我們最初與四大談 AI 時,對話推進得出奇地快。沒有冗長的開場,也不需要解釋 AI 為甚麼重要。合夥人和高級顧問幾乎立即就談起,他們的時間究竟花在哪裏。不是用來作決策或尋找洞見,而是花在準備工作上。從不同系統提取數據。核對數字。確保分析符合內部標準,大家才可以開始思考結果的意義。
令我們印象深刻的是,這些工作沒有一項價值低。它們都不可或缺,卻也令人疲憊。經驗豐富的專業人士,每天都要花上大部分時間,只為做好準備,讓真正的思考得以開始。
隨着對話繼續,他們梳理出數十個以上 AI 可以發揮作用的流程:報告、合規、財務管控、稅務分析、內部審查。表面看來,這是個典型的自動化問題。 但其實不是。
大部分流程早已有工具、範本和部分自動化。真正拖慢進度的,是步驟之間的工作。切換工作情境。核對不同步驟的結果。面對零散的資訊,仍要以一致的標準作出判斷。真正的代價不只是時間,還有認知負荷。
就在這時,我們看待問題的方式改變了。
我們不再問 AI 如何從頭到尾完成工作,而是開始問,它如何支援做這些工作的人。如果 AI 能處理那些消耗精力的部分,又不剝奪人的控制權,會怎樣?如果它能準備結構清晰的草稿、指出不一致之處,並展示推理過程,讓專家專注於判斷,而不是前期準備,又會怎樣?
這種做法投入實際運作後,成效變得具體可見。
各團隊處理恆常分析工作所需的時間縮短了 80 至 90%。人手操作造成的錯誤大幅減少,尤其是在需要大量對賬的流程中。同樣重要的是,過去各團隊處理同類工作時,做法略有不同,如今產出的結果更一致。平均而言,顧問每月省下約 40 至 50 小時,可以用來進行更有價值的思考。
但最有意思的變化,並不在數字上。
而是在人們談論工作的方式上。審查變得更從容,討論也更聚焦。資深審查人員花更少時間核查各項內容是否正確,花更多時間討論結果的真正意義。
隨着時間過去,這套系統不再像是一件大家必須使用的工具,而更像一種共同的工作方式。它默默吸收大家作決策的方法,並在往後的分析中反映出來。
這段經驗也進一步印證了我們一直以來的信念:邁向更通用的智能,不會靠試圖在複雜領域取代專家的系統,而是靠減少專家思考過程中的阻力、放大其思考能力的系統。
在這些合作中,AI 並非靠自主運作創造價值,而是靠協作。它沒有替人作決定,而是幫助他們更快作出更好的決定。
如果有早期跡象能看出類 AGI 系統最先會在哪裏發揮重要作用,那就是這裏。重點不在全面自動化,而是在大規模支援人類判斷。
正是這種轉變——從自動化轉向放大人類能力——帶來了差別。
