周五下午四点，一位项目经理打开文档，准备写本周的周报。她先把几段零散的会议记录粘进对话框，让工具整理成条目，再补上两句自己的判断。整个过程不到十分钟。放在两年前，这件事可能要花掉她半小时。
省下的二十分钟去哪了？她的回答很实在：又开了个会。这个细节比任何宏大叙事都更能说明问题——人工智能确实把某些动作变快了，但快出来的时间，往往立刻被新的任务填满。
被加速的，常常是最不重要的那部分
观察身边的办公场景会发现，工具最先接管的是格式性劳动：把口语转成书面语，把散乱信息归成条目，把长文压成摘要。这些工作有明确的输入和输出，判断标准也相对清楚，因此容易被自动化。
麻烦在于，这些环节本来就不是工作的核心。写周报真正费神的，是想清楚这周到底推进了什么、哪件事卡住了、下周该舍弃什么。这部分没人能代劳，工具也帮不上忙，它只能把你已经想明白的东西写得更整齐。
于是出现一种错位：动作变快了，思考并没有变快。有人把这种现象叫作效率的“表层加速”——看起来产出更多，实际决策质量未必提升。这个说法是否严谨可以讨论，但感受是普遍的。
- 整理会议纪要的时间缩短了，判断哪些结论真正成立的时间没缩短；
- 生成初稿的速度提高了，确认初稿里有没有编造内容的速度没提高；
- 沟通频率上去了，沟通前的思考反而更容易被跳过。
省下来的注意力，需要有人负责安排
很多关于人工智能的讨论停留在“能不能做”，但落地时真正的问题是“做完之后谁来检查”。工具给出的内容越流畅，人越容易放松警惕。一段措辞得体的文字，读起来像是经过推敲的，实际上可能只是概率拼出来的。
这意味着一种成本转移：过去花在“写”上的力气，现在花在“核对”上。核对并不轻松，它要求读者具备比写作者更强的辨别力，否则只能被文字的表面质量带着走。对团队而言，这其实提出了一个新要求——谁对最终产出负责，必须在流程里写清楚，而不是默认“反正工具生成的”。
我倾向于认为，人工智能在这个阶段更像一面镜子：它放大了流程里原本就存在的模糊地带。职责不清的团队，用了工具之后只会更乱；边界清楚的团队，才可能真正受益。工具本身不解决协作问题。
一个更实际的提问方式
与其问“这项技术能替代多少工作”，不如问“它把哪一类注意力还给了人”。如果省下的时间被用来做更难的判断、更深的沟通，那加速就是有意义的；如果只是被更多琐事吞掉，那所谓效率就停留在报表上。
回到那位项目经理。她后来做了一件小事：把周五下午的四十分钟空出来，不看消息，只用来想下周的优先级。她说，这四十分钟比任何工具都难安排，但也比任何工具都值钱。
技术能压缩动作，压缩不了判断。真正需要设计的，或许不是怎么用得更熟练，而是怎么给思考留出不被填满的缝隙。