AI让工作更轻松了,但公司发生了什么变化?

团队成员说,AI让工作变得更轻松了。邮件初稿和报告整理都比以前更顺手了。不过,对于“所以,我们公司到底发生了什么变化?”这个问题,答案可能并不清晰。

看起来每个人都节省了一些时间,但客户是否得到了更快的回应、同样的人手是否完成了更多工作,我们可能还不清楚。如果你负责推动 AI 落地,可能会思考在说‘我们用得不错’之后,还应确认什么。

在 Deloitte 的 2026 年调查中,66%的组织报告生产力与效率有所提升,20%的组织报告营收增长。要确认超越个人便利性的组织变化,有必要将这两种效果分开来看。

现在已经获得的效果与未来期待的效果

66%
报告生产力与效率提升
20%
报告营收增长
74%
期待未来营收增长

前两个数字是受访者表示已经获得的效果,最后一个是未来期待的效果。它们代表参与调查的组织比例,并不意味着生产力提高了66%,或营收增长了20%。回答之间可能存在重叠,因此不应相加。

仅凭这个差距,很难得出“AI 投资失败了”的结论。毕竟,有些团队一开始的目标就是降低成本。但如果目标是营收,仅仅文档写得更快,并不能说明这个目标已经实现。

组织使用AI的深度各不相同

Deloitte还按照 AI 进入既有业务和工作流程的深度进行了划分。以下三个层级并不意味着所有组织都必须依次经历这些阶段。

使用层级受访者比例发生什么变化
基本维持现有工作不变37%在现有流程之上使用AI
重新设计核心工作流程30%围绕AI改变工作流
利用AI深度改变业务34%新产品和服务,以及核心流程或商业模式的变化

这里概述了官方报告中的分类。四舍五入后的受访者比例合计为101%。

把这一分类应用到自己的工作中,问题就会从“工具用了多少”转向“工作的哪个部分发生了变化”。即使使用同一种 AI,改变的范围也可能不同。

更快地写报价单,能带来多远的改变?

为理解这种差异,我们以销售团队的报价工作为例。以下内容不是调查中收录的组织案例,而是编辑部的应用示例。

第一个变化是用 AI 更快地撰写报价邮件初稿。如果负责人花在写作上的时间减少了,这本身就是生产力收益。但如果在发送给客户前,仍要查找价目表、询问库存、等待审批,那么从收到询盘到发出的总耗时可能不会明显缩短。

第二个变化是审视从询盘到发出的流程。例如,让标准价格和条件可以立即查询,只将例外情况转给审批人,并连接至发送已审批报价的环节。需要确认的结果会超出初稿生成速度,扩展到从询盘到发送报价所需的时间,以及客户的下一步行动。

即便如此,营收增长仍需单独确认。报价变快了,但如果不是客户想要的商品,合同未必会增加。快速回应是否会促成签约,需要结合价格、商品和客户条件一起看。

今天就打开报价记录看看

在引入新工具之前,你可以从一项已经在使用 AI 的工作中找出发生的变化。如果是报价工作,请打开邮箱或客户管理记录,并在 Excel 或 Google Sheets 中制作对比表。

  1. 选择同类型的报价。可以从小批量开始,例如 AI 使用前后各选最近5笔,但请选取相同的商品和客户类型。5笔只是查看记录的起点,并不是用来证明成效的样本量。
  2. 先从记录中的时间点开始整理。记下收到询盘的时间和已审批报价的发送时间,先将“发送时间 − 接收时间”记录为总耗时。如果要单独报告客户感知的等待时间,应先确定是否只计算营业时间,并在单独一栏记录等待客户补充回复等中断时段,以便排除。没有这些记录时,只报告总耗时,不要称其为客户等待时间。负责人撰写和修改初稿的时间也应记在另一栏;如果没有历史记录,则留空。
  3. 确认耗时较长的原因。先看总耗时是否缩短,再针对仍然耗时较长的案例,备注时间花在了价格查询、内部审批还是等待客户补充回复上。也要保留周末、非营业时间、询盘难度等条件差异。

这项检查的第一个产出,不是“AI带来了多少%的增长”这样的数字,而是下一步要改变的一处工作环节。例如,撰写变快了但发送没有变化,就先查看审批等待环节。如果没有以往记录,就从本周起保留时间点和中断时段,在能够比较之前先将成效数值留空。

要检查的工作:______
确认到的变化与依据:______
仍然耗时较长的环节:______
下一步要改变的一件事:______
负责人 / 再次查看日期:______

要观察营收,还需单独确认已发送报价中最终转为合同的比例。为参与比较的报价设置相同的观察期,并查看价格、商品和客户条件的变化。不能仅因初稿撰写时间或总耗时缩短,就报告营收效果。

区分负责人节省的时间、从询盘到发送的总耗时、按既定条件计算的客户感知等待时间,以及最终促成合同的结果后,就可以与团队具体讨论在‘我们正在很好地使用AI’之后,要改善什么。

调查范围与试点数据核查

该调查于2025年8月至9月进行,对象为来自24个国家、6个行业的3,235名业务和 IT 领导者。这些是受访者报告的成果,并非验证 AI 是否在单个组织中导致营收变化的实验。

公开资料中未见将工作变化层级与营收回答关联起来的交叉分析。不能断定重新设计工作流程的组织,就是营收增长的组织。

我们已修正原文中“75%的试点失败”这一表述。官方结果是,25%的受访者表示,其组织中40%或更多的 AI 试点已转入运营。不能将其余部分计算为所有试点的失败率。54%是在调查当时预计未来3至6个月内达到同一标准的比例,应与已实现的成果区分开来。