AI 可以幾秒鐘寫完一封信、整理一份資料，也能協助做出一個能運作的程式。但一件事做得更快，為什麼不一定讓整個團隊、公司，甚至社會的生產力跟著大幅提升？
我覺得，其中一個原因是：工具已經換了，工作方式卻還停留在上一個時代。
可以把它想成汽車剛出現的時候。把馬車換成汽車，當然能帶來好處；但如果道路、交通規則、補給與物流安排都還沿用馬車時代的做法，光靠一輛更快的車，能改變的事情就有限。這些配套也得一起調整，才能用上汽車帶來的速度與運輸能力。
工廠從蒸汽動力轉向電力，更能說明這件事。過去，機器的位置受到傳動軸與皮帶限制，工廠必須圍繞「如何把動力送到機器」來安排。當每台機器都能由自己的電動馬達驅動，設備就能依照加工順序重新排列，減少材料來回搬運，也促進了流水線的普及。電力帶來的好處，隨著工廠布局與製程的改變，才得以進一步發揮。美國聯準會：Lessons from Past Productivity Booms
今天導入 AI，也很容易停在「替舊流程換一顆新馬達」的階段。假設原本花一天寫的提案，現在十分鐘就完成，後面卻仍然要等一週開會、經過三層簽核。工程師產生程式碼的速度變快了，需求釐清、審查、測試與上線卻未必跟著加速。某個環節省下來的時間，最後可能只是變成下一個環節的排隊時間。
要讓整個團隊做得更快，就得回頭看流程：哪些交接可以省掉？哪些資訊應該讓 AI 直接取得？哪些檢查能自動完成，又有哪些判斷仍然需要人負責？如果這些問題沒有處理，只是不斷增加生成速度，也可能讓團隊多出更多需要閱讀、確認與修改的文件和程式碼。
這些調整需要時間，也需要試錯；模型本身的可靠性與成本，同樣會影響結果。歷史無法保證 AI 一定帶來生產力大爆炸，但它提醒我們，技術的潛力往往需要新的工作方式才能發揮。
我期待的轉折，是我們開始認真問：如果一開始就有 AI，這份工作還會被設計成現在這個樣子嗎？