How to Help People Thrive with AI

Uber CTO Praveen Napali 说，99% 工程师用 AI 工具，2 个月内 16 个业务线用“AI 小分队”重塑流程，财务报告从 2 天缩到 10 分钟。

• Section 的报告：69% 员工所在公司已引入 AI agent（能自主执行任务的 AI 工具），但只有 16% 真在用，能自己解释“AI agent”含义的不到 10%。
• 培训缺口巨大：即使公司有 agent，只有 30% 员工接受过相关培训，绝大多数人根本没学过怎么用。
• 现象背后：模型越来越多、越来越强，但如果没人教怎么用，企业投入基本白费。

• ActiveTrack 研究：1 万多名用 AI 的员工，工作强度反而变大——邮件、聊天、业务软件的使用量翻倍，专注工作时间反降 9%。
• UC Berkeley 发现：AI 让员工把原本外包的活（如编码、工程）自己干了，晚上、周末、等电梯都能“加塞”新任务，还要同时盯一堆 bot 干活。
• “AI 脑疲劳”：时间被填满但更焦虑，AI 省下的时间都被用来接更多新活，老板和员工对“今天该完成多少”预期一起抬高。
• Midjourney 创始人 David Holz：身边朋友都觉得“生产力爆表但被掏空”，说明“无限待办”成了新常态。

• 脑力乘客（productive passengers）：低主动思考需求，靠 AI 省事，效率高但大脑活跃度下降。MIT Media Lab 研究：用 ChatGPT 时大脑连接度降 55%，gamma 波（努力思考的信号）降 40%，批判性思维能力被削弱。
• 被动优化者（reluctant optimizers）：知道 AI 可能让人变“空心”，但日常压力下还是会依赖。GoTo 调查：43% 员工明知 AI 生成内容有错也照交，追求“快完成”而不是“做得好”。
• 脑力马拉松者（mental marathoners）：主动用 AI 增强自己，追求原创和个人表达，把 AI 当助力而不是替代品。像跑马拉松一样，享受“难事”带来的成长。

• David Brooks 观点：虽然“主动思考”的意愿有遗传成分，但更受环境影响。教育和组织可以通过制度设计，激发人们追求复杂、挑战自我的动力。
• 教育转向建议：别再只考死记硬背和标准答案，要让学生/员工主动“跑脑力马拉松”，愿意啃难题、反复试错。
• 企业实践：华尔街日报报道，越来越多公司靠“AI 冠军”带动同事用 AI——这些人提前试新工具、参加培训、主动答疑，带动全员转型。

• 99% 工程师用 AI 工具，70% 代码合并请求由本地/云端 agent 处理，2 个月内开发了 2500+ 个 agent 技能。
• 跨部门“AI 小分队”：挑 30 名最懂 AI 的工程师，每人配一个业务专家，2 周内“影子”业务流程、优先找痛点、一起造 agent，10 天上线。
• 成果数字：
• 资本分配决策从 15 小时缩到 30 分钟
• 财务报告从 2 天缩到 10 分钟
• 市场营销网页质检从 2 周缩到 50 分钟
• 客服流程自动化，9000 个手工流程变自助
• 最大收获：不是单点自动化，而是“重构整个流程”——砍掉多余环节、减少审批、替换老工具、加速决策。
• 方法论：最有价值的 AI 机会，往往藏在“坐在一线、和业务一起干”里，外部专家看不到。

• 别让 AI 替你思考，而是让它挑战你的结论，比如先自己写分析，再让 AI 提出反驳。
• 区分机械活和创造性活：让 AI 写例行邮件、报表，但重要 memo、方案还是自己写。
• AI 真正的价值：不是让你更快做老活，而是帮你做以前不会、做不到的新事——比如不会写代码的人，用 AI 现学现做 agent，边问边试，失败了再改，能力边界被拉大。

“最有价值的 AI 机会，藏在和业务一线的人并肩干活里，流程重构比单点提效更重要。”

• 企业想让 AI 真落地，别只靠培训或宣传，得让懂 AI 的人和业务一线深度共创——像 Uber 这样“影子+共建+快速上线”的小分队模式值得照搬。
• AI 省下的时间，不是用来做更多老活，而是用来探索新业务、解决以前没人敢碰的难题——组织要引导员工把生产力红利投入创新，而不是“无限待办”。
• 个人用 AI 的分水岭：是只用它省事，还是用它突破自己不会的领域。后者才是“脑力马拉松者”，也是未来最吃香的 AI 用户类型。