在电影《银色子弹》中，主角将银十字架和勋章熔化铸成子弹，一枪击败了狼人。这虽然是虚构情节，却折射出很多企业管理者的心态——他们总希望找到一颗"银弹"，能够一劳永逸地解决效率低下、竞争力疲软、质量成本过高的难题。

如今，这颗被寄予厚望的"银弹"变成了AI。但现实数据告诉我们，AI并非万能解药。真正困难、也是唯一能带来实际回报的部分，是重新设计工作的运行方式。

AI正在重蹈敏捷开发的覆辙

类似的故事其实已经发生过一次。敏捷开发最初是对僵化流程的反抗，确实取得了显著成效：Standish Group的Chaos研究发现，采用敏捷方法的项目成功率是瀑布式项目的三倍以上，这正是该方法迅速普及的原因。

但后来，敏捷开发被各种框架、认证和从未真正交付过产品的教练所"劫持"。原本旨在提升效率的仪式，逐渐沦为形式主义的表演。二十多年后的今天，一句"我们是敏捷的"已经无法说明一个团队是否真正具备交付能力。

如今，AI正在重蹈覆辙。但这一次的影响范围要大得多，因为它波及所有建立在知识型工作基础上的岗位。

数据揭示AI投资回报真相

据麦肯锡最新调研数据显示，只有39%的组织表示AI对其息税前利润（EBIT）产生了任何影响，其中大多数影响幅度低于5%。麻省理工学院的研究也发现，大多数企业级生成式AI试点项目并未在损益表上带来可衡量的回报。

研究人员将这一现象归因于集成问题和学习差距——换言之，就是企业将AI硬塞进从未为使用它而重新设计的工作流程中。大多数AI失败案例，源于将模型直接塞入原本为人工逐步操作而设计的流程。这样做只是让一个本就存在缺陷的工作流稍微加快了一点速度，并未带来本质性的效率提升。

麦肯锡的研究还揭示了硬币的另一面：那些真正获得成效的高绩效组织，其从根本上重新设计工作流程（而非在旧流程上叠加AI）的可能性几乎是其他组织的三倍。

警惕虚荣指标，关注真实产出

当采用率的衡量标准是账号数量、登录次数和使用AI的员工占比时，组织其实是在关注一些虚荣指标。这些数字能告诉董事会"员工很忙"，但无法说明是否真的交付了成果、满足了需求、提升了收入，或保证了交付质量。

AI研究机构Metr在2025年初进行了一项随机对照试验，对象是经验丰富的开源开发者，结果发现，在允许使用AI的情况下，任务完成时间反而延长了约19%，尽管这些开发者自己认为工作速度提高了约20%。

当Metr在当年晚些时候再次进行该实验时，结果转向了提速方向：原研究中返回的10名开发者速度提升了约18%，而新招募的47名开发者速度提升了约4%。但由于存在明显的选择偏差——越来越多的开发者拒绝参与实验，而在参与实验的人中，有30%到50%承认故意隐瞒了自己最希望用AI处理的任务——Metr认为真实收益可能被低估，实际效果或许更大。

这意味着，即便是一个专门以衡量AI能力为核心工作的机构，也难以清晰界定这项技术带来的影响究竟有多大。

真正的成功之道

真正的教训是，企业应当追踪那些自带证据的指标：周期时间、单位工作成本、人均产出、质量以及收入。如果你无法指出某个基于实际工作而发生变化的具体数字，那么你所拥有的只是一个试点项目，而非真正的成果。

最大的收益往往出现在这样的场景中：一个人或一个小团队能够端到端地负责一项工作，因为AI大幅压缩了原本需要整个部门才能完成的协调成本。但这一切的前提是，团队必须拥有改变自身运作方式的自主权。如果每一个决策都需要经过指导委员会层层审批，这种效果便无从谈起。

回顾敏捷开发的普及浪潮，那些真正从这项技术中获益的人，改变了自己的工作方式；而其余的人，只是改变了他们在站会上汇报的说辞。AI的情况如出一辙。

从来就不存在什么银色子弹，存在的只有实实在在的工作。别再演戏了。不要问有多少人在"使用AI"，而要问究竟交付了什么，衡量真实的成果，并奖励那些真正改变了工作方式的团队。