微软把AI塞进Office 3年，1.8亿打工人 product

2024年Q3，全球企业AI工具支出突破127亿美元，但同期麦肯锡调研显示：72%的管理者说不清团队用AI到底产出了什么。钱花了，账算不清——这是过去18个月最普遍的职场困惑。

有人把AI当作弊器，有人当许愿池。两种想象都跑偏了。它更像类固醇：能让肌肉长得快，但去健身房的还得是你。

「工具不会替你举铁」

原文作者打了个粗粝但精准的比方。健身者用药，增肌速度翻倍，但训练强度、饮食控制、睡眠恢复一样不能少。药物不替你流汗，不帮你克服平台期，更不培养你对身体的理解。

AI对知识工作者的作用机制几乎一致。它能压缩 drafting 时间、把50页报告浓缩成3页要点、帮你突破 blank page paralysis（空白页瘫痪）。但这些输出质量的天花板，仍取决于使用者的判断力、领域深度、提问精度。

一个资深产品经理用AI，3小时能跑完竞品分析的MVP框架；新人用同款工具，3小时可能产出一份看起来专业、实则漏洞百出的战略文档。

差距不在工具，在谁握着鼠标。

放大器 vs 迷彩服

原文把职场人分成两类，这个切分比「会用AI/不会用AI」更锋利。

强者拿AI当 cognitive multiplier（认知放大器）。测试假设的速度从周变成天，从「想三个方案」变成「想三十个筛三个」，把机械劳动外包给机器，省下的注意力砸向真正需要人类决断的环节。

弱者的用法更隐蔽也更危险：用AI生成一份语法 flawless 的邮件，掩盖自己没想清楚；让模型写代码注释，假装理解了自己 copy-paste 的函数；用漂亮的可视化图表包装空洞的分析。

这不是 productivity 提升，是 competence theater（能力表演）。更麻烦的是，这种伪装在短期内难以识别——直到项目推进到需要真人担责的节点。

组织层面的新难题

当AI模糊了「谁真懂」和「谁看起来懂」的边界，招聘和晋升的逻辑被迫重构。

传统筛选依赖的输出物——报告、代码、设计方案——现在都能被AI批量生产。面试官开始加测「白板即兴」：关掉Copilot，现场解题。绩效考核从「交付了什么」转向「决策质量如何」「错误如何归因」。

一些团队在做反向实验：强制AI静默日，观察谁裸泳。另一些团队在重建协作协议——哪些环节必须人类签字，哪些输出必须标注AI参与度。

这些调整没有标准答案，但方向明确：组织正在从「评估产出」转向「评估产出背后的思维过程」。

一个未被回答的问题

原文停在了一个开放地带：当AI让「看起来专业」的门槛骤降，真正的专业能力该如何定价？

职场正在经历一场缓慢的信用重估。那些曾被包装成稀缺技能的能力——格式规范的PPT、流畅的商务写作、基础的数据处理——正在快速贬值。而定义问题、校准优先级、为错误买单的意愿，这些无法被AI代劳的特质，溢价还在上升。

变化的不是工具本身，而是「什么算本事」的共识。

你的团队最近半年修改过绩效考核标准吗？如果有，新增了哪些过去不存在的维度？