运营总监拿着一张打印纸来见我:五十人的团队,使用个人 AI 助手两个月,按他的测算每天省下四十个小时。他很高兴,我也很高兴——接着他补充说,昨天一位经理给客户发了一封邮件,里面的数字在任何一份内部文件里都找不到。“模型建议的,我就发了。“助手干得漂亮。负责的当事人完全没有参与决策。

这不是段子,而是成熟度的一个正常阶段。对管理层来说,问题已经不是“上不上”,而是“如何拿走这百分之三十,同时不失去控制”。下面是我的回答,有数字支撑。

为什么“助手人手一个”是现实而非炒作

2024–2026 年的几十项测量呈现出一致的图景。1Password 的开发人员借助 AI 工具效率提升 20.9%,一次复杂生产事故的定位时间从几小时缩短到几分钟。巴西 Tecban 引入 Copilot 后,生产率最高提升 35%。KOHLER 五千名员工每周节省 2 到 5 小时。英国政府在两万名公务员中试用了 Copilot:平均每天节省 26 分钟,每人每年最多省出 13 个工作日。82% 的试用者表示不愿回到没有助手的工作方式。

在单项任务上效果更明显:在 BCG 与哈佛的田野实验中,顾问完成任务的速度提升 25%,质量约提高 40%;在 NBER 的一项研究中,客服每小时多解决 14% 的工单。

先给一个诚实的保留意见:没有它,这篇文章就不诚实。NBER 对美德英澳近六千名高管的调查显示,89% 的人在三年内没有看到公司层面的可衡量效果。这不矛盾,这是诊断:效果存在于任务和角色层面,如果你只是把许可证发下去然后等奇迹,它就会消失。接受结构化培训、结合真实任务的团队,收益是“只给访问权限”团队的 2.3 倍。这也是我在《AI 是用来工作的,不是用来演示的》一文中一贯主张的原则:先看任务和它的成本,再谈技术。

与收益一同到来的风险

个人助手最被低估的风险不是数据泄露——那当然重要——而是自动化偏见:人因为“它够聪明”就把模型的决定当作自己的决定。Accenture 的数据显示,61% 的员工现在遇到问题先问 AI 而不是同事。这很方便,同时也意味着在问题和答案之间,活人的大脑出现得越来越少。

更糟的是。“人在回路中”的控制在实践中退化成橡皮图章:员工被源源不断的 AI 草稿淹没,只会点“批准”。TechTarget 的数据显示,只有 21% 的组织拥有成熟的 AI 智能体治理模式。其余的机构只有“确认”按钮,没有控制。这类控制最容易失效的场景——从空泛的提问到把保密协议丢进聊天机器人——都汇总在员工使用 AI 的常见错误一文里。

与此同时,助手转入地下:BlackFog 报告 49% 的员工未经雇主批准使用 AI 工具,英国 NCSC 的数字是 71%。Teramind 补充了一个细节:67% 的企业 AI 活动通过个人账号进行——而政策违规最严重的不是普通员工,是高层管理者:69% 的高管把速度放在安全之前。

图解:员工授权助手访问邮件、日历、文件、即时通讯和支付;数据流向第三方服务器;风险包括泄露、通过邮件操纵、未经监管的操作
个人助手的风险地图:访问 → 第三方服务器 → 三类威胁 → 缓解措施。讨论公司 AI 政策时值得放在手边。

在这里,禁令不起作用——便利工具的禁令会是什么下场,我们都清楚。有效的是比例化的治理。但在把真正的权限交给助手之前,值得先想清楚AI 不是什么:不是同事,也不是头脑——是一台文字机器。

四个自治等级,每个等级配对应的控制

Gartner 建议用这套分类取代“一刀切”的统一政策:完全相同的规则,要么把简单场景勒死,要么控制不住危险场景。

  1. 顾问级(Advisory)——助手建议,人做决定。 邮件草稿、会议摘要、资料查找。控制:核查文化和培训。风险极小,无需限制。
  2. 人在回路中(Human-in-the-loop)——助手准备,人修改并确认。 客户邮件、报告、计算。这就是开篇那个事故所在的区间。控制要严格:必须与原始来源核对,“不看就批准”是一种真实的违规,就像不打申请就休假一样真实。
  3. 人在回路上方(Human-over-the-loop)——智能体执行,人监督。 工单分诊、请求分类、申请的初步处理。控制:抽查 5–10% 的决策、日志、按场景统计错误率。
  4. 自动级——少数狭窄场景。 提醒、会议安排、常规通知。控制:场景登记、监控、急停开关、回滚机制。

在四个等级之上是基础设施:AI 系统和应用场景的登记册、请求与决策的日志、以及哪些数据进入模型处理范围的界定。要衡量结果,而不是采用率:“工单关闭得是否更快”,而不是“这个月有多少人登录过”。

专门说说“批准”按钮。在我的项目里规则是这样的:批准结果的人必须能出示构成该结果的原始数据。不是“我读了一遍摘要”——而是能复现这个数字来自哪里。这才是活生生的控制与仪式之间的区别。

俄罗斯语境:法律与主权 AI

在俄罗斯,“没有负责人的决策”这一风险还附带着一个法律框架,这让主权 AI 不是流行词,而是工程上的必需。自 2026 年 9 月 1 日起,243-ФЗ《关于支持人工智能技术发展》生效:AI 生成内容要标注、风险导向监管,2027 年 3 月起对大型模型开发商提出义务要求。152-ФЗ 第 16 条直接规定了完全基于个人数据自动化处理、并产生法律后果的决策:当事人必须被告知,且有权提出异议。

律师们提出的最不舒服的一点是:最大的风险不是模型出错,而是事故之后无法证明——是谁选的系统、传了什么数据、谁核查过结果。AI 治理的证据必须在事故之前建好:登记册、日志、核查流程。因此敏感数据——人事、财务、客户库——在个人助手中走 GigaChat、YandexGPT 或部署在企业边界内的 self-hosted 模型。关于 152-ФЗ 和数据脱敏的细节,我已借会计场景在《俄罗斯的会计智能化》一文中写过。

这条路我们已经在最高层走过一遍——《AI 如何切实帮助一位总经理》一文描述的是一张办公桌上的助手。合乎逻辑的下一步:让每位员工都拥有同一个助手,遵守同样的数据规则、同样的核查纪律。

简而言之

个人 AI 助手是第一个用小时而不是用幻灯片来衡量收益的 AI 应用。但这些小时不是用许可证买来的,而是用纪律买来的:按自治等级给场景分类、让人真正留在回路里、并在出问题之前把决策记录下来。

真正落地这套做法的公司,一个月后无法想象没有助手的清晨——它已经连夜为你备好了简报。只买了许可证的公司,一个月后多出一行预算,速度照旧。如果想在第一次事故之前核查一遍自己的场景——这正是 AI 流程审计的工作。