你的 AI 装着法拉利引擎，你的公司还是一辆马车

这里有个价值数万亿美元的谜团。几乎每家公司现在都有能写代码、起草合同、在你喝完一杯咖啡之前总结完 40 页报告的 AI。可绝大多数公司里，实际上什么都没变快。工资单没变，季度业绩没变。有人花了大价钱买了个超能力，组织架构却纹丝不动，毫无反应。

经济学家给这个现象起了个名字：生产力悖论。我有个更直白的说法：我们把喷气发动机装在了马车上，然后困惑于马怎么还是这么累。

心智模型：老身体里的年轻心脏

想象一位80岁老人换上了一颗全新的心脏——强壮、年轻、永不疲倦。太棒了。现在让他冲刺1000米。他做不到。心脏已经准备好起飞了；可膝盖、肺、脆弱的骨头都没接到这个通知。新部件不是极限所在。它外面裹着的旧身体才是。

这就是你公司里的AI处境。模型是那颗年轻的心脏。运营模式——工作如何被拆分、交接、审批——才是那个旧身体。你可以把地球上最强大的心脏塞进这套骨架里，它照样跑不动，因为瓶颈是那些骨头。

说得再简单点。想象你们班的小组作业分到了一个天才机器人。可老师坚持你们还得按老办法来：机器人写一段，交给Timmy，Timmy午饭后才读，再传给Sara，Sara重新排版，最后有人把它发邮件给老师。机器人本可以在九十秒内做完整个项目——结果它却把一天时间都花在排队等人传纸条上。我们给办公室配了个天才，然后让它等财务部的Gary吃完午饭回来。

天才不是瓶颈。传纸条的流水线才是。这就是眼下每一家公司的处境。

我们正在重复1900年的电力错误

这部电影其实已经上映过一次——主角是电力——结局早已写在史书里。1882年，爱迪生的公司（后来成为通用电气的那家）点亮了曼哈顿的珍珠街电站，照亮了整片街区。电力：唾手可得、显而易见、足以改变世界。那么工厂采用它的速度有多快？

到1900年——大约二十年后——工厂机械动力中只有约5%是电力驱动的。 未来明明就摆在眼前二十年，却几乎无人问津。为什么？

因为最早那批工厂主，恰恰犯下了「年轻的心，衰老的身体」这个错误。旧工厂靠一台巨大的蒸汽机驱动一根传动轴——一根固定在天花板上的长杆——通过皮带和滑轮垂下来，为每台机器供电。等电动机出现后，工厂主们干了件偷懒的事：拆掉蒸汽机，装上一台巨大的电动机，却保留了天花板上的传动轴和所有皮带。新心脏，旧骨架。机器依旧被锁死在旧蒸汽机所决定的布局里。结果：几乎没有任何提升。不过是白忙一场。

真正的爆发，只发生在工程师们扔掉那根中央传动轴，给每台机器装上属于自己的小电机之后。布局瞬间自由了。你可以围绕工作本身的流程 来摆放机器，而不必围着天花板上的一根杆子转——这次重新排布，后来直接演变成了流水线。经济史学家Paul David把这个案例做成了经典研究（"The Dynamo and the Computer,"（中译：《发电机与计算机》）1990年）：一项通用技术真正带来生产力回报，往往要晚上几十年——而且只有当你围绕它重新设计工作方式之后才会发生。动力来源从来都不是难点，重新设计才是。

同样的动力源，两种截然不同的躯体。换掉引擎只换来一声叹息；围绕工作流重新设计车间布局，则换来了整个20世纪。AI是新的引擎——问题是，你是不是还留着那些传送带。

用AI起草一封邮件、总结一次会议，这就是「在老轴上装一个大电机」的做法。这样做没问题，但也就只能换来一声叹息。收益被困住了，因为任务周围的一切，依然是按AI出现之前的方式搭建的。

真正的解锁点在于链式协作，而不是单个任务

这里是最反直觉的部分，也是整盘棋的关键。MIT Sloan的研究发现，AI真正的价值来源，并不在于单个任务上的表现，而在于任务链式协作——把一串相互依赖的步骤串联成一次连续的、无需人工中途介入的自主运行。

