人生产率，AI对企业息税前利润产生正向贡献的受访者比例仍约为37%。知乎
差距不在有没有买模型，而在流程有没有跟着改。接近四分之三的高绩效受访者表示所在组织因AI根本性重构了工作流，其他组约为四分之一。知乎
Anthropic在10月16日公开的内部研究，被很多人拿来证明“AI已经接管工作”。截至2026年8月，公司整体Agent与人类的工作时长比达到6:1，研究部门更是高达19:1。InfoQ
但同一份报告里还有另一个数字：员工会议时间的中位数比一年前增加了20%。 代理工时是后台累计，人类工时是按人数乘每周40小时估的，两个数字不能直接相减。知乎
机器在后台跑得再久，也不等于人能提前合上电脑。盖洛普10月6日公布的调查里，63%自报工作做得更快，同时有31%表示雇主因其使用AI而要求他们承担更多职责。知乎
省下来的时间，很快被新的任务填满。
哈佛商学院和波士顿咨询做过一个实验，758名咨询人员。新产品创意、方案撰写这类任务，用AI的人完成得更快，成果质量评分提高40%以上。知乎
需要结合经营数据和访谈材料做商业判断的任务，用AI的人答对比例反而下降约19个百分点。知乎
所以，判断一项工作该不该交给AI，关键不是“它能不能生成”，而是“结果能不能被快速验证”。
客服投诉分类、会议纪要、初稿、代码片段，输入清楚、边界明确、对错好查，AI省下的时间是真的。
方案能不能落地、数据可不可信、客户会不会买单，这些判断没有标准答案。AI给得越快，人越容易把“看起来完整”当成“已经想清楚”。
这种“看起来完整”的代价，最后落在接收的人身上。BetterUp Labs和斯坦福社交媒体实验室调查了1150名美国全职办公室员工，40%表示过去一个月收到过这类内容。知乎
格式齐整、语气专业，但缺少实质。小楠在深圳做活动策划，她老板现在看完方案，还要交给AI再审一遍。AI提一堆修改意见，有些有用，有些不符合实际，团队得逐条检查、解释、修改。
起草省下的时间，从审核那头又漏了回去。
更麻烦的是，考核什么，就会长出什么。公司数Skill数量、数覆盖场景、数Token消耗，员工就能做出数量；至于这些Skill有没有人用、省下的时间有没有变成交付，反而不容易量。
李昭说，部门最近让每人汇报“AI使用心得”，领导在群里发了一份汇总文档，“不用看就知道，都是AI总结的AI”。
她后来给工作分了类：做A的时候不用AI做B，润色这类小活攒到一起，每天抽一两个小时集中处理。
AI确实能提效，但“提效的红利落不到自己头上，反而成了加活的依据”。定焦One
这句话可能比任何效率报告都更接近问题本身。下一次周报再写AI案例，也许可以先问一句：这件事是变快了，还是只是看起来变快了？
