企业采购 AI 后，最容易展示的是一条增长曲线。Stanford 的《2026 AI Index》显示，报告至少一个业务职能使用 AI 的受访组织比例，从 2023 年的 55% 升到 2025 年的 88%。它说明组织采用正在扩散，却不能告诉我们员工是否愿意学，也不能说明工作因此变好。报告
读完 Stanford HAI 关于员工与 AI 的报道，我留下的问题是：工具替团队省下的时间，接下来由谁决定怎么用？
我之前在《别再被 80% 的 AI 采用率骗了：为什么说企业 AI 落地是个伪命题？》里讨论过采用指标和真实落地之间的距离。那篇文章主要谈工具怎样进入业务流程；这次 Stanford HAI 报道把问题带到流程内部：工具到手之后，员工得到的是新的工作机会，还是更高的旧任务配额？
采用率回答不了员工是否受益
Section titled “采用率回答不了员工是否受益”组织层面的 AI 采用率只回答“有没有至少一个部门在用”。它不说明一线员工有没有主动使用、是否信任工具，也不说明产出的价值归谁。AI Index 把这些指标分开呈现：2025 年生成式 AI 至少进入一个业务职能的组织占比是 70%；这个比例与组织“使用过 AI”并不是同一个口径。
这些数字仍然有用，它们说明 AI 已从少数试点走向更广的组织部署。但如果接下来的考核只有节省多少小时、处理多少案件或生成多少文本，员工很难从中看见自己的工作会去向哪里。对员工来说，“帮公司做得更快”并不自动等于“我能做更有价值的工作”。
同一把工具，背后是一整套工作安排
Section titled “同一把工具，背后是一整套工作安排”报道中最具体的对照来自一家律所。两个业务相近的部门得到同一款 AI 工具。一个部门听到的重点是更快起草合同、缩短处理时间；另一个部门的管理者先问大家哪些工作乏味、想做什么但一直没空，再鼓励他们用工具处理例行任务、尝试法律研究和案件分析。
第二个部门的工作条件也不同。管理者提供正式培训、每周知识分享、供应商问答、复杂任务的导师支持，以及固定的自主探索时间。这个部门的员工使用工具比对照部门多 58%，尝试新用法多 70%。
所以这组数字不能被改写成“把 AI 宣传成岗位丰富化，就能让使用量提高 58%”。原文呈现的是工作叙事和配套支持一起出现时，员工参与更多。单凭这项部门比较，我们无法把效果拆分到某一句话、某一种培训，或者某一小时的探索时间上。
我更想追问管理者能否把承诺落到日历、任务和资源里。员工听到“AI 会替你处理琐事”，也会想知道省下来的时间能否留给自己想做的工作，还是马上被下一轮任务填满。
绩效指标会把时间引向不同方向
Section titled “绩效指标会把时间引向不同方向”AI 重新安排任务后，旧指标可能会给出错误信号。报道举的例子是案件数量：律所员工若用工具做更深入的研究和案件分析，单个任务可能花更久，处理的案件数也会减少。只看数量，就会把更有价值但更费时的工作判断为退步。
按员工消耗了多少 AI token 来衡量成效，也有类似问题。它能说明工具被调用，却无法说明这些调用是否解决了业务问题。员工如果知道组织在数使用量，就可能优先增加可计数的活动，而不是寻找真正改善工作的用法。
绩效指标像工作完成后的记分牌，也会提前告诉员工什么值得投入。企业若希望员工学习新技能、尝试更复杂的任务，就需要在评价中看见质量、判断、风险控制和新职责的承担情况。员工若投入时间学习新工作，却可能输给更熟悉、数量更多的旧工作，学习的动力就会变弱。
先说清楚节省的时间怎么分
Section titled “先说清楚节省的时间怎么分”把 AI 带进团队之前，管理者可以先把三件事讲清楚：哪些例行任务会减少；腾出来的时间将投入哪些新任务和学习；员工的新贡献会怎样进入绩效和回报。生产力仍然重要，但节省时间只是中间结果，组织还要说明时间如何转成更好的交付，也如何让员工拥有新的工作空间。
“让工作更有意义”需要落实到安排里：给员工探索时间，允许岗位任务变化，也让新的贡献进入评价。Stanford HAI 的页面是研究报道，没有附研究论文全文；58% 与 70% 应留在这个律所案例内理解，不能拿来预测其他企业的结果。
AI 省下来的时间，不会自动变成组织或员工的收益。经过任务分配、绩效标准和奖励方式的重新安排，它才可能成为新的职业空间。若这些安排不变，提速很容易只剩下“同样的工作做得更多”。