你已经是 AI 用户中的前 1% 了。没错，你和那些站在前沿的人之间确实存在差距。那些疯狂的家伙同时开着 20 个终端，外加一个每次运行完都会自我重写的知识库。
坏消息是，你永远追不上那些人。好消息是，你根本不需要追上。你前面的那个差距，远比你身后的差距要小。
你可能不觉得自己属于前 1%，因为你在 X 上看到那些极客随手就能拉起一整支 Agent 舰队，但相信我，你就是前 1%。你很可能每天都在用模型，对怎么把它用得最好有自己的想法，甚至可能还会自己捣鼓 Agents，或者在自己的机器上部署过 Hermes。
而另一方面，你和大型企业里那个普通员工之间，隔着一道 鸿沟。他们可能两年里也就打开过 ChatGPT 四次。他们用过 3.5-turbo，然后断定 AI 很蠢，根本没意识到 GPT-5.6 Sol Ultra 刚刚证明了一个悬而未决 50 年的图论猜想。每一篇 AI 战略文章或帖子，都在假设这个人——这个普通员工——最终能追上来。
我跟你说，他们不会的。
介绍一下背景，我是 @varickagents 的 CEO。我们与全球最大的公司合作，在整个组织里落地 AI Agents 和战略，所以对企业里 AI 的真实情况，我们还是懂一些门道的。
图 1 - 鸿沟
世界上最好的 AI 工具，并没有让他们变快
我最近和一家非技术型企业的运营部门负责人聊过（手下有几千号人）。他说，没有 AI 的时候，团队运转得其实不错，没什么可抱怨的。
后来他们上线了 Claude Cowork，你猜怎么着？团队的效率还是老样子，没有任何提升。他跑来问我为什么。
我在每个组织里都见过同样的分化。不管是 50 个人还是 5000 个人，每次的分化都一模一样：杠铃型。5-10% 的人是重度用户，他们每天使用 Cowork，还会利用技能文件、Outlook 连接器等等。这些人是布道者，是最初推动引入 Claude Cowork 的人，因为他们在工作之余也会折腾 AI，亲眼见识过 AI 能带来多大的影响。
剩下 90% 里，20% 的人每天会用一两次，但用得很糟糕。他们确实能从中得到一些价值，但跟前沿用户相比，只是九牛一毛。而其余 70% 的人，压根一次都没用过。
图 2 - 只有十分之一的人真正用得好
他组织里的仪表盘会显示，这次推广已经被采用了。但在他看来，什么都没变快。这两件事可以同时成立。
会用和用得好，是两种不同的技能
即使是那些确实在用 AI 的人，技能差距也大得惊人。那些完全不知道自己在干什么的 AI 用户，用了 AI 之后反而比不用更糟。
安装 Claude、把它指向一个代码仓库、发一个四字提示词，然后看着它跑出点东西（可能对，也可能错）——这太容易了。
但用得好是另一种技能：知道什么时候该清空上下文；知道刚才已经做过两次的事情，应该变成一个模型每次都会读取的技能文件，而不是一条每次都要重新打的提示词；知道一个自动化项目里，哪 15% 需要模型来做判断，哪 85% 只需要确定性代码；而最重要的是——在合入之前，要正确地审阅 diff。
如果你把同一个 ticket 交给两个工程师，这种差距在最初的 5 分钟就会显露无遗。第一个工程师会直接把 Jira 里的文本粘贴进 Claude，然后点提交。这个修复会涉及六个文件，而他只是草草扫一眼，看到测试还在通过，就把 PR 合并了。三周后生产环境开始出问题，才有人发现，这个 PR 无缘无故改掉了一个配置值。
第二个工程师也是从同样的步骤开始。他也粘贴 Jira 里的文本，但随后会标明代码在仓库中的位置、哪些文件夹和文件该动、哪些要避开；而且他早有技能文件，确保 Claude 提交的每个 PR 都精简克制，而不是冗长啰嗦，并且在提交之前经过充分的测试。之后他会仔细阅读 diff，抓出其中一处多余的改动，用一句提示词快速修掉，最后合并一个只有第一个工程师一半大小的 PR。
图 3 - 同样的工具，同样的岗位，不同的结果
任何组织里至少有一半人，永远成不了第二种工程师。把 AI 用好是一门手艺。想真正精通，需要海量迭代；而对许多还没上车 AI 的人来说，惯性是一道无法跨越的坎。把一个只会乱喷垃圾输出的炮台，改造成一位精细操作的重度用户，同样难如登天。
再完美的推广，也照样会形成杠铃分布
最直接的反驳是：“这些公司只是做得太差而已。换成我会做得好得多。”并非如此。哪怕你的推广完美无瑕，结果照样是杠铃分布。
我们聊过的另一位高管，刚刚为全公司配齐了企业许可证，一年八位数的投入。结果大约 10% 的人烧掉了 90% 的 Token。
这么跟你说吧：如果另外 90% 的人也能像前 10% 那样使用 AI，花费会大约增加 10 倍。1000 万美元的投入会变成 1 亿美元，而你原本最好的情况，也会变成最坏的情况。
图 4 - 10% 的席位消耗了 90% 的 Token
采用是非黑即白的，技能则是一个光谱
麦肯锡 2025 年的调查显示，88% 的组织至少在一种业务职能中使用了 AI，但只有 6% 的组织，来自 AI 的收益贡献超过了其 EBIT 的 5%。MIT NANDA 发布的《GenAI Divide 报告》里还有一个数据：5% 已整合的试点项目创造了数百万的价值，其余 95% 在损益（P&L）上看不到任何可衡量的影响。
