AI 提效之后，企业真正得到了什么？
After the productivity gain, what do companies actually get?自己开始做 AI 产品以后，我对“AI 到底创造了多少价值”这件事变得比以前敏感了一些。
一边是越来越多的提效数字：写代码更快、客服处理更多问题、知识工作者节省时间。
另一边，真正把一个 AI 功能做出来以后，会发现背后还有模型调用、搜索、数据、评估、人工复核、监控、失败处理，以及很多不那么容易出现在一张 API 账单里的成本。
所以这一轮 research，我真正想弄清楚的并不是：
企业做 AI，到底值不值？
这个问题太大了。
我更想知道的是：
AI 进入真实企业以后，我们到底得到了什么，又完整付出了什么？
以及，这些投入和产出里，哪些已经有相对可靠的证据，哪些还只是推测。
这轮研究的证据截至 2026 年 9 月 6 日。
我主要看了十几组核心资料，包括客服、软件开发、知识工作和零售场景里的随机实验或准实验，企业实际运营和财务披露，以及 McKinsey 等企业调查、FinOps 和 NIST 的成本与治理框架。
不同证据能回答的问题并不一样。
- 随机实验比较适合告诉我们：某一项任务到底有没有改善。
- 企业披露离真实经营更近，但公司说“AI 帮我们节约了多少钱”，不代表这个因果关系已经被独立验证。
- 调查可以告诉我们企业整体正在经历什么，却很难仅凭一组调查数字证明某个 AI 项目到底赚了多少钱。
最后我把这轮 research 拆成三篇：
第一篇：AI 提效之后，企业真正得到了什么？
先沿着 productivity 往后追，看看个人或任务层面的改善，怎样才会变成企业真正获得的价值。
第二篇：AI 的成本，应该算到哪里？
从最容易看到的 API / token 费用往外走，把数据、集成、评估、人工、运维和失败处理重新放回完整 workflow。
第三篇：把收益和成本放在一起以后，AI 项目应该怎样算账？
最后再讨论，面对一个具体 AI use case，我们目前到底有哪些比较可靠的方法判断它是否值得继续规模化。
这一篇，先算第一本账：
企业到底得到了什么？
一些 AI 提效，已经不只是“感觉更快了”
先说一个 research 以后我觉得需要承认的事实：
AI 在一些具体任务上的 productivity gain，已经有相当不错的真实环境证据了。
一项后来发表在 Quarterly Journal of Economics 的研究跟踪了 5172 名客服人员。
企业把生成式 AI 助手逐步提供给客服以后，研究估计每小时解决的问题数量提高了大约 15%。
这不是让 AI 独立替代客服，而是 AI 辅助真实员工处理真实客户问题。
软件开发也出现了类似证据。
2026 年发表在 Management Science 的一项随机实验覆盖三家公司、4867 名开发者。合并结果显示，使用 AI coding assistant 的开发者完成的任务数量提高了大约 26%，初级开发者的改善尤其明显。
所以今天再笼统地说：
“AI 所谓的效率提升都只是营销。”
也不太符合现有证据。
但 research 往下走以后，我发现另一个问题更值得看。
任务效率提高了以后，接下来发生了什么？
McKinsey 2026 年的一项企业调查刚好提供了一个很有意思的背景信号。
1719 名来自 97 个国家的受访者里：
80% 报告 AI 改善了个人生产率；
但只有 37% 报告 AI 已经对企业 EBIT 产生正向贡献。
这两个数字不能直接相减。
它们都是自报数据，“37%”也绝不意味着另外 63% 的企业做 AI 都亏钱。
但放在一起，确实提出了一个值得继续追的问题：
从“一个人做得更快”，到“企业真正得到经济价值”，中间到底发生了什么？
我现在大概会沿着四层继续看。
任务改善 → 工作流兑现 → 产能利用 → 价值捕获
第一层：任务本身真的改善了吗？
这里看起来最简单，其实已经很容易算错。