人和机器之间的每一次交接，都有一笔隐藏的成本：得有人停下来，重新读一遍，把上下文在脑子里重新加载一遍，检查一下，再往下传。不妨叫它交接税。一个工作流里有三次交接，就要交三次税。这就是为什么老师备课（大体是线性的、一次性规划好的工作）几乎可以完全自动化，而辅导老师（无穷无尽、难以预料的来回互动）却总在交接环节上磕磕绊绊。

现在来说说那个颠覆大多数人直觉的关键点：AI 不需要在每一个步骤上都比人类强，才能赢。 把三个步骤串起来，删掉的是三份「交接税」——就算 AI 在某一步上稍逊一筹，整个系统依然会更快、更省。你优化的不是跑得更快的那个人，你删掉的是接力赛里大家轮流掉棒的那些交接环节。

所以，从 AI 身上榨出价值这件事，有三级阶梯，而几乎所有人都卡在第一级：

围绕结果组织，而非围绕流程

大多数公司的组织方式，围绕的是 怎么做 ——部门划分、审批流程、「这不归我管」——而不是 要做成什么。传统软件只是把旧的步骤做得更快了。它让传送带自动化，却从没质疑过那根轴。

把这件事修正过来，收益不小。L.E.K. Consulting发现，只要用对方法把 AI 和人类创造力结合起来，能多产出20 倍的高价值创意。要抓住这个红利，就得围绕决策域来组织架构——「我们怎么定价」「我们怎么配置资本」——这些是按结果划分的单元，直接横切过原来的部门墙。

领先者已经在动手了。在Shopify，CEO Tobi Lütke 告诉全公司：想招一个新人，得先证明 AI做不了这份工作才行。请再想想这句话的分量：默认的编制现在是零，人类反倒成了需要争取、需要证明自己有必要存在的例外。BNY Mellon已经在自家的 AI 平台上培训了数万名员工，让自主智能体能在风控和客户服务里真正干活。他们在重建身体，而不只是移植心脏。

传统技术只是让你的任务变得更轻松，推动的仍是流程本身。而现在的任务，是去驱动结果.

从工具到队友——该给它多长的缰绳

所有这一切背后的转变是：AI 不再只是你挥动的工具，而是变成你可以托付任务的队友。工具等着你拿起来挥出去；队友会感知、推理、行动、学习——你给它的是一个目标，而不是一份手把手的操作脚本。

你不用一下子把钥匙全交出去。真正需要设计的是给多少自主权——具体有三档（这一框架来自Silesian University of Technology):

• 人在环内：AI 提建议，人类拍板一切。（相当于自行车的辅助轮。）
• 人在环上：AI 主导全局，人类在旁监督，只在必要时踩刹车。（是监督者，不是驾驶者。）
• 人在环外：AI 在边界清晰、可预测的工作中独立运行——比如自动化物流。（走熟路的自动驾驶。）

信任难题：两个黑箱面面相觑

如果谁都不信任谁，这一切都玩不转——这里藏着一个真实的信任难题：双重黑箱（依然是 Silesian University of Technology 团队的说法）。机器的推理过程对人类来说是不透明的（它为什么这么做？），而人类那套混乱、依赖直觉的推理过程，对机器来说同样不透明（你到底想要什么？）。两个头脑，谁也看不透谁，却要共同驾驶同一架飞机。

出路在于可解释 AI——智能体必须能把自己的推理过程摆出来给你看——同时还要警惕去技能化：太依赖自动驾驶，你自己开飞机的本事会不知不觉就退化。（去问问任何一个离了地图软件就找不到路的人就知道。）L.E.K. 那套经过实战检验的落地方法，倒是出乎意料地朴实：

另一个躯体：你其实也在重建人

到目前为止，我们说的都是hardware——楼层布局、任务链、决策域。但工厂不只是机器，还有站在车间里的人。这里还有第二具身体正在接受移植，一具工程图纸上从不会画出来的身体：人的身体。有两项研究认为，这一部分才是真正决定你的重建能否撑过周一早上的关键。

