AI 上线半年，团队更忙了，判断没变准

有个团队 AI 用了半年，周报里的产出数字全线翻番：报告从每周三份到九份，文案从两天出稿到两小时，分析的 ASIN 从十个到四十个。年底回头看，选中的品还是那些，砍掉的品也还是拍脑袋砍的。

三个数全涨了，判断一点没变准。

三个假象

三个涨上去的数，与三个该换的指标

假象一：产出量

报告变多只说明生成成本降了。生成成本降为零的时候，产出量会趋近无穷，而决策的容量是固定的——一周能做的决策就那么几个。

真正该看的是采纳率：这个月生成的十份报告里，有几份的结论进了执行清单。低于三成，说明产出是过剩的，过剩的部分只是在占用阅读时间。

采纳率还有个副作用值得注意。产出变多之后，读报告的人会开始挑软的读——先读短的、先读结论清晰的。真正需要花时间啃的那份，往往一直排在后面，最后过期。产出过剩会改变阅读顺序，这件事没人会告诉你。

假象二：速度

出稿从两天到两小时，这个提升是真的，但它不一定落在你要的地方。

我更关心从出稿到上线过了多久。如果答案是两周，那两小时的出稿速度毫无意义，卡点根本不在写这一环。速度指标必须贴在整条链路上看，单看一段只会让你在错误的地方继续加码。

我们实测过一次：文案出稿从两天压到两小时之后，从出稿到上线的时间一点没变，还是十一天。卡在审、卡在拍图、卡在排期。提速那部分省下来的两小时，落在整条十一天的链路里是看不见的。

假象三：覆盖面

分析的 ASIN 从十个到四十个，听起来是三倍投入。但如果三十个新增的分析做完之后没有任何动作，那这个覆盖只是把存货翻出来看了一遍。

覆盖的价值取决于覆盖之后能不能触发动作。触发不了，说明要么选的这三十个本来就不该分析，要么分析完没有人有权做决定。

第二种情况比第一种多。分析做完了，结论是「这个品该清仓」，然后发现清仓要动采购、要动财务、要动仓库，没有人拍得了板。覆盖面扩上去，只会让这种无处安放的结论变得更多。

换成三个能验证的数

采纳率、从出稿到上线的天数、分析后触发的动作数。这三个数都不好看，而且很难涨。

它们的共同点是都指向下游，涨一点都要有人真的动了手。产出量、速度、覆盖面全部指向上游，指向自己，所以它们涨起来毫不费力。

把这三个数换成那三个数，团队周报会难看一阵子。难看是对的，因为之前那三个数从来没告诉你任何你不知道的事。

我自己的检查方式

每季度问团队一个问题：过去三个月，有没有哪个决定，是因为 AI 给了你一个新信息才做出来的。

答得出来，说明 AI 进了判断链。答不出来，说明它只进了生产链，你只是多了一批没人读的材料。

这个问题不需要精确答案，凭印象答就行。印象里都没有，那就是真的没有。