AI 生成一份报告只用了 30 秒，并不代表这项工作从两小时变成了 30 秒。
如果之后还需要花一个小时检查事实、重写关键部分、处理失败结果，那么真正应该比较的是：
加入核验、修改和异常处理以后，完整任务有没有更快、更好，或者更便宜？
而且“用了 AI 就会提效”本身也不能预设。
METR 在 2025 年做过一个很有意思的随机实验。
16 名熟悉成熟开源代码库的资深开发者完成 246 项真实任务。结果反而发现，在那个特定环境下，允许使用当时的 AI 工具以后，完成任务花的时间增加了大约 19%。
2026 年的后续实验已经开始出现加速方向的结果，但置信区间跨过零，同时有明显的参与者和任务选择偏差，所以研究团队自己也没有把它解释成一个新的通用提效比例。
这几个 coding 研究放在一起，对我最大的提醒反而很简单：
先测完整任务，不要先假定 AI 一定提高效率。
任务、人群、代码库、工具和验收标准不同，结果本来就可能完全不同。
所以第一层真正需要确认的是：
在我自己的真实业务里，这项任务真的变好了吗？
第二层：一个 task 变快，不代表整个 workflow 变快
假设第一层已经成立。
以前写一段代码要一天，现在半天完成。
企业是不是就多得到了半天？
还是不一定。
如果真正限制交付速度的是需求决策、code review、测试或者审批，那么更快地产生代码，可能只是让下一个环节排起更长的队。
AI 把一个局部环节变快了，但整个 workflow 的 throughput 没有发生同样幅度的变化。
一项覆盖 66 家企业、7137 名员工、持续六个月的随机实验很好地体现了这种区别。
真正使用生成式 AI 工具的员工，在实验后半程每周处理邮件的时间减少了大约 两小时，下班后的工作时间也下降了。
这些都是真实变化。
但研究没有检测到其他任务的数量或工作结构随之发生明显变化。
也就是说：
时间确实省下来了。
但研究并没有进一步证明：
这些时间自动变成了更多企业产出。
我觉得这个区别很重要。
因为我们平时看到“每名员工每周节省 X 小时”时，很容易下一步就把小时数乘以工资，再写成一笔“价值”。
现实没有那么直接。
员工少加班，本身当然可以是一种价值。
工作体验变好、精力消耗降低，也不能因为没有立刻出现在利润表里就被当成零。
但如果我们要声称：
“AI 给企业节约了这么多钱。”
中间还缺下一步证据。
第三层：省下来的时间，最后去了哪里？
这可能是整条链里最容易被跳过去的一层。
假设一个 100 人团队，因为 AI 每个人每周都稳定节约两小时。
理论上，一周出现了 200 个小时的新增 capacity。
接下来呢？
它可能变成：
- 同样的人处理更多客户；
- 原本积压的工作开始被完成；
- 产品迭代更快；
- 业务增长以后不用按照原计划继续扩招；
- 员工减少加班；
- 也可能只是每个人多了一些分散在不同地方、很难重新组织的零碎时间。
这些结果的价值并不一样。
其中一个让我在 research 里印象很深的地方，就是：
AI 可以释放 capacity，但组织还要决定怎样使用这部分 capacity。
技术没有办法替企业完成这一步。
- 如果需求本来就是有限的，多生产 30% 的内容未必有价值。
- 如果下游团队没有更多处理能力，上游快出来的产出可能只是堆在那里。
- 如果企业原本计划业务增长后再招 20 个人，现在用同一支团队就能支撑增长，那么 AI 的价值可能主要体现为 avoided future cost，而不是今天立刻裁掉 20 个人。
所以“节约了多少时间”和“企业得到了多少经济价值”，最好分开记录。
最后一层：企业真正得到的价值，其实不只有省人工
这也是我做完 research 后，觉得自己原来想得有点窄的地方。
讨论 AI ROI 时，我们很容易只问：
少用了多少人？
但现有研究里，一些最清楚的价值并不是来自裁员。
一项大型跨境零售平台的实验研究比较了七类生成式 AI 工作流。
其中，给消费者提供售前 chatbot，相比没有实时服务的基准组，销售额提高了大约 16.3%。