第一项——Harvard Business Review 的"How Behavioral Science Can Improve the Return on AI Investments"（中译：行为科学如何提升AI投资的回报）——直指一个尖锐的问题：大多数AI项目失败，是因为领导者把「采用AI」当成了一次技术采购，而它其实是一个行为改变问题。人们会抵触打乱自己日常习惯的工具，并且会对单一一次可见的AI错误过度反应（一个幻觉数字，整个团队就悄悄不再信任它了）。第二项——"The Psychological Costs of Adopting AI"（中译：采用AI的心理成本）——则直接把账单摆了出来：与AI共事会带来一种心理成本，一系列悄悄累积的欠账，涉及自主感（“现在是机器决定我怎么工作了”）、胜任感（“我都不确定自己还擅长什么了”），以及身份认同（“这原本是让我成为我自己的那部分工作”）。这些债如果不还，足以抵消掉全部的效率提升——动力下滑的速度，比产出上升的速度更快。

这里有个不太舒服的重叠，也正是问题的核心：本文歌颂的每一次升级，从人的角度看，都是一种威胁。 “拆开卷饼”意味着你的工作刚刚在白板上被大卸八块。 Shopify那句“先证明AI做不了，才能招人”意味着你得证明自己不是那个即将被拆分的部分。 “删除交接环节”悄悄抹去了一个人感到“被需要”的那些时刻。结构上的胜利和心理上的代价，从来不是两个问题——它们是同一个动作，只是从办公桌的两侧看过去而已。 把地板拆得太快，你得到的不是流水线，而是流水线上的“摸鱼式辞职”。那根你忘了拆掉的传动轴，原来是用人们的自主感和身份认同做的——这种东西，一份重组备忘录可动摇不了。

但请注意这两派人在哪一点上达成了共识——因为这正是这整篇文章一直在喊的同一句话：模型从来都不是瓶颈。 两边都在说：别再把AI当成一个要采购的东西，而要把它当成一个需要围绕它来重组。这篇文章重组的是工作本身；行为科学研究重组的是人与工作之间的关系。这是同一件事的两半，缺一不可。

那么——这事究竟让谁受益最多，什么时候受益？结构性重建（也就是本文讨论的部分）让企业受益——利润率、速度、损益表——而且这份收益来得晚，要过了收费站之后才能兑现，靠的是领导者重新划定决策域。行为设计让员工受益——积极性、信任感、留不留得住人——而这份收益来得早，由那些工作正被重塑的人亲手兑现，但前提是他们也参与了设计。真正能持久获胜的做法，是按明确的顺序把两者都做到位：让「志愿者联盟」不只是试用工具，而是共同设计这场重建，让拆解工作这件事是和人一起做的，而不是冲着人去做的；把 AI 定位为能够肯定身份价值的存在（拿走的是苦活累活，不是这个人）；再设计一点点刻意的摩擦，让人类留在环路里，留到足够保持手感的程度（前面提到的“防技能退化”护栏，这里派上第二个用场）；还要衡量信任与采纳度，而不只是产出量。结构性重设是发动机，而偿还心理债务，才是让动力真正传到操作者身上的那条传动带。

重建工厂，没错。但最难剪断的那根传送带，不在天花板上——而是人们系在自己价值感上的那一根。剪这一根，得和他们一起剪，否则新引擎空转，什么都不会动起来。

一句话总结：把工作拆开重组

这里有一个把全文串起来的思维转变。大多数职位头衔根本不是一个「角色」——它们是一个burrito（墨西哥卷饼）。一堆松散相关的任务被打包塞进同一份工作里，只是因为在没有 AI 的年代，让一个人全部扛下来比较方便。「市场协调专员」说白了就是十一件互不相干的杂活，卷在同一张玉米饼里。

在 AI 优先的世界里，你必须把这卷饼拆开：把这些任务拆解成一件件实际的活儿，然后重新串联——按谁（或者什么）最擅长做哪件事来重新分配。有些交给智能体，有些留给人，而它们之间的接缝，得靠工程设计出来，不能想当然地默认。

MIT Sloan 的警告，是留到最后的清醒一笔：在你真正完成重组之前，AI 的成本——再培训、重构、数据管道搭建——是实打实地会盖过收益的。这不是让你等待的理由；这只是过桥前的收费站。这恰恰解释了，为什么现在这么多 CEO 盯着高昂的 AI 账单和微薄的回报发愁。他们付了过路费，却还停在桥这头，不肯过去。

所以在这个时代，真正的胜负手不会属于那个拥有最大、最闪亮的 LLM 的公司。这颗「心脏」，人人都租得到。它会属于那家有勇气把身体整个重建一遍的公司——让动力真正流动起来。

买法拉利引擎，当然可以。但看在老天的份上，先从马车里下来。