娄珺：我们的最新研究，可以验证“AI提效”是否真实

“降本增效”是过去三年处于严苛商业环境中的中国企业最喜欢提及的四个字，到了2026年，这四个字前面又被加上了一个词——“用AI”。

于是，各种各样的AI汇报材料开始在会议室里流传，每份材料里都有一个类似的“饼”——提效30%。

我每次看到这句话，都有点难绷，忍不住想追问一句：这30%去哪了？

如果它变成了利润，那报表上应该看得见；如果它变成了产品或服务，那客户应该感受得到；如果它变成了员工的时间，那大家应该可以早点下班。如果这三件事一件都没发生，那它可能是且仅是变成了PPT上的一个数字。

从本质上看，它就是一个被AI画出来的饼。

01 矛盾的数据

数据不说谎，让我们从数据角度看看“AI化”给企业带来的变化。

2026年第一季度，亚马逊自由现金流同比下降约95%，Alphabet下降约47%，微软下降约22%。巴克莱银行甚至预测Meta 2026全年自由现金流将下滑90%。

与此同时，猎聘CEO披露的数据是：2026年以来，全球科技行业发生363起裁员事件，波及近15万人，AI连续三个月成为裁员的首要推手，日均裁员974人。

一边是史上最凶猛的资本开支，一边是史上最果断的裁员，带来的自然是人工成本的结余。

这两件事同时发生，本身就说明了一个残酷的事实：AI现在还不是一门增长的生意，它更像是一场成本的置换。企业砍掉的人工成本，正在被算力成本、模型成本、数据成本一口一口吃回去。

可问题是，几乎没有企业把这两笔账放在同一张表上算。

有意思的是，华尔街（资本市场）似乎也会短暂buy-in这种成本置换，他们买的，似乎是AI化之后的人效提升或效能提升。但是，真的有这么简单吗？或者说，AI换人，真的就是企业“AI化”的正确姿势吗？

02 动分子or动分母？

穆胜咨询对人效的定义很明确，人效是投产比，是Efficiency，即财务或业务产出除以人力投入。我们应该是最早主张人效不是Effectiveness的机构，Effectiveness是有效性，而不是效能。事实上，有效性在人力资源领域就是个伪命题，有效与否，不能由选用育留各个职能模块来判断，而应该由最终的投产比来判断。

按照投产比的定义，裁员是最快改善这个数字的办法。分母变小，商就变大，报表立刻好看。但这叫人效提升吗？

我的看法很直接：用裁员做出来的人效，是财技，不是管理。

它的天花板一眼就能看到——你不可能把人裁到零。今年靠裁员做出20%的提效，明年靠什么？后年呢？靠裁员支撑的人效曲线，最终一定会撞墙，而且撞得很难看。

真正的人效提升只有一种形态：分子涨得比分母快。财务数据（营收、毛利、净利等）增速跑赢人工成本增速，业务数据（产量、销量等）增速跑赢人数增速，这两条路才是正途。走这两条路，企业才是在长肌肉，而单纯裁员，企业就只是在脱水。

打个扎心但准确的比方。一个工人原来扛100斤走10公里，现在扛200斤走10公里，累得躺在地上起不来。老板却兴高采烈地宣布：我们的人效翻倍了。这样的论调，不被网暴成资本家都有点对不起互联网的汹涌舆情。

这不是人效，这是耗损。

我在企业里见过太多这种“人效”。部门裁了三分之一，活一点没少，剩下的人加班到十一点，AI工具确实用上了，但用来做的事情是——在更短的时间里，完成更多本来就不该做的工作。再说准确点，人效的本质是分子涨得比分母快，更是分母的投入更多地转化为了分子的产出。说到底，还是要找到“新的效能增长点”。

03 AI的钱，记哪个科目？

摆脱情绪看数据。

AI不是免费的。token要花钱，模型要训，数据要标，还得配AI训练师、提示词工程师、AI治理岗、算力运维。这些开销真实存在，而且在快速增长。因为企业对算力和算法（开源大模型、闭源大模型等）的需求增长，远远超过了市场能够提供的供给，相关市场的爆发数据已经不需要赘述了。

那么，这些钱记在哪里？

绝大多数企业的答案是：IT费用，或者研发费用。

于是一个魔术就出现了：你把成本从“人工成本”科目挪到了这类“技术费用”科目，人效报表瞬间漂亮，但公司的总成本一分钱没少，很多时候还更多了。

麦肯锡自己有4万名人类员工，同时部署了2.5万个AI智能体。如果按照传统口径算人效，这家公司的数字一定极其亮眼。但如果把这2.5万个智能体的算力成本、开发成本、运维成本全部折进分母呢？我相信那会是另一张面孔。

所以我一直主张，在AI时代，人效的口径必须重写。分母不能只是“人工成本”，而应该是“人机总投入”——人工成本，加上AI相关的算力、模型、数据与运维投入。

进一步看，人力资源部门未来管理的不是人才队伍，而是人才+AI的“人机协同队伍”。所以，按照穆胜博士的观点，人效的定义应该走向“token计效”，把人工成本的投入，与企业实际的token消耗放在一起综合计量。