这里 AI 的价值路径就很不一样。
它没有简单替代一名原有员工。
原本大量消费者根本得不到即时的一对一售前服务。AI 让一种过去成本上可能不成立的服务，第一次可以覆盖到更大规模。
于是价值来自：
更多服务覆盖 → 减少购买过程的信息障碍 → 更多交易。
同一项研究里，AI 搜索优化带来的销售提升约为 2.9%；而 AI 营销推送并没有出现统计上显著的销售改善。
这也提醒我：
“用了生成式 AI”本身并不是价值来源。
具体 workflow 到底解决了什么问题，才是。
综合这轮看到的案例，我现在会把企业可能获得的价值大致分成几类：
实际现金节约
真的减少了外包、加班、软件或其他现金支出。
新增 capacity / 避免未来成本
同样的人可以支持更大业务量，或者增长时不用按照原计划继续增加投入。
新增收入或利润
例如更多转化、交易、留存，或者提供以前无法经济覆盖的服务。
质量、及时性和风险改善
更少返工、更快处理、更低错误损失、更稳定的服务。
新增能力
原来因为人力、成本或专业门槛根本不会做的事情，现在第一次可以完成。
它们都可以是真实价值。
但最好不要混在一起。
尤其不要把“理论上节约的员工时间”，直接写成“已经减少的现金成本”。
所以以后再看到「AI 提效 xx%」，我会继续问四步
这一篇 research 最后留给我的，并不是一句“AI 提效不等于 ROI”。
我觉得更有用的是下面这条链：
任务改善 → 工作流兑现 → 产能利用 → 价值捕获
看到一个 AI productivity 数字以后，可以继续问：
1. 任务
加入核验、修改和失败处理以后，完整任务真的更快、更好或更便宜了吗？
2. 工作流
这个改善穿过下游了吗？
还是只是把 bottleneck 从一个地方移到了另一个地方？
3. 产能
释放出来的时间和能力最后被怎么使用？
更多业务、减少积压、避免扩招、减少加班，还是没有被重新组织起来？
4. 价值
最后真正留下来的是什么？
现金节约、capacity、收入、质量、风险改善，还是一种以前无法提供的新能力？
我觉得“提效”本身是真实而重要的结果。
现在也已经有越来越多研究支持它。
但如果我们想进一步讨论 enterprise value，就需要沿着这条链继续往后走。
不能从“一个 task 快了 26%”，直接跳到：
“企业因此获得了 26% 的 ROI。”
到这里，其实只算完了企业 AI 经济账的一边：
我们可能得到了什么。
还有另外一边没有展开。
为了稳定得到这些结果，企业到底付出了什么？
模型和 API 是最容易看到的一张账单。
但数据整理、系统集成、eval、人工审核、监控、异常处理、治理，以及项目失败以后留下的投入，又应该怎样算？
这是下一篇想继续看的问题：
「企业 AI 的真实经济账」研究 2/3：AI 的成本，应该算到哪里？
关于这轮 research
这是「企业 AI 的真实经济账」研究系列的第一篇。
整轮研究想回答的不是“AI 有没有价值”，也不是寻找一个所谓的“企业 AI 平均 ROI”。
我更想把现实里的两边账尽量拆清楚：
企业真正获得了什么，以及为了得到这些结果完整付出了什么。
这一篇主要使用三类证据。
第一类是真实工作环境里的随机实验和准实验，包括客服、软件开发和知识工作。它们比较适合回答某一项任务有没有真正改善，但通常没有完整测量项目成本和企业利润。
第二类是直接连接业务指标的实验，例如零售场景中的销售变化。它们更接近企业价值，但结果依然只能解释对应的具体 workflow。
第三类是 McKinsey 等企业调查，用来观察个人 productivity 与企业层面经济结果之间的大背景。调查能够发现趋势，但属于自报和相关性证据，所以不会拿它来计算一个统一的“AI 成功率”。
这轮 research 一个很重要的处理原则是：
研究测到了什么，就只说到哪里。
任务提效不自动叫 ROI；企业自报的节约也不自动变成独立因果证据；没有测量到完整成本，也不会把收益改善写成净回报。