什么值得买App下载 App ›
连续签到专享现金活动

提效15倍、人均并行14个需求:AI省下的时间,最后去了哪儿

11月18日,一条自称字节员工的爆料在微博上传开:剪映那边的需求提效都在10倍以上,10倍算底层,现在是人均并行14个需求,提效15倍。 底下有人问:这是真提效,还是吹牛?微博

真假不好判断。但同一周,另一个问题在知乎被顶了上来:都说AI提效,为什么打工人反而更累了。

两个帖子像同一件事的两面。如果15倍是真的,人应该更闲。可“人均并行14个需求”恰好说明另一种可能:省下的时间没变成下班,变成了更多的需求。

先看一个实验。METR找16位资深开源开发者,用246个真实Issue做随机对照。用了AI之后,他们完成任务平均慢了19%。

更有意思的是,实验前他们预估AI能让自己快24%,做完之后仍相信自己快了20%。感觉和事实,差了近40个百分点。知乎

提效15倍、人均并行14个需求:AI省下的时间,最后去了哪儿

时间花在哪了?花在“审”上。告诉AI怎么改要30秒,看它改完的代码要30秒,发现不对再反馈10秒。一来一回,比自己写还慢。

Stack Overflow 2025年的调查里,66%的开发者说,AI最让人烦的是“结果差一点就对,但又不完全对”。 写代码的成本降了,验证的成本没降。后者反而因为前者的产量暴涨,变得更贵。知乎

软件工程数据公司Faros AI统计了一万多名开发者、1255个团队:AI用得多的团队,完成任务多了21%,合并的PR多了98%。

但单个PR的体积大了154%,审查时间多了91%,Bug多了9%。 代码供给翻了近一倍,审查能力一分没涨。Faros AI

系统的产出,最后卡在最慢的那一环。

把镜头从代码挪开,账本差不多。客服接退货咨询,AI几秒就能查政策、拟回复,答复速度和处理量都好看。

可顾客的退款可能卡在仓库和财务之间,最后要靠一个熟悉流程的老员工挨个打电话。回复更快了,问题没有更快解决。

报表也一样。十分钟就能生成,可一项开支还要走五级审批。省下的时间,在审批链条面前几乎看不见。

快的是生成,慢的是交付。生成只是整条链上的一段,而这段原本就不是最堵的地方。

更麻烦的是,当生成变便宜,组织不会把省下的时间还给你,它会重新给这段时间定价。

Upwork调查了2500人:77%用AI的员工说工作量反而变大了,81%的高管承认,过去一年给员工加了码。Upwork

2025年9月,《哈佛商业评论》写到一个词:workslop,指的是看着像样、实际推不动事的AI产出。调查里,40%的人上个月收到过,处理一次平均116分钟。知乎

提效15倍、人均并行14个需求:AI省下的时间,最后去了哪儿

以前周报两页就到极限,现在三句话的事能扩成三十页;以前两周发一版,现在一周发四版。

产出便宜了,用量涨得比效率还快。经济学里管这叫杰文斯悖论:蒸汽机省煤,煤反而越烧越多。

所以真正的问题不是AI有没有提效,而是提效发生在哪一段、最后由谁承接。

谷歌DORA团队的说法更直接:AI是个放大器。 流程里的等待、返工、层层审批,不会因为生成变快而消失,只会被更快的生成照得更清楚。DORA

账算到这儿,能动的只有三处。

先量整段,不量一段。别只记“初稿用了十分钟”,要记从接到任务到对方确认,一共花了多久。很多AI的“快”,在端到端的时间里根本看不出来。

再给“审”留预算。一件事如果验证成本高于自己做的成本,就不该交给AI。写一份要担责的对外报告,和整理一份给自己看的会议纪要,不是同一种活。

入口也得有人守。AI省下的时间,要么变成更少的工时,要么变成更多的活,中间不会自动选前者。团队得提前说好,这部分时间归谁。

就算15倍是真的,它也只是局部的数字。一段路从时速20公里提到200公里,如果下一段还是堵着,全程并不会快多少。

真正该问的,不是AI还能快几倍,而是快出来的那一段,能不能顺利交到下一环手里。

晚上十点,最后一行代码是AI写的。点“通过”的,还是人。

评论

评论区空态插画

当前文章无评论,是时候发表评论了