当我们最初开始与四大会计师事务所讨论 AI 时，对话推进得出奇地快。没有冗长的铺垫，也无需解释 AI 为什么重要。几乎立刻，合伙人和高级顾问们就开始谈论他们的时间究竟花在了哪里。不是花在决策或洞察上，而是花在准备工作上：从不同系统中提取数据、对齐数字、确保分析符合内部标准，之后人们才能真正开始思考结果意味着什么。
让我们印象深刻的是，这些工作没有一项是低价值的。它们都是必要的。但它们同样令人疲惫。经验极其丰富的人，每天都要花大量时间，只是为了把工作推进到一个真正思考能够开始的阶段。
随着对话持续深入，我们梳理出了数十个 AI 可以发挥作用的流程：报告、合规、财务控制、税务分析、内部审查。表面上看，这像是一个典型的自动化问题。 其实并不是。
这些流程中的大多数其实已经有了工具、模板和部分自动化。真正拖慢一切的，存在于各个步骤之间：上下文切换、结果对账、在碎片化信息之上持续一致地运用判断。真正的成本不只是时间，更是认知负荷。
也正是在那一刻，我们改变了问题的框架。
我们不再问 AI 如何端到端地完成工作，而是开始问，它如何支持那些正在做这项工作的人。如果 AI 能处理那些消耗精力的部分，同时又不夺走人的控制权，会怎样？如果它能准备结构化草稿、识别不一致之处，并让自己的推理过程可见，从而让专家把注意力放在判断上，而不是前期准备上，会怎样？
当这种方法真正上线后，影响很快变得清晰可见。
在各个团队中，重复性分析工作的周期时间缩短了 80% 到 90%。人工错误，尤其是在大量对账流程中出现的错误，显著下降。同样重要的是，过去以略有不同方式处理同类工作的团队，如今产出变得更加一致。平均来看，顾问们每月重新获得了大约 40 到 50 个小时，可以投入到更高价值的思考中。
但最有意思的变化，并不体现在数字上。
它体现在人们谈论自己工作的方式上。审查变得更从容，讨论变得更聚焦。高级审阅者花在检查一切是否正确上的时间更少了，花在讨论结果究竟意味着什么上的时间更多了。
随着时间推移，这套系统不再像是人们“必须使用”的工具。它开始更像是一种共享的工作方式，悄然吸收决策是如何做出的，并在未来的分析中将这种方式反映出来。
这段经历也再次印证了我们长期以来的一个判断：通向更通用智能的进展，不会来自那些试图在复杂领域取代专家的系统，而会来自那些减少专家思考摩擦并将其放大的系统。
在这些合作项目中，AI 创造价值的方式并不是依靠自主性，而是依靠协作性。它不会替人做决定，而是帮助人们更快地做出更好的决定。
如果说哪里最早显现出类 AGI 系统将首先发挥重要作用的信号，那就是这里。不是在于实现完全自动化，而是在于大规模支持人类判断。
这种从自动化转向赋能的变化，正是带来不同结果的关键。
