@TheTuringPost: AI 可以节省员工时间，但不会为企业创造任何可衡量的价值。一项大型丹麦研究发现，工作…

AI能为员工节省时间，却未必给企业创造可量化的价值。

一项丹麦大型研究发现，使用AI的工人大约节省了总工作时间的2.8%。然而，这些收益并未体现在他们的记录工时或收入中。

这项研究只衡量了经济效应的部分，并未测量业务成果。但它揭示了一个真实的企业AI问题：

任务可以变得更轻松，而围绕它的经济状况却丝毫未变。

缺失的一环是“能力到成果链”：

• AI改进了某个任务
• 任务释放了时间、注意力或成本
• 组织有意识地将这些能力重新分配
• 可衡量的业务成果发生了变化

多数公司只测量了第一阶段，并假设剩余环节会自然发生。 问题在于，节省的时间往往只是被会议、审查和同样的旧瓶颈吞噬——工作流并没有提速

因此，在自动化工作流之前，公司需要明确释放出来的能力用于什么： • 更高的产量 • 更短的周期时间 • 更高的质量 • 更低的成本 • 更少的风险 • 以前过于昂贵或不切实际的工作

然后还需要有人有权重新设计工作流、改变服务水平、重新分配团队或为新项目提供资金。

记住：只有当组织决定了节省的时间用于何处时，AI的ROI才会显现。

我们的指南 ↓

与 @wschenk 一起，我们解释了企业AI的回报为何持续消失，以及公司应该衡量什么来代替：

为什么一个“无模型”RL智能体学会了规划，而一个匹配的控制组却没有？

在最近的一项《推箱子》研究中，一个仅通过奖励训练得到的智能体，每个棋盘方格被赋予一个隐藏单元，并学会了哪些单元应该交换信息。

其注意力机制恢复了游戏的转移图。每次循环传递都在该图上精炼一个规划。

如果用墙挡住其意图路径，该智能体在19%的情况下改变了下一步行动；而当一个距离相同但偏离路径的墙被添加时，这一比例仅为7%。

控制组具有相同的学习目标，但拥有自由浮动的隐藏槽位。它从未形成稳定的状态到单元映射，规划也未出现。

这指向一个重要想法：RL可能提供规划的压力，而架构则提供规划的基底。

局限性同样尖锐。这只是《推箱子》游戏，基于三个随机种子，且成功的绑定部分已内置。 Transformer是否能发现等价的绑定，仍是一个悬而未决的问题。