只有这样，“用AI替人”这个决策才第一次变得可被验证：你到底是真的用更便宜的方式拿到了同样的产出，还是只是把人换了个成本科目继续消耗。

否则，你测的不是人效，而是会计科目的搬家。遗憾的是，这就是大量企业目前的做法。他们大可以说AI换人之后会带来产出的爆发，正如华尔街的资本们大量相信的，可问题是，真的如此吗？这就引出了我要谈的下一个问题。

04 个体效率≠组织效率

这是我和穆胜咨询这两年反复讲、但很少有人真正听进去的一句话。

直观的感觉是，AI确实让每个人都变快了。但奇怪的现状是，公司并没有变快。原因不复杂：组织的瓶颈从来不在“个体产出”，而在“协作损耗”，背后是“组织模式（Organization Pattern）”。

举个例子。AI让一个人半小时写完一份原本需要三天的方案。然后呢？这份方案还是要走三级审批，还是要在跨部门会上被质询两轮，还是要等某位领导出差回来签字。你把生产环节从3天压缩到30分钟，流转环节还是雷打不动的15天，请问这家公司到底快了多少？

再举一个更有意思的例子。AI让每个部门都能自己拉数据、自己出分析、自己做方案。理论上这该提升协同，实际结果却往往相反——每个部门都有了一套属于自己的数据口径和分析模型，扯皮变得更专业、更有底气、更难被驳倒。

过去开会是“公说公有理，婆说婆有理”，现在是“公有公的模型，婆有婆的模型”。穆胜咨询的研究已经多次披露，金字塔组织+AI≠智能体组织，AI作为一项超级技术，本身也无法对抗部门墙、隔热层、流程桶、KPI真空罩这类的大企业病。

再说直接点——AI提升的是个体效率，这份效率能不能转化成组织效率，取决于组织模式改不改。老板们大多都不想改，组织变革本来就是需要他们面对人情世故，他们从心里就不想面对，如果有个“AI化改革组织”的饼放在那里作为替代选择，他们100%会买单。

没有组织变革的AI投入，本质上是给一只漏水的桶换了个更粗的水龙头。水流是大了，桶里的水未必多。

05 三个指标检验“AI提效”

讲了这么多问题，给三个可以直接用的指标来检验“AI提效”是否真实发生。

其一，token效。这是穆胜咨询的最新的原创研究成果。

一个口径是，财务或业务数据除以人机总投入，后者即“人工成本+AI总投入”，这个指标就可以和过去的人工成本投产比、人工成本报酬率等指标进行比对。另一个口径是，可以沿用人数作为投入的计量单位，把token消耗按平均人工成本折算为人数，这个指标也有意义，因为可以和过去的人均营收、人均利润等指标进行对比。从趋势上看，前者可能是更主流的指标，因为未来的智能体组织一定是“少量人，大量AI”的。

按照这两个口径，企业可以连续进行数据跟踪，如果几个周期里，两个口径持续稳定上行，企业就实现了“AI提效”。如果这两类数据不涨，企业所有的“提效30%”都只是局部真实，或者说干脆就是障眼法。

第二，关键决策周期提效。这就是要进入决策场景看决策效率的变化，这是穆胜咨询在咨询项目里分析企业组织模式的关键指标。我们可以挑三个典型决策——一次预算追加（如技改投入）、一次跨部门资源调配、一次新品上线，测量从提出到落地各需要多少天，比原来提效了多少。AI用了一整年，如果这三个数字纹丝不动，那就说明AI只进了工具层，没进管理层。AI改变了你干活的方式，但没改变你做决定的方式，那它就还只是一个更贵的Office。

第三，激励真实指数在AI维度上的延伸，我们把它叫做“增效分享指数”，这是穆胜咨询研究出来的新的原创指标。具体算法这里就不披露了，但它大概说明的是因为AI创造了业务增量，所以这些增量会多多少少变成激励分享，这笔激励分享在薪酬中的占比。

我们做过粗略的摸底，这三个指标在大多数企业里，基本没法看，因为基本就是0，有的企业甚至还是负数，相当辣眼睛。

如果这个数是零，那AI在你公司的身份就只有一个——一项费用。不会有人真心推AI，因为推它的人分不到好处；只会有人假装在推，因为老板在看。

06 写在最后

降本很容易，裁员就行。增效很难，得改组织。

而绝大多数企业，正在用前者冒充后者。

我完全理解这种选择。裁员的效果是当期的、可见的、可以写进季度汇报的；组织变革的效果是滞后的、模糊的、还要顶着巨大的内部阻力。在一个只考核当期的体系里，理性的人一定会选择前者，这不是道德问题，这是人性使然，制度放大了这种人性的问题，让大家有机会去投机。

但账总是要算的。等到人裁无可裁、算力账单继续往上走、组织还是那个组织的时候，那张一直被推迟的账单，就会一次性摆到桌上。

到那时候，你会发现最贵的不是AI，是过去这几年被“提效30%”安抚下来的、原本该做却没做的组织变革。