Google 对 1500 万次 AI 工具交互的内部分析显示，虽然 68% 的工作现在都会接触到 AI 助手，但这些系统实际上仅实现了 21% 的任务自动化。这种差距至关重要，因为企业正押注于利用 AI 来彻底改变工作流程，但数据表明，大多数员工目前仅在少数活动中依赖该技术。

为什么这些数字很重要

这项在 Google Gemini 平台上进行的调研，描绘了一幅关于 AI 采用情况的细致图景。三分之二的采用率看起来令人印象深刻，但 21% 这一较低的自动化比例意味着五分之四的任务仍需在没有 AI 协助的情况下完成。计划进行大规模 AI 部署的高管应关注“头条式”采用率与实际生产力提升之间的错位——这可能会夸大投资回报率（ROI）的预期。

我们是如何走到这一步的

供应商一直将 AI 工具宣传为提升工作效率的下一步，承诺提供能够从头到尾运行整个流程的“自主代理”（autonomous agents）。然而，Google 的数据表明，大多数用户是在特定的协作时刻使用该技术——例如头脑风暴、起草策略或收集研究资料——而不是将整个工作流程移交给 AI。该研究追踪了每一次 Gemini 的交互，并对每个请求的目的及其支持的工作类型进行了分类。

数据揭示了什么

  • 对完全自动化的推动有限。 只有不到十分之一的交互旨在完全自动化某项任务。大多数用户更倾向于“人机协作”（human-in-the-loop）的方式。
  • 协作而非替代。 AI 使用的大部分集中在生成概念、完善策略和进行背景研究，这表明员工将 AI 视为合作伙伴而非替代品。
  • 常规工作首当其冲。 当 AI 确实实现自动化时，它承担的是重复性强、定义明确的任务。然而即便如此，五分之四的日常活动仍未受到影响。
  • 认知类、非例行工作占据了 AI 调用的大部分。 约 65% 的交互涉及非标准化任务——如问题解决、分析或创造性思维——这表明用户在仍需人类判断的领域转向使用 AI。
  • 不同职业间的冲击不均。 软件开发和财务分析等白领角色显示出最高的 AI 使用率。体力劳动职业则相对滞后，尽管一些技术人员已经开始使用 AI 通过照片来诊断设备故障。

企业面临的利害关系

如果一家公司基于“大多数工作很快将移交给自主系统”的假设来构建其 AI 战略，那么它可能会在仍主导日常产出的“人类流程”上投入不足。当预期的效率未能实现时，过度承诺自动化会削弱信任。另一方面，识别 AI 已经产生价值的领域——如构思、快速研究、常规数据处理——可以让企业更有效地分配培训、工具和治理资源。

反方观点

一些供应商认为，早期的采用数据只是第一步，随着模型的改进，自动化率将会大幅攀升。他们指出，大语言模型的快速进步和专业化代理（specialized agents）的推出，证明了 21% 这一数字只是暂时的低点。未来的增长是可能的，但 Google 的研究强调了用户意图的重要性：如果缺乏明确的替代任务的意愿，即使是最强大的模型也只能是辅助工具，而非替代品。

下一步值得关注的方向

  • 用户意图的转变。 随着对 AI 信心的增强，全自动化请求的比例会上升，还是协作仍将占据主导地位？
  • 特定行业的采用曲线。 受高度监管或对安全性要求极高的行业可能会看到较慢的自动化进程，而技术密集型领域可能会推动这一比例进一步提高。
  • 工具的演进。 将 AI 更紧密地嵌入现有软件套件中的新功能可能会推动自动化份额上升，但前提是它们必须符合用户的工作流程。

团队的实际下一步建议

不要让“头条式”的采用率左右你的规划。询问你的员工：“哪些具体任务构成了我们那 21% 的 AI 自动化工作？”绘制出这些任务的图谱，可以为扩大自动化规模、规划 AI 许可预算以及衡量真实的生产力影响提供坚实的基础。

核心观点： AI 现在已成为几乎无处不在的助手，但它处理的任务仍占少数。那些在今天将 AI 视为协作工具、并能精准识别其已实现自动化的公司，在技术最终突破 21% 的门槛时，将更有能力捕捉到真正的效率提升。