马克·扎克伯格最近在忙一件让很多局外人看不懂的事——他正在打造一个完全模仿自己思考和表达方式的AI分身。这并非某个远期构想，而是他团队内部已经在推进的实验。在一次内部交谈中，这个“数字版扎克伯格”已经可以复现他做决策时的逻辑、语气甚至犹豫的节奏。当有人把这件事当作猎奇谈资时，更值得注意的其实是它背后的信号：最前沿的一批人正在用远超组织预期的深度使用AI，而绝大多数团队对这股力量的感知还停留在“我们公司已经全面启用AI工具了”。
如果你回顾过去几个月，会发现AI能力的步进已经不再是平滑的曲线。就在几周前，大多数人还在适应那些能辅助完成单项任务的工具，而眼下系统已经可以自主操作整台电脑。OpenAI推出的Operator，Perplexity对计算机操作功能的探索，加上OpenClaw和Anthropic的Claude Cowork这类智能体平台，已经在从始至终地执行复杂工作流。一些过去需要花费数小时的任务，现在几分钟就能完成；原本需要跨团队协调的流程，一个人借助AI就能跑通。单是三月份涌现的AI创新数量，就已经超过此前任何一个时间段，而Anthropic的收入增长速度更是达到了此前没有公司触及过的水平。
当变化以这种步调发生时，很多组织仍然习惯性地去盯着一个指标：AI采用率。有没有用上AI，多少人在用，推广速度够不够快。这种视角看上去务实，却恰恰忽略了当前最重要的一层分化——同样是“正在使用AI”，不同人之间的能力鸿沟已经大到足以重塑工作产出和职业轨迹。
第一类人完全投入到这些工具中。他们不断测试新的可能性，搭建定制化的GPT，在Claude里创建专属技能，已经练出一种直觉——什么时候该让AI介入，什么时候该退一步自己做判断。第二类人则更谨慎，他们把AI放在工作流的边缘，偶尔用来辅助一些低风险环节，并不愿让它触及核心决策。然后出现了第三类人，他们的行为更激进、更深层。这些人使用开源工具，不断试探能力的边界，像扎克伯格那样去进行“令人不安”的实验。他们有时候迈得比组织反应速度还快，当公司的治理和规范还没跟上时，个人已经完成了一次能力跃迁。
这三类人都在“使用AI”，但水平的差异造成了累积效应，从根本上改变了工作的运作方式、推进速度，以及每个人日常对岗位的体感。过去很多岗位是围绕“执行”搭建起来的——把任务跑通，照着流程推进，最终把产出推到交付线。现在AI正在快速压缩这一层。工作的重心开始向评估、连接和判断所转移：哪些信息有意义，不同结果之间怎样关联，什么方向值得投入。第一版方案可以迅速生成，人们的时间因此被重新分配到更上游的思考上。而当一个人开始搭建能够映射自己思维方式、写作习惯和问题解决路径的系统时，改变的不只是效率，而是个体运作方式本身。
正是这个层级的变化，让单纯衡量采用率变得几乎毫无意义。一份报告显示某个部门超过八成员工每周至少使用一次AI，这听起来不错，但它完全无法回答真正关键的问题：这八成里有多少人只是让AI整理会议纪要或写邮件草稿，多少人开始用AI重新设计整条任务流程？当其中一部分人已经借助智能体平台把周度分析报告的完整生成过程压缩到十五分钟，还能自动比对竞品数据和内部财务指标时，同部门里另一些人甚至还没尝试过让AI参与数据清洗。这种差距不会在月度报告中体现出来，却会在季度产出的质量和决策速度上留下清晰的刻痕。
更麻烦的是，组织的结构大多还在沿袭“上一版岗位定义”。职级、协作方式和审批流程，依然是按照以人执行为中心的工作模式设计出来的。当一个人的能力范围正在被AI显著拓宽时，现有的组织边界就显得僵硬。比如一个产品经理借助AI用一天时间就能完成在旧流程中需要设计、研发、数据分析三个岗位接力一周的工作原型，但如果要把它推进到评审阶段，还是得依次经过相同的节点，等待相同的周期。在这个过程中，个体能力的前进速度与组织响应速度之间产生的落差，远大于不同团队之间采用率上的差距。
所以那些仍在盯着“AI用没用”的团队，其实是在用过去工业时代衡量技术渗透的老方法，来应对一个深度改变工作本质的新阶段。更有价值的关注点应该是：你的团队里是否存在由使用深度不同而产生的复合性鸿沟？一部分人正在加快积累直觉和判断力，而另一部分人还停留在浅层应用，这种分化持续下去，最终决定团队竞争力的就不再是AI工具有没有被采购或者分发下去，而是真正掌握它、重塑自己工作方式的那群人占总体的比例，以及你能不能被他们带动，而不是被落在后面。
热门跟贴