每个人的生产力都快了10倍，为什么没有一家公司更值钱？

深度思想，谈 AI 与向往 —— 字节深思圈

有个现象值得盯着看：AI 让每个会用它的人，生产力都往上蹿了一截，但没有一家公司因此变得更值钱十倍。这些省下来的时间、多出来的产出，到底流去哪了？

Hebbia 的 CEO George Sivulka 最近写了一篇文章，直接点破了这个困惑。他的判断是：我们正在重蹈 1890 年代电力革命的覆辙，犯下科技史上最昂贵的错误。他把这段历史翻出来，不是为了讲古，是因为它和今天的 AI 应用现状，重合得有点吓人。

换马达这件事，干过一回

先把这段历史说清楚，它是整个论证的地基。

1890 年代，电力开始普及，新英格兰的纺织厂很快把蒸汽机换成了更快的电动马达。按常理，动力更强了，产出该涨。但接下来的三十年，这些电气化工厂的产出几乎没怎么增加。技术远超从前，组织方式却原封不动。

直到 1920 年代，工厂彻底重新设计了生产流程：引入流水线，给每台设备装独立马达，让工人和机器承担不同的工作，电气化的回报才真正出现。用 Sivulka 的话说，这些回报来自重新设计整个机构和技术的配合方式，单靠技术本身，或者让某台机器转得更快，都换不来。

换句话说，先换马达的工厂，输给了后重新设计车间的工厂。

你的公司可能刚换完马达

把这个故事平移过来，就能看清当下大多数 AI 应用的处境。

Sivulka 把这层意思拆成两个概念：Individual AI（个人 AI）和 Institutional AI（机构 AI）。前者是让单个员工提效的工具——写邮件、改文档、查资料、生成内容；后者是把 AI 织进组织流程、直接对业务结果负责的系统。

他的观察是，眼下被反复讨论、被拿来炫耀的，绝大多数是前者。员工在群里晒自己用 ChatGPT 又省了多少时间，但这类"生产力最大化"，对实际业务产出几乎没有影响。这正是换了马达的样子：个体更快了，工厂的产出没变。

这里有个简单但容易被忽略的事实：高效的个人，不等于高效的公司。个人提效是加法，组织重构才可能是乘法。只盯着前者，就会误以为自己已经拿到了 AI 的红利。

个人生产力为什么变不成公司价值

Sivulka 在文章里列了七组差异，我只挑三组最能说明问题的讲。

第一是协调。他打了个比方：假设你明天把公司人数翻倍，新增的全是你最优秀员工的克隆体。这些克隆体各有脾气、各有主张，如果没有人管理、没有明确的职责和沟通机制，你得到的不会是双倍生产力，只会是混乱。成千上万个 Agent 也是一样。当每个员工都有自己的用法、自己的提示词习惯，彼此的产出互不相通，组织可能从个人层面看更高效了，整体上却在原地踏步，甚至互相抵消。

第二是产出导向。他引用一个风投的判断：你问任何 CEO，首要任务是降成本还是涨收入，几乎所有人都会说收入。但市面上几乎每个 AI 产品都在卖"省时间、省人力"。省时间是容易被商品化的，谁都能说自己快；真正能沉淀价值的，是把技术和结果绑在一起、直接创造收入的东西。卖工具和卖结果，是两个完全不同的生意。

第三是主动性。他提出一个很扎心的说法：给 AGI 下提示，就像把电动马达接到老织机上，瓶颈卡在组织里最薄弱的一环，也就是人类。人几乎不知道该问什么问题，更别提什么时候问。AI 最有价值的工作，恰恰是没有人想到要去要求的工作：找到没人标记的风险、没人想到的对手方、没人知道存在的渠道。

还有一笔隐性账：噪音多了，信号没多

除了这三组，还有一笔容易被漏掉的账。个人 AI 让生产内容变得极容易，但生产出来的东西，绝大多数是垃圾。

Sivulka 自己也承认这个矛盾：他经营着一家 AI 公司，却要求高管团队不要在任何最终书面产品里用 AI，因为他受不了那些垃圾内容。这话说得很直白——连卖 AI 的人，都在防着 AI 产出的噪音。

生成本身不再是问题，问题是在一堆选项里挑出对的那一个。他用私募股权投资举例：去年案头可能有 10 个交易机会，今年一个季度就来了 50 个，每一个都被 AI 润色得完美无缺，但你用来判断的时间还是那么多。个人生产力放大了，噪音也跟着放大了，找到信号反而更难。

有些组织看到垃圾泛滥，干脆一刀切禁止 AI 输出。这是过度反应，但也暴露了一个事实：如果没有人专门负责"筛选"，个人层的产出放大，最后会变成组织层的处理负担。生产力不会凭空变成价值，中间还隔着筛选、协调和判断这几道工序。

但也得说句公道话

讲到这儿，我想把话说得平衡一点，因为这套论证有两个容易被推过头的地方。

其一，Individual AI 不是没用的。Sivulka 自己也承认，它是大多数企业第一次体验 AI 的入口，也是推动使用、建立变革管理的起点。没有个人先用起来，组织层面的重构无从谈起。所以这不是二选一，而是先后和主次的问题。

其二，电力类比有个局限。工厂从换马达到重新设计车间，磨了几十年，因为电力迭代慢，给了组织从容调整的时间。但 AI 按月进化，留给人重新设计组织的窗口，大概率短得多。慢慢来，可能等不起。这是我对比这段历史时最担心的一点：历史会重演，但节奏不会照搬。

真正卡住的是组织的接口

把这几层叠起来，我的判断是：AI 的价值，不沉淀在个人工具层，只沉淀在被重新设计过的流程里。

这意味着瓶颈从来不在技术，而在"组织接口"——你的流程、协调方式、激励机制，有没有为 AI 重写一遍。买工具只是入场券，重新设计工厂才是产生利润的地方。很多公司以为自己在做 AI 转型，其实只完成了采购。

落到行动上，有两件事可以立刻做。

对管理者，别再拿"员工提效了多少"衡量 AI 的成效，那是换马达的指标。换成三个更接近产出的问题：它有没有带来新的收入？有没有发现没人标记过的风险？有没有逼着我们改掉了某条旧流程？如果三个都答不上来，这笔投入大概率还停在个人层。

对创业者，别再只卖"省时间"。省时间会被商品化，价格会被压到地板。往上游走，把技术和一个具体的业务结果绑在一起——识别出一个值得追的客户、拦住一笔有问题的交易、多成一单生意。价值往哪里沉淀，钱就在哪里。

电力早就有了。问题是，谁先动手重排自己的车间。