回到最开始那组数字。

95% 的试点对利润表几乎没有影响，80% 的人说"我更快了"，却只有 37% 的企业说"利润动了"。这三个数字放在一起，很容易得出一个悲观的结论：AI 是场泡沫。

但把这篇文章里的证据串起来看，结论其实相反：AI 的提效是真的，只是它从来不会自动变成收益。

斯坦福的研究告诉我们，提效有边界、有前提；IBM 的例子告诉我们，效率提升会被系统里没变的环节吸收；arXiv 那篇论文告诉我们，它甚至可能只是从"写"转移到了"审"；TechCrunch 和那位从业者告诉我们，卡点几乎全在模型之外——期望、流程、上下文、成本。

而那 6% 的赢家，做的恰恰是把这些"模型之外"的事一件件补上：重新设计流程、建立可衡量的标准、在关键节点保留人的判断。

所以，如果你正在推一个 AI 项目，也许可以先不问"该用哪个模型"，而是问三个更朴素的问题：

这笔钱花在哪，我看得见吗？这件事做完，我衡量得了吗？它跑偏的时候，我停得下来吗？