11月5日，Anthropic的生物学团队交出一份很漂亮的成绩单：用Claude解析一种叫Vault的蛋白质复合物，纯化步骤从约3天压到90分钟，首个完整结构模型34小时生成，过去通常要数周。36氪
同一份研究里还有另一笔账。Claude曾提出一种含干扰DNA进入细胞成分的培养基方案，项目因此延误两周。明亮公司
同一款模型，一边把3天压成90分钟，一边让两周打了水漂。差别不在模型，在人能不能看出它错在哪。
程序员身上，这种落差被掐过表。2025年2月到6月，METR找了16名资深开源开发者，在他们自己维护多年的仓库里做246个真实任务。能用AI的那组，秒表显示慢了19%。
同一批人，开工前预测AI能让自己快24%，干完活自评还是快了20%。手感和秒表，差了近40个百分点。知乎
AI把「做」变便宜了，没把「判断做得对不对」变便宜。写代码只是中间一段，前面要理解需求，后面要验证结果。生成几分钟，验收仍要花时间。
三个Agent同时交回三份修改，你收到的可能不是三份成果，而是三项新的验收工作。知乎
市场部也一样。A用AI生成万字长文，B生成Excel，C生成PPT大纲，交差都很快。到项目经理手里，三份东西口径对不上，光检查就熬了一两个通宵。
走量省下来的时间，变成了别人的校对成本。知乎
更常见的是周报：本来200字能说清的事，先用AI扩成2000字；老板看累了，再让AI压回200字。
一个人注水，一个人脱水，公司什么都没多出来，只多了一种「我们很AI」的踏实感。张丽俊
于是有了两种提效。一种真的缩短了交付周期；另一种只是把中间产物变多了。前者能验收，后者只能汇报。
市场分得清。23家明确因AI裁员的标普500公司里，56%在宣布后股价反而下跌，平均跌幅25%。万点研究
也不是AI不行。在结果能被自动验证的地方，AI的增益最容易被看见。Anthropic内部员工的自评里，新模型对自己的工作提效约12倍。机器之心
写代码能跑测试，实验能出图谱，数据能对账。对错由系统给出，人不用逐字猜。可一旦进入没人能验收的环节，AI的产出越多，积压的判断题就越多。
一份覆盖1149名开发者的调查里，96%的人不完全信任AI写的代码，却只有48%会在提交前把生成的那部分过一遍。知乎
所以，把一件事交给AI之前，我现在会先问三个问题。
一、结果有没有便宜、客观的验收标准？有，就大胆交；没有，就别指望它独立完成。
二、出错能不能在交付前被发现？越是你陌生的领域，纠错越贵。那两周，就是花在盲区上的成本。
三、省下来的时间归谁？如果马上被新需求填满，你得到的不是余量，而是更高的任务密度。
AI可以并行，人的注意力不行。提效真正要管的，不是让AI多生成几版，而是让验收变便宜：把任务切小，把标准写在前头，把产物留在能复查的地方。
否则，你只是从「写东西的人」，变成了「验东西的人」。
