刚开始与四大讨论 AI 时,对话推进得出奇地快。没有冗长的铺垫,也不需要解释 AI 为什么重要。几乎一开始,合伙人和高级顾问就谈起了自己的时间究竟花在哪里。不是决策,也不是形成洞察,而是准备工作。从不同系统中提取数据,核对数字,确保分析符合内部标准。只有做完这些,大家才能开始思考结果意味着什么。
让我们印象深刻的是,这些工作没有一项价值低。它们都不可或缺,却也令人疲惫。经验丰富的专业人士每天要花大量时间,只为让工作进入可以开始真正思考的阶段。
随着交流深入,他们梳理出了数十个乃至更多 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,这是一个典型的自动化问题。 但事实并非如此。
这些流程大多已经配备了工具、模板,也实现了部分自动化。真正拖慢进度的,是步骤之间的工作:切换上下文,核对不同环节的输出,在零散的信息中始终如一地运用判断。真正的成本不只是时间,还有认知负荷。
这时,我们看待问题的角度变了。
我们不再问 AI 如何从头到尾完成工作,而是开始问,它如何支持做这些工作的人。如果 AI 能处理那些消耗精力的环节,同时让人保有控制权,会怎样?如果它能准备结构清晰的草稿,指出不一致之处,并展示自己的推理过程,让专家专注于判断而不是前期准备,又会怎样?
这种方式投入实际使用后,成效变得切实可见。
在各个团队中,重复性分析工作的完成周期缩短了 80% 到 90%。人工错误大幅减少,尤其是在需要大量核对的流程中。同样重要的是,过去处理同一项工作时做法略有不同的团队,如今产出的结果也更加一致。平均而言,顾问每月节省了约 40 到 50 小时,可以用来进行更高价值的思考。
但最有意思的变化,并不在数字里。
而在人们谈论工作的方式里。审查变得更从容,讨论也更聚焦。资深审查人员不再把那么多时间花在检查各项内容是否正确上,而是用更多时间讨论结果究竟意味着什么。
渐渐地,这套系统不再让人觉得是一个不得不用的工具,而更像是一种共同的工作方式。它悄然吸收人们做出决策的方式,并在后续分析中体现出来。
这段经历也进一步印证了我们长期以来的看法:迈向更通用智能的进步,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过程中的阻碍、放大其思考能力的系统。
在这些合作项目中,AI 创造价值靠的不是自主行动,而是与人协作。它没有替人做决定,而是帮助人们更快地做出更好的决定。
如果说有什么早期信号,能表明类 AGI 系统将率先在哪些领域发挥重要作用,那就是这里。不是实现完全自动化,而是大规模辅助人类判断。
真正带来改变的,正是这种从自动化转向能力放大的转变。
