如果你刚开始接触AI,结果会感觉很不错。但如果你已经做了一段时间,你就知道接下来会发生什么。
摘要
作者观察到,虽然AI提升了个人生产力,但公司往往无法实现利润的增长,因为组织瓶颈和缓慢的决策过程阻碍了自动化带来的复合效益。
在企业广泛采用人工智能的三年里,我观察到了一个模式。那些在自动化方面投入大量资金的公司,产出更快更多,但仍然没有在利润上体现出来。假设一个开发者的工作速度提高了50%,却仍然要等待同样的审查队列。一个原本需要两周才能完成原型的团队,现在只需几天,却仍然要等待同样的三周审批时间。AI加速了工作,但工作仍在等待……对于处于早期采用阶段的公司来说,这一点不太明显,因为成果是真实的,期望也还在设定中。个人生产力无疑提高了,某些工作流程的运营成本降低了,这感觉像是进步,因为它确实是。但这不是那种能够复合增长的进步。真正能复合的是决策速度,这需要重新思考谁负责什么决策、在什么阈值下决策,以及企业从信号到行动的速度有多快。对于我们大多数自动化客户来说,问题不再是自动化什么。而是围绕这些自动化的组织结构是否已经准备好吸收已经产出的成果。这比部署另一个工具更困难,而这也是真正能推动数字变化的问题。
相似文章
我每天使用AI已经两年了。没人提醒过我的一点是,它改变的是你愿意尝试的事情,而不是你的工作速度。
作者回顾了两年间每天使用AI的经历,认为最显著的变化并非速度提升,而是尝试新任务的门槛降低了,使得以前似乎不值得付出努力的工作变得可行。
我们是否高估了AI能力转化为实际生产力的速度?
本文质疑AI展现的能力是否自动转化为实际生产力,强调了工作流所有权、可靠性以及与复杂人类系统集成等方面的差距。
AI让我更高效,但不知为何更累了
个人反思:AI工具提高了生产力,但也抬高了期望,导致工作量增加和心理疲劳,而非获得更多空闲时间。
@zarazhangrui: 如果你的公司采用了AI但没有看到实际效果,请阅读这篇1990年的文章:《The Dynamo and the…
这条推文将早期采用电力时缓慢的生产力提升与当前AI采纳相类比,认为真正的收益来自于重新设计工作流程,而非简单地将AI附加到现有流程上。文中引用了Paul David 1990年的文章《The Dynamo and the Computer》。
AI真的能提高人们的生产力,还是只是提高了期望?
这篇文章质疑AI带来的生产力提升是否真正减少了工作量,还是仅仅提高了期望,导致截止日期更紧、任务更多,而不是为员工腾出空闲时间。