AI 让一些人更强，也让差距更大

全文约 2593 字，读完大约需要 7 分钟

同一个 AI 工具，发给同一群人，用上三个月，会分出三种结果。

有人一个人做掉了过去一个团队的活。

有人只是换了个忙法，产出没变。

还有人本来是最能打的那批，悄悄地走了。

AI 放大的不是平均值，是方差。

这件事真正的分量，不在今天省了几个小时。

在于未来几年，组织里的人会沿着一条线越拉越开，强者恒强。

谁能把已经跑在前面的人认出来、留下来，谁就握住了下一轮的底牌。

个人的账是赚的，组织的账上看不见

先说一个数字上的怪事。

Glean 发布过一份《Work AI Index 2026》，覆盖 6000 名全职数字工作者。

87% 的人在用 AI，75% 的人说它让自己更高效，平均每周省下大约 11 个小时。

可只有 13% 的人认为，所在组织的绩效因此明显改善了。

同一批人在省钱，看见效果的是另一小撮。

这中间少掉的账，去哪了。

同一份调研把 AI 相关的时间拆成了三块。

37% 用在监督、复核、纠错 AI 的产出上。

36% 用在拿 AI 干活上。

27% 用在学工具、搭 agent 上。

盯机器的时间，比用机器干活的时间还多。

折算下来，每人每周有 6.4 小时花在给 AI 打下手。

报告里还有一个更扎的数字：36% 的 AI 会话是完全失败的，得重来或者大改。

每人每周另有 2.3 小时，纯粹用来给 AI 喂背景和上下文。

省下的 11 小时是真的，还回去的 6.4 小时也是真的。

BCG 第四轮《AI at Work》调查覆盖 11749 名员工、14 个市场。

47% 的人说，自己的岗位已经转向管理和指挥 AI 系统。

52% 的人说，花在复核纠正 AI 产出上的时间更多了。

BCG 2026 年 3 月发表在《哈佛商业评论》上的那项研究，测出了更具体的东西。

高监督负荷的人，多耗 14% 的脑力，多 12% 的心理疲劳。

他们的重大错误多出 39%，决策疲劳多出 33%。

离职意向从 25% 升到了 34%。

同一套工具，三种人，差距越拉越大

分化的线在这里看清了。

第一种人拿到了杠杆，一个人做出过去一个团队的产出。

他们学得最快，最懂业务，还顺手帮同事排错。

Glean 的数据里有一条规律：给 AI 喂上下文的时间每多 10%，这个人因为这项技术感到耗竭的可能性就上升 25%。

换句话说，越会用的人，被消耗得越狠。

第二种人只是换了活法。工作内容和形式都变了，效率没变，多出来的是复核和纠错的活。

Employment Hero 调查了 8744 名领导与员工，63% 的人认为 AI 因为复核验证而带来了额外的工作。

第三种人最容易被忽略：恰恰是上手最快的那批高手。

SHRM 2026 年那份《The Power User Trap》说得很直接。

AI 的监督负荷集中在少数高绩效者身上，而他们的离职，在 HR 系统里只会显示为个人原因。

WebMD 的 2026 职场调查里还有一个对照：越强烈认同 AI 让我更高效的人，出现倦怠的可能性高出 4.5 倍。

中层管理者的倦怠率，是个人贡献者的 3 倍以上。

跑在最前面的那批人，也最先被消耗掉。

问题就出在这里。分化的方向已经定了，组织却往往把力气花在让所有人一起用上 AI。

用得最多的人被耗走，用得一般的人原地打转，中间那笔账最后都记在组织头上。

那批人不是天才，是可以量出来的

超级个体听起来像个新词，其实它的两个维度，十年前就在我们的数据里了。

一个是潜能，一个是驱动力。

倍智人才研究院做过一项研究，用高潜因素和高潜驱动力两组数据划出四个象限，看不同象限的成才率差多少。

两个都高的那组，成才率 76.3%。

两个都低的那组，6.8%。

前者是后者的 11.2 倍。

这组数据来自倍智 2016 到 2017 年的高绩效领导力画像研究，我们拿两个百分数做了个换算，让差距看得更直观。

倍智人才研究院基于 569 家标杆企业的高潜识别项目，给出了一组更直接的数。

高潜的人里，93% 后来是高绩效。

但高绩效的人里，只有 29% 出身高潜。

绩效是过去，潜力是未来。

拿绩效表挑人是挑不出超级个体的，这个数说明白了。

也就是说，那批人不是可遇不可求，是有一套能用的尺子能量出来。

可多数企业恰恰是反着做的。

倍智《企业干部管理调研报告》调研了 104 家企业。

77.8% 靠绩效考核选拔干部，75.9% 靠上级提拔。

只有 37.0% 有针对管理干部的培养机制。

真正的动作该往三个方向走。

第一件，换一把尺子。

盘点的维度里，加两条：他有没有自己去找杠杆，有没有人跟着他一起变强。

这两条能测，看的是行为，不是印象。

第二件，把杠杆优先给到有苗头的人。

现成的机制就三条：AI 工具和场景的优先使用权、能自己定节奏的项目、跨岗备份让他的时间真正腾出来。

但有一条必须配上，把盯 AI 的工时记进工作量，否则给杠杆就变成了给隐形加班。

第三件，给场景，不给 KPI。

Amabile 讲内在动机，讲的是自主、精通、目的这三样，内驱长在这三样上，外部激励替代不了。

倍智的数据反过来印证：近 60% 的管理者说，自己用过的领导力提升方式效果一般。

最大的障碍有两条，学到的和实际管理工作不符，占 41.6%，没有应用场景，占 28.5%。

练出超级个体靠的是真场景，不是课。

这一轮之后，拉开组织差距的是同一件事。

谁先把人分出来了。

数据与内容来源说明

1. Glean《Work AI Index 2026》（2026-06-10，覆盖美英澳 6000 名全职数字工作者）：87% 在用 AI、每周省约 11 小时、仅 13% 认为组织绩效显著改善。

2. 同上及 BCG 第四届《AI at Work》（11749 名员工／14 个市场）、BCG 2026-03《哈佛商业评论》研究（1488 名美国全职员工）：AI 时间三块拆分、6.4 小时、岗位转向监督、离职意向 25%→34%。

3. Employment Hero《AI Paradox》（8744 名领导与员工）、SHRM《The Power User Trap》（2026）、WebMD《2026 Workplace and Employee Survey》（3872 名美国全职员工）：63% 认为 AI 添活、power user 隐形流失、4.5 倍倦怠。

4. 倍智人才研究院高潜识别项目（569 家标杆企业）、《企业干部管理调研报告》2020（104 家企业）、2016-2017 与 2018 两版高绩效领导力画像研究：成才率四象限、高潜与高绩效互证、选人靠绩效的现实。