「AI 提效 30%」是饼还是账？人效口径需要重写

降本增效是过去三年中国企业最常提及的四个字，进入 2026 年，这四个字又被加上了一个前缀——「用 AI」。各式各样的 AI 汇报材料在会议室里流传，每份材料几乎都有一个相同的「饼」：提效 30%。穆胜事务所娄珺撰文指出，这个数字究竟是真实产出，还是会计科目的搬家，需要用新的指标体系来检验。

数据背后的成本置换

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%。同期，猎聘 CEO 披露：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。作者认为，AI 目前还不是一门增长的生意，更像是一场成本的置换：企业砍掉的人工成本，正被算力成本、模型成本、数据成本一口一口吃回去。但几乎没有企业把这两笔账放在同一张表上算。

动分子，还是动分母？

按人效的投产比定义，裁员是改善这一数字最快的办法——分母变小，商立刻变大，报表马上好看。但作者直言：用裁员做出来的人效是财技，不是管理。今年靠裁员做出 20% 的提效，明年靠什么？单纯裁员支撑的人效曲线一定会撞墙。

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）增速跑赢人工成本增速，业务数据（产量、销量）增速跑赢人数增速，这两条路才是正途。

AI 的钱，记哪个科目？

AI 并非免费：token 要花钱，模型要训，数据要标，还需配置 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，且在快速增长。然而绝大多数企业将这类支出记入 IT 费用或研发费用，把成本从「人工成本」科目挪到「技术费用」科目，人效报表瞬间漂亮，但公司总成本一分钱没少，往往还更多了。

麦肯锡拥有约 4 万名人类员工，同时部署了 2.5 万个 AI 智能体。如果把智能体的算力、开发与运维成本全部折进分母，传统口径的人效数字将呈现完全不同的面貌。作者因此主张：在 AI 时代，人效的分母不能只是「人工成本」，而应是「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，并由此走向「token 计效」。

个体效率不等于组织效率

AI 让每个人变快，但公司并未相应变快。原因在于组织的瓶颈从来不在「个体产出」，而在「协作损耗」。

• AI 把一份方案的撰写从三天压缩到半小时，但三级审批、跨部门质询、领导签字依然需要 15 天；
• AI 让每个部门都能自己拉数据、出分析、做方案，结果反而是数据口径与分析模型部门各自一套，扯皮变得更专业。

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——水流大了，桶里的水未必多。

三个验证「AI 提效」的指标

作者提出三项可直接使用的检验指标：

• token 效：以财务或业务产出除以「人机总投入」，或把 token 消耗按平均人工成本折算为人数后与历史人均指标对比。连续若干周期持续上行，才算真正的 AI 提效；
• 关键决策周期提效：挑选预算追加、跨部门资源调配、新品上线三个典型决策，测量从提出到落地所需天数。若数字纹丝不动，说明 AI 只进了工具层，没进管理层；
• 增效分享指数：衡量因 AI 创造的增量业务中，最终变成员工激励分享的比例。若数值为零，AI 在公司里就只是一项费用，没有人会真心推动。

降本很容易，裁员就行；增效很难，得改组织。当人裁无可裁、算力账单继续上行、组织仍是原样时，那张被推迟的账单会一次性摆上桌。届时会发现，最贵的不是 AI，而是被「提效 30%」安抚下来的、原本该做却没做的组织变革。