在1985年的恐怖电影《银色子弹》中，马蒂·科斯洛和他的叔叔雷德将一个银十字架和一枚勋章熔化，铸成一颗子弹。一枪打出，狼人应声倒地。
这是一个精彩的场景，但也纯属虚构——现实世界中并不存在银色子弹。然而，那些在电影上映时还年轻的高管们，如今却仍在苦苦寻找这样一颗"银弹"。
对企业而言，"怪兽"是真实存在的：效率低下、竞争力疲软、质量成本过高。但AI并非那颗银弹。真正困难、也是唯一能带来回报的部分，是重新设计工作的运行方式。
我们之所以知道这一点，是因为类似的事情已经发生过一次。
敏捷开发最初是对扼杀工作效率的流程发起的一场反抗，它确实取得了成效：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，这正是该方法广受欢迎的原因。
但后来，它被各种框架、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。但这一次的冲击范围要大得多，因为它波及所有建立在知识型工作基础上的岗位。不过，仍有办法确保这种方法不止是改变了词汇，而是真正带来成果。
大多数AI失败案例，源于将模型硬塞进原本为人工逐步操作而设计的流程中。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。
真正获得实际收益的团队，会将工作流程拆解至其核心目的，并围绕工具现在能做的事情重新构建流程，去除那些仅因旧方式需要按人类节奏运作而存在的交接环节、审核层级和步骤。
据麦肯锡数据显示，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，该研究将此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。
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。
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%。
这两项结果的统计学意义都不够明确，置信区间均跨越了零值，而且数据背后还存在更深层次的问题：越来越多的开发者拒绝参与实验，因为他们不愿意将一半时间花在不使用AI的工作上；而在参与实验的人中，有30%到50%承认，他们故意隐瞒了自己最希望用AI处理的任务。这种选择偏差始终朝着同一个方向，这正是Metr将其估算结果视为下限的原因。实际的收益可能更大，只是Metr无法确定具体大多少。
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。激励机制不应奖励表面忙碌、保住编制或墨守成规的行为。
相反，领导者应当奖励那些敢于重新设计流程、以更少投入实现更多产出、并主动消除自身冗余工作的团队。
从来就不存在什么银色子弹，存在的只有实实在在的工作。所以，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。
Q&A
Q1：什么是敏捷开发（Agile）？它和AI采用有什么关系？
A：敏捷开发最初是对抗僵化流程的方法，曾使项目成功率提升三倍以上，但后来被框架和认证"劫持"，沦为形式主义。文章认为AI正在重蹈敏捷开发的覆辙——如果不进行真正的流程重塑，仅是改变说法或采用工具本身并不能带来实际效果。
Q2：企业该如何衡量AI真正带来的效果？
A：应追踪周期时间、单位工作成本、人均产出、质量和收入等自带证据的真实指标，而不是账号数量、登录次数等虚荣指标。麦肯锡数据显示，真正获得AI收益的组织，往往从根本上重新设计了工作流程，而不是在旧流程上叠加AI。
Q3：Metr的研究发现了什么？AI真的能提升开发效率吗？
A：Metr在2025年的两次试验中得到了不同结果：第一次发现使用AI后任务反而慢了19%，第二次则显示提速了4%到18%。但由于开发者存在选择偏差（隐瞒最希望用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。
