杭州一位电商运营把两台显示器并排放：左边跑 AI，右边干活。AI 出一份方案，有时三十秒，有时一小时。切回去看结果，再切回来，常忘了刚才做到哪一步。一天下来很累，又说不出累在哪。
这种累不在手上，在“看它做得对不对”。钛媒体
2025年，METR 做过一次随机对照：16位资深开源开发者，在自己维护多年的仓库里做246个真实任务。
开工前，他们估计 AI 能让自己快24%；干完活，仍觉得快了20%。秒表记的是另一回事——用 AI 的那组，平均慢了19%。这项实验后来重做过，结论没那么硬；但体感和秒表的差距，值得看一眼。
差在哪？生成一段文字、一页表格、一个方案，几秒钟的事。判断它能不能用，要核数据、对口径、看前后逻辑，一样都省不掉。前半段看得见，后半段散在一天里，没人替它计时。知乎
Hubstaff 调研的使用 AI 的员工里，46%说效率提升后，被要求干的活反而更多了。 省下的时间，一部分被新任务填满，一部分折进了审稿。Hubstaff
生产端提速，审核端没跟上。Faros 对一万多名开发者的研究显示，AI 让合并请求数量涨了98%，审查时间涨了91%，单次变更规模扩大154%。 生成这一头快了，验收那一头还是原来那双手。知乎
AI 的错还不像错。格式规整、语气通顺、数字齐全，读起来挑不出毛病，问题藏在第七页的某一列，或者第三段一句“据了解”。
审这种东西，比从头写一遍还费神——你得先跟上它的思路，再判断它有没有跑偏。
一位活动策划说，现在领导看完方案，还会再交给 AI 审一遍。AI 提一堆意见，有些不符合实际，团队得逐条检查、解释、修改。多了一道审核，反而多了三轮修改。定焦One
不用也不现实。别人都在用，你不用只会更被动。但别把 AI 全堆在“生成”那一头。
第一，先写验收标准，再让它动笔。做方案前，列清楚必须回答哪几个问题、数字从哪来、给谁看。清单越早写，返工越少。多数人反过来：先让 AI 出一版，再一条条挑毛病，挑到最后等于重做。
第二，一次只要两版。二十版不是二十个机会，是二十次判断。第二版不满意，别急着“再生成五版”，直接说哪一段不行、改成什么样。候选越少，决定越快。
第三，把 AI 挪到流程后段，也把它攒起来用。核对前后数字、找和上一版不一致的地方、列出你没写到的地方；润色、改格式这类小活，攒到一起集中处理，别让它们把一天切碎。
生成交给它，判断留给人。判断之前，先让机器把明显不对的挑出来。
微软今年调查了两万名知识工作者，86%的人把 AI 产出只当起点。 真正拉开差距的，是起点之后那几步——谁先把标准立起来，谁先拿到能交的版本。知乎
提效不是让第一稿来得更快，是让能交的那一版来得更早。这两个时间之间差了多少，才该记在你自己的账上。
