我做远程工程团队八年，今年听到最尖锐的问题已经不是该选哪个模型，而是我们到底有没有真正用上好手上的东西。这个问题里藏着一个巨大的缺口。麦肯锡 2026 年 AI 状态报告在 2026 年 8 月发布，基于 97 个市场超过 1,700 位高管的调研，发现 80% 的人说 AI 提升了他们的个人生产力。同一份报告同时指出，只有 6% 的组织可以称为 AI 高绩效者。这两个数字之间的距离不是人才问题，是杠杆问题。
杠杆，是一个人做得更快，和整个团队做出不同的事之间的距离。麦肯锡的数据显示，44% 的组织已经把 AI 全企业规模化，高于上年的 38%。大型组织的 agentic AI 规模化达到 40%，上一年只有 27%；小型组织仍停留在 22% 没有变化。编码代理在大型企业中的渗透率约为 31%。然而，报告 EBIT 影响的组织比例连续第二年停在 37%。
工具到了，使用量到了，利润率没有动。八年看下来我的判断是：没有结构的使用，只是更快地制造噪音。团队需要一套等级模型、一层治理机制、一个复盘节奏。这篇文章把三样东西都给你。
使用量与影响之间的缺口为什么存在
使用是个人层面的，影响是结构层面的
写得更快的人，仍然要评审、要发布、要为一个同样的迭代周期领同样的钱。如果每个同事都拿到一点个人收益，团队总量会按同比例上升，然后卡在迭代规划的边界上。结构层面的影响，只在一条工作流本身可以被重新设计时才出现，而这意味着必须有人刻意去重构它。
80% 说 AI 提升了个人生产力。37% 说 AI 推动了 EBIT。那 43 个百分点的差距，就是每一美元 AI 预算悄悄消失的地方。
工具碎片化是实打实的开销
麦肯锡调研中 40% 的 IT 高管表示，AI 工具激增正在损害协作与效率。我自己的团队就是这样：三个代码助手、两个会议纪要工具、一条文档流水线。每一个单独看都能用，合在一起只是增加了评审开销——因为现在每一份产物都是半成品到手的，都需要人再做一遍。
成本悄悄压住了最积极的团队
约 20% 的组织表示受运行成本或 token 成本限制而无法放开使用 AI，28% 的组织已经把超过 IT 预算 10% 的钱花在 AI 上。与此同时，39% 的组织预计 AI 相关岗位会减少，上年是 32%。压力从两端同时到来。你不能只靠跑得更快，必须在更少的工作流上跑得更深。
AI 杠杆的五个等级
这套等级是按行为定义的，不是按许可证定义的。一个四级团队在工具清单里可能看起来和一个二级团队完全一样。你只能靠观察 owner 离线时会发生什么，来分辨它们。
L0 无 AI
团队没有明确的 AI 用法。提示词私下产生、互不一致、从不复用。没有共享库，也没有预算科目。
L1 个人助手
同事在文档、代码和工单里各自敲提示词。省下的时间是真实的，但是私人的。可观察的信号：有一个共享提示词库但没有版本管理，输出质量取决于谁在敲键盘。
L2 团队工作流
一条重复工作流借助 AI 端到端跑通，比如工单分诊、发布说明、客服初稿回复。输出足够稳定，新同事第一天就能照着跑，不需要提问。
L3 自动化代理
代理在人审关卡后面处理队列：它建工单、更新 issue、分派评审。可观察的信号：有一份书面的回滚触发条件，并且这条自动化有一条花费上限。
L4 治理化规模化
多条工作流跑在同一个登记表下，每条都有指定 owner、token 预算，以及一个绑定的业务指标。按月复盘，所有变更都是刻意为之。
可观察行为、典型失效模式与每一级需要的治理
这张表是我带到团队复盘会上的。关于失效模式，我故意写得直白。
| 等级 | 可观察行为 | 典型失效模式 | 必需的治理 |
|---|---|---|---|
| L0 无 AI | AI 使用零星或缺失 | 机会成本持续累积，采购的席位越买越多 | 尚未建立任何治理 |
| L1 个人助手 | 同事在文档、代码、工单里敲提示词 | 输出质量不稳定，提示词没有共享 | 数据处理规则、一个共享提示词库 |
| L2 团队工作流 | 一条重复工作流借助 AI 端到端跑通 | 只对一个人有效，交接时失效 | 指定 owner、按工作流的 token 预算 |
| L3 自动化代理 | 代理在人审关卡后处理队列 | 静默回归、token 账单无上限 | 审批关卡、回滚触发条件、花费上限 |
| L4 治理化规模化 | 多条工作流按月对照业务指标复盘 | 工具碎片化、无人认领的自动化 | 中央登记表、季度 owner 复审 |
一次只升一级。那些试图一个季度从 L1 跳到 L4 的团队，最后拿到一堆没人负责的自动化。
让规模化变得安全的治理层
每条工作流一个明确负责的 owner
如果没有任何一个人对工作流的质量负责，这条工作流就会衰减。我要求在登记表里写明 owner 姓名，而且这个 owner 必须是亲自写下回滚触发条件的那个人。
token 预算按工作流定，而不是按团队定
团队级预算一定会被博弈。按工作流定的预算才是诚实的。设定月度上限，选出能通过质量门槛的最便宜模型，只有当某个明确的关卡触发时，才把更重的任务路由到更大模型。
任何对外发布的内容都必须有人审
代理可以起草，不应该发布。人审关卡就是检查质量、语气和合规的地方，你的审计留痕也从这里开始。
一条你真正能读出来的审计留痕
每一次代理运行都需要一条持久记录：输入、模型、输出、审批人、时间戳。当某个问题静默回归时，这是唯一能告诉你在哪一天开始出问题的手段。
月度杠杆复盘
两页，三十分钟，每个月一次。我只保留三行内容。
- 每条工作流的成熟度等级，以及是否有变化。
- 治理执行情况：owner 在位、预算未超、审批关卡被使用、审计留痕完整。
- 绑定到该工作流的那一个业务指标，以及相对上月的变化。
一旦有治理破例，它必须和成果写在同一页上。那些藏起治理失败的团队，往往会在同一条工作流上摔两次。
不买任何新东西怎么升级
麦肯锡数据里对这套框架最重要的一条发现是：专注胜过广度。小型组织的 agentic AI 规模化停在 22% 不变，而大型组织推进到 40%。规模本身没有帮忙，专注才起了作用。
挑一条有真实体量、结果可衡量的工作流。先把推到 L2，因为 L2 是那条工作流开始摆脱「谁在执行」的等级。之后再上 L3，让代理接队列、人来评审。然后再考虑横向铺开。
我见过团队在六个月内用已有的工具走完 L1 到 L4。改变的不是工具，是 owner、预算、复盘节奏，和那份写下来的回滚触发条件。
那 6% 的 AI 高绩效者，并不是提示词比市场平均水平写得好。他们运行的工作流更少，但每一条的结构更扎实。五个等级，一次一条工作流，一个能封顶 token 花费的预算，一次把整件事拉回业务指标的月度复盘。这就是这套框架。80% 的个人生产力和 37% 的企业影响之间的缺口，会在一个团队停止衡量提示词、开始衡量杠杆的时候闭合。