随着AI的深入应用，个人的工作效率得到大幅提升。而如何把一个人省下的时间，变成整个团队的进度，考验着工具之外的管理功夫。一场由AI引发的流程变革，正在互联网大厂中上演。
中国证券报记者在调研中了解到，现在不少互联网大厂正尝试重新安排协作，让员工少等人，让经验能共用。成果由谁检查，后续怎样维护，使用成本如何控制，也被纳入效率账。在一个互联网公司的技术团队中，产品、研发、测试等岗位的人员被编入小队，坐到一起推进任务。
十小时级的任务被压缩到一小时级
“帮我加一下权限，我先试试。”
快手磁力引擎风控技术负责人王东旭表示，团队复盘时的这句话让他印象深刻。
过去，产品人员提出功能要求，等技术人员安排工作，可能一等就是几天。借助AI后，一些简单功能可以由产品人员先动手尝试，有的几小时就能完成。
不过，王东旭发现，个人效率提升后，团队的待办任务仍在积压。程序写好了，方案还要等确认，结果还要等检查。前面省下的时间，未必能让整个项目提前完成。
OPPO也遇到了类似问题。产研提效产品负责人郝刚介绍，团队把“研发数字人”AI助手接入聊天工具，员工可以像给同事发消息一样，说明要求，让它辅助编写程序、测试和验证结果。在试点部门，部分十小时级的任务被压缩到一小时级。
但在该辅助研发流程中，最终将功能投入使用，仍需人工操作。交接时需要补充背景、等待他人处理，也会耗费时间。
一小时完成的，只是其中一段工作。快手企业智能体建设负责人、企业AI生产力专家沈浪观察到，有的员工很会用AI，但经验停留在个人手里，没能带动整个团队。
同济大学软件学院特聘教授朱少民认为，企业应关注任务完成和成果交付的速度。程序写出来，还要经过评审、测试和验证。下一位同事能不能接着用，整个任务能不能做完，关系着前面环节的提速是否真正有效。
搬工位背后的协作调整
为了减少等待，王东旭团队做了一件看似与AI无关的事：搬工位。
把不同岗位的人员聚到小队中，围绕同一个目标工作，同时缩减流程，减少交接。
坐到一起只是开始，重要的是重新安排各自的工作。产品人员借助AI尝试完成简单功能，技术人员则要提供工具、设定必要约束，并在遇到问题时协助处理。原来由技术人员接手的工作，一部分交给产品人员自己推进，但专业支持仍要跟上。
随着岗位分工变化，经验也需要重新整理。功能为何这样设计、哪些规则不能改，如果只存在于员工记忆和零散文件中，换人接手就得重新解释，AI同样难以使用。
沈浪介绍，有设计团队将部分经验整理成AI可调用的技能，其他同事便能借助这些能力完成相应任务，设计人员则聚焦美学评估等工作。OPPO也将知识库与任务处理平台连接，记录要求为何提出、遇到哪些问题、最后怎样解决，让工作经验能在后续任务中使用。
这些调整仍有边界。郝刚介绍，阶段性实践中，ToB业务任务完成周期缩短，涉及更多风格设计和系统配合的ToC业务基本没有变化。王东旭表示，复杂核心系统、涉及资金损失风险等场景，目前仍沿用原有模式。
检查、成本，都在效率账里
一项任务做得更快，但检查和返工增加，效率有没有提高也要打个问号。
快手磁力引擎风控质量负责人吕冬冬介绍，AI参与开发后，程序修改更频繁、零碎，影响范围更难判断。如果仍靠人工逐项检查，任务就可能积压到检查环节。
其团队先区分风险，再安排检查。涉及资金、核心业务流程的高风险任务，由人工主导、AI辅助；中风险任务由人工与AI配合；低风险任务更多交给AI和自动化工具，人工保留抽检。目前，相关实践已应用于其所在部门。
另一个问题是，“用AI查AI”靠不靠谱？为核验AI的检查结论，团队会在不同步骤使用不同的AI模型，再用专业人员确认过的案例，检验AI判断得准不准。如果发现误判，就把人工纠正的结果记下来，作为后续改进的依据。
还有一笔账，是持续使用AI的费用。沈浪介绍，快手引入积分机制，将相关预算经业务线折算为员工可使用的积分，让使用者感知到词元消耗带来的成本，进而选择适合任务的工具。
朱少民认为，评估生产力，要将人力、时间、算力、返工、风险和维护等成本一并考虑，不能以质量下降换取生成速度。王东旭提醒，借助AI制作出功能后，还要安排后续维护。工位搬近之后，工作能否少等一轮、少返一次工，才是这些调整要经受的检验。
责任编辑：刘万里 SF014