如果你把“采用”当成指标来追踪，那你问的（充其量）只是一个“用还是不用”的是非题。“这个人这个月登录过吗？”“这个人今年登录过吗？”“这个人每天至少发了 5 条提示词吗？”如果你想区分“从未打开过”“把邮件粘贴进去重新排版”和“已经有三个 Agents 在生产环境里处理总账”，你需要一套更好的衡量体系。但 99.9% 的企业 AI 采用率追踪工具都做不到这一点。这很蠢，原因显而易见（参见上文：杠铃分布）。
图 5 - 采用率数字掩盖了什么
但从数字本身看，它是真实的，人们也没有在采用率上撒谎。它比你真正关心的东西好测多了：每个人使用 AI 的技能有多强？每消耗一个 Token，他们能换来多少 ROI？
这就是为什么“AI 采用率”是一个神话。如果你真的去追踪这个指标，你就会发现，企业中绝大多数人成为“AI 原住民”毫无希望。这是否意味着他们没有价值？当然不是。只是意味着，你的实施和推广计划必须据此做出调整。
所有的激励机制，都在维持这道鸿沟
每个 AI 供应商的路线图都在兜售更强的 Agent 能力，却对团队能否有效使用只字不提。于是，真正能高效使用它的人只有前沿用户；他们声音最大，所以最有发言权。而且为他们开发产品也最能出彩——所以这当然是一个双赢。每一次功能发布，都在抬高把产品用好的技能门槛，而这只会让前沿用户和组织中大多数人之间的鸿沟越来越宽。
我一再看到企业被“培训员工写提示词！”这个主意诱惑。这其实只占整个棋局的 10%。剩下 90% 是：“培训员工，让他们明白哪些工作流永远不该碰模型，哪些工作流又应该完全自动化。”这套东西之所以不像提示词培训那样好卖，是因为每家公司的答案都不一样，需要你跑到现场去，花上几周才能弄清楚。
而你公司里的那些 AI 忍者，也没有动力去改变现状。他们的优势正是这道鸿沟。他们干活比别人快 70%，然后就可以躺平摸鱼，或者一个人干三个人的活。可一旦所有人都赶上了这波浪潮，他们就失去了优势。没有额外的激励，他们凭什么去解决这个问题？
那么，解决方案是什么？
不管怎样，你都必须做培训。不培训，你就永远不知道谁是头部的那群人、谁不是。从这个意义上说，培训是诊断，而不是补救。你公司里肯定有一些人对 AI 感兴趣，只是缺少深入钻研的时间和条件。你要通过培训，摸清每个人的实际水平和舒适区。
对于你的头部群体——那些重度用户——给他们一个可以发布成果的地方，比如共享数据库，让他们做的每一个技能都能被发布、被排名、被其他人安装使用。这是我所见过的唯一一种能把一个人的突破变成可共享资产的机制。在这里，排名就是激励：重度用户会用自己的优势去换取组织里的地位。但差距依然存在：哪怕你群发给所有人，仍然会有 50% 的人永远不去用任何技能。
对其余所有人来说，工作必须照常完成，但不必改变他们的工作方式，这意味着 AI 要退居幕后。话说回来，AI 为什么非要靠人来提示呢？找出最重复的那些流程，把 Agents 构建进你已经习惯使用的现有核心系统（Salesforce、NetSuite、Dynamics 等），只在需要人再核一眼的时候，才把人拉进来。
举个例子：你手下有几十个应付账款（AP）分析师，整天处理发票。其中 90% 都可以自动化。你不能指望他们自己去搭建 Agents，或者靠写提示词来稳定跑通整个流程而不在生产中出岔子。所以，构建天天自动运行的 Agents，让这些分析师只负责审批、驳回或修改 Agents 做好的工作就好。
有一点你需要记住：人们想要的从来不是一个“帮助他们完成工作”的工具。他们只是想把工作做完。
图 6 - 两条路径，规模由实际走的人决定
所以，别再向董事会汇报“采用率”了。去报告当前工作里，纯人工、混合、全自动各占多少比例。这才是唯一重要的汇报，也是唯一重要的对话。
那些后台 Agents 怎么构建、怎么部署？那是另一篇文章的事。不过为了多说一点，这正是我们在 Varick 做的，也是我们给客户落地 AI 时唯一真正奏效的方法。我们的客户都是拥有数千人的超大型公司，而打法始终如一：
我们审计组织内部的工作究竟发生在哪里，然后把 Agents 构建进你现有的核心系统中。这样，工作完成了，而你完全不必要求五千个人精通一门他们本就没打算学的手艺。
我们服务的公司年营收都在 5 亿美元以上，涉及财务、销售、采购、运营、人力资源等各个领域。欢迎前往 varickagents.com 了解我们。如果你想要更多类似的内容，可以前往 varickagents.com/newsletter 订阅我们的邮件通讯。
TLDR：太长不看版
- 你很可能属于前 1%。虽然你前面仍有差距，但你身后是一道鸿沟。你公司里的普通员工已经被你甩开十万八千里，而且这个差距还在随每一次发布不断扩大。
- 一次普通的 Claude Cowork 或同类工具的推广通常是这样：5-10% 的人成为重度用户，20% 的人用得稀烂，70% 的人几乎不用，团队效率没有任何提升，但几百万美元是肯定烧掉了。
- 会用和用得好是两种不同的技能，任何组织中至少有一半人永远用不好。
- 再完美的推广也解决不了这个问题。你可以把 AI 摆到几千人面前，结果依然是你组织里 10% 的人烧掉 90% 的 Token。
- 采用率指标把一整条光谱压扁成了一个“是或否”的二元问题——这就是为什么你能看到 88% 的采用率，却只有 6% 真正在 EBIT 上看到了实实在在的影响。
- 你需要培训头部的那群人，并把他们构建的东西发布出来。对其余所有人，把 AI 放进他们已经在使用的系统后台里。
