AI 改变的，可能不是效率，而是工作本身

我们现在谈 AI，最常用的一个词是“提效”。

以前一个小时完成的工作，现在十分钟完成；以前需要三个人，现在一个人加 AI 就可以完成。

这些当然都是变化。

但我越来越觉得，提效可能只是 AI 带来的第一层变化。

更重要的变化是：

AI 正在改变很多传统工作方式赖以成立的前提。

过去的工作为什么需要被切分成那么多岗位？

为什么需要大量文档、会议、审批和交接？

很多时候，并不是因为事情本身天然就应该这样完成，而是因为一个人的能力有限。

一个人只能完成其中一部分，于是我们必须进行分工。

有了分工，就需要协作。

有了协作，就需要文档、流程、规范、会议和各种中间产物，保证信息能够从一个人传递给另一个人。

所以很多我们今天习以为常的工作流程，本质上都是在解决一个问题：

如何让一群能力不同、掌握信息不同的人共同完成一件事情。

而协作本身是有成本的。

一个想法从提出，到被另一个人理解，再到被第三个人执行，中间每经过一次传递，都可能发生损耗。

于是大量时间消耗在沟通、解释、确认、等待和返工上。

AI 开始改变这一切。

它让一个人能够跨越越来越多过去的能力边界。

一个原本只擅长某个领域的人，现在可以借助 AI 完成过去需要多个岗位共同完成的工作。

这并不意味着每个人都会成为所有领域的专家。

而是意味着：

完成一件事情所必须经历的“人和人之间的交接”正在减少。

而一旦交接减少，很多建立在交接之上的流程，自然也会发生变化。

过去，我们可能需要先花很长时间描述一个东西。

写文档、做方案、整理需求、逐层传递，然后再由另一个人把它做出来。

但当“做出来看看”的成本已经足够低时，工作方式就可能完全不同。

很多事情不再需要先被完整地描述，然后再被执行。

而是可以：

先做出一个足够具体的东西，再通过真实反馈不断修改。

这背后其实是一个很大的变化。

过去，执行成本很高，所以我们希望：

尽可能在执行之前想清楚。

未来，执行成本越来越低，我们可能会更多地：

通过执行来帮助自己想清楚。

这不仅仅意味着效率提高了。

它意味着“思考”和“执行”之间原本清晰的边界，也开始变得模糊。

所以我现在觉得，企业使用 AI 时，一个很容易出现的问题是：

我们仍然默认原来的组织结构和工作流是正确的，然后思考：

怎么在每一个环节里加入 AI？

但如果 AI 已经改变了这些流程最初存在的条件，那么真正应该做的，可能不是优化原来的流程，而是重新设计它。

有些环节可以被合并。

有些中间产物可以消失。

有些岗位之间的边界会变得越来越模糊。

有些过去必须多人协作完成的事情，会变成一个人直接对结果负责。

所以，相比于不断问：

“AI 怎么让现在的工作做得更快？”

也许更值得问的是：

“如果今天重新设计这件事情，我们还会按照过去的方式工作吗？”

AI 真正重要的地方，可能从来都不只是让原来的工作更快。

而是让很多我们过去认为理所当然的工作方式，第一次有机会被重新设计。