工具都装上了，为什么原地不动
Block 是打造了支付服务 Square 的金融科技公司。它把 AI 编程工具交给了大多数工程师，规模达三千五百人，并在全公司范围内开展培训。仅看工具使用率，它处于业界前列。
然而产品的发布节奏并没有如预期般加快。代码确实出得更快了，产品却没有以同样的速度变化。原因不是没人用工具。工程师对「AI 写的代码可以信任到什么程度、能否直接发布」存在心理门槛，而审批流程又叠加在这道门槛之上。
最终奏效的办法不是把三千五百人再培训一遍，而是选出五十名先锋，让他们先用成果证明这件事确实可行，再让这种文化横向扩散。工具覆盖率早已接近百分之百，剩下的变量是人与流程。
修好一段高速公路，车未必就会开上去。路已经修好却无人驶入——这才是真正的瓶颈。如果组织做了 AI 培训，却从未体验过工作提速一倍，通常就卡在这里。
Anthropic 如何把五到六个月变成一到三天
Anthropic 从相反的方向处理同一个问题。这家公司过去从构建到发布产品需要五到六个月，如今这一周期是一到三天——单位是天，不是月。
方法不是换用更好的工具，而是创造新的发布单元：研究预览（Research Preview）。开发与研究阶段的功能不再藏到完工为止，而是放在有意愿的用户可以自行开启试用的位置。打开 Claude 桌面应用会发现界面不断变化——聊天与代码拆分开来、协作功能并入聊天——这些变动都跑在这个单元之上。
这个单元真正去掉的不是完成度，而是等待。凡事上报审批、等一切齐备的那段时间消失了。与其等待完美，不如先小范围公开，再从用户的实际反应中学习。
这里有一个容易误读之处。若把一到三天的周期只归因于用 AI 写代码，那只看到一半。编码速度本来就不低，让它转化为跃迁式成果的，是重新设计判断与审批的结构——相当于铺设新管道，让工具带来的速度真正流经组织。
用帕累托重读：把 80 抬到 100 的代价
帕累托法则是「八成结果来自两成原因」的经验法则，也称二八法则，常被表述为八成营收来自前两成客户。
代入开发排期便是这样：人们真正使用的八成核心功能，只需全部工期的两成即可完成；剩下八成工期，用于把那 80 分抬到 100 分——异常处理、界面打磨、罕见路径应对、内部评审与签批都落在这一段。
关键问题随之而来：那段最后的完成度，市场要求过吗？在多数项目里，这个问题从未被验证。八成工期花在无人要求的精细上，而市场真正想要的另外两成，直到发布都没被碰过。
所以要调换顺序。先在八成处发布，剩下两成交由市场反馈决定：被使用的就补足，无人问津的就丢弃。首发所需时间随之降为全程的两成，即五分之一。Anthropic 用研究预览做的，正是这个结构。
如果这听起来像放弃质量，请再看一遍顺序。不是放弃 100 分，而是依据使用记录而非自己的猜测，来挑选把哪两成抬到 100 分。改变的是完成度的分配，而不是总量。
那么八成该切在哪里
凭感觉衡量，八成每次都不一样。实务上可用的定义是：一条核心用户流程能从头跑到尾。请求进来、结果出去、记录留下——这一条线不中断地转起来，就是八成。挂在这条线旁边的异常处理、第二类用户、管理后台，仍属最后两成。
首次构建时这样圈定范围：只放一类业务；用户限定为自己或本团队；核心功能只留一两个；数据用样本或去标识化数据；结果必须由人做最终复核；一旦出问题，随时能退回原有方式。
若范围要超出这一圈，就砍回去。「反正都要做，顺便把这个也加上」正是失败的种子。范围越大，首发越往后拖；首发一拖，就会在市场反馈到达之前用自己的猜测去填补最后两成——那一刻就退回了 A 方案。
怎么做已不再是障碍。在用语言描述就能得到代码的时代，不必精通编程也能亲手做出一个小解法。重要的不是怎么做，而是要验证什么。不必先学会写代码再开始。
不测量，就分不清 80 与 100
在八成处发布，前提是测量。若声称要看反馈再决定其余，却什么都不测，留下的只有「好像变好了」的感觉。对自己亲手做的东西产生偏爱，这种错觉会更严重。
该记录的数字是固定的：作业时间、等待时间、错误与遗漏件数、修改次数，以及用户是否真的再次使用。把它们与旧方式的数字并列比较。初稿从四十分钟降到十五分钟，修改要求从三次降到一次——确认应当长这样。
若不知从何测起，先看五个瓶颈信号：等待，工作停在审批或回复之前；返工，同一份材料每周重做；人员依赖，某人不在便无人能推进；系统断裂，从聊天工具复制再粘进表格；异常暴增，例外多过正常流程。哪一条让你心里一紧，那就是首个对象。
数字也可能反而变差。那就修。修了仍不见好，就丢掉——换一种方式重新设计，诊断也重做一遍。丢不掉才是更大的浪费。Anthropic 能维持一到三天的周期，原因也在于此：因为无人使用的东西可以丢弃，循环才能保持短促。
是谁在定义「完成」
Block 的案例说明，组织的速度来自决策结构，而非工具清单。因此该盘点的问题不是「在用哪个 AI」，而是「由谁、在何时宣布这件事做完了」。
实务上把决策分为两类会清晰许多。可逆的决策不必审批，直接发布：界面文案、内部工具、试验性功能——错了退回即可。不可逆的决策由人签批：发送给客户的内容、付款、删除记录、人事与考核、机密与个人信息。
事先划好这条线，大部分等待便会消失。审批队列往往是因为把可逆的事情也一并上报而形成的。Anthropic 的研究预览，归根结底就是把可逆的发布从审批路径中抽出来的装置。
个人层面同理。事先定好哪些交给 AI 自行处理、哪些必须由自己批准，就不必每次停下来判断。在实务中，知道该在哪里停下的 AI，比单纯能力强的 AI 走得更久。
今天就能做的事
挑一件正在进行的工作，写成一句话：我要用某种方法改变某项业务的某个瓶颈，做出可测量的结果。四个空格都填满，才算课题。「我们团队也要积极运用 AI」是决心，不是课题。
填好后是这样：为减少周报汇总过程中的遗漏确认与反复修改，我要做一个包含必填项与复核标准的汇总工具，并把撰写时间与修改次数同旧方式作比较。
接着用一行字定义八成到哪里为止。写下「一条核心流程能从头跑到尾」的那个点，并真的在那个点发布。然后至少用一周投入实际业务，收集数字。
剩下的两成到那时再定。一周的使用记录会告诉你该补哪里——比自己的猜测更准，而且不必预先花掉八成工期。