假设你原来要用一整天整理一份业务报表。现在，借助AI，上午就能做完，而且核对之后，质量也过关。
效率提高了，但下午怎么安排？
你可能提前结束工作，也可能得到一项新任务。到了月底，完成的工作更多了，工资却没有变化。公司觉得工具很好用，你却未必觉得日子更轻松。
AI让人更有生产力，并不保证个人能获得更多回报。
Anthropic发布的《Economic Scenarios for Transformative AI》，讨论了这个问题在整个经济中的表现：当AI让社会创造更多财富，就业、工资和财富分配会怎样变化。
读这份报告，我最关心的是，经济增长与个人处境之间，究竟隔着哪些环节。理解这些环节，也有助于理解一个很具体的困惑：为什么有人越来越愿意使用AI，有人却觉得提效与自己没什么关系。
NO.01 一份工作里，有很多种任务
报告以美国经济为对象，把职业理解为一组任务。AI可能帮助人完成其中一些任务，也可能独立承担一些任务，还可能带来新的任务。它研究的是，这些变化如何逐步传导到整个经济。
以律师工作为例，整理材料、检索、起草文书，与核实事实、判断策略、沟通客户，并不以同样的方式受到AI影响。
AI可以从一批文件中提取日期、主体和金额，帮助制作时间线。但材料存在矛盾时，仍要回看原件、找人核实，并判断冲突会不会影响案件。客户交来一份合同，也不代表他的需求就是检查文字，有时还要弄清他真正担心什么，以及文本有没有反映实际交易。
因此，某个环节做得快，不等于整份工作已经能够同样快地交付。
新则大鱼在讨论律师行业的AI应用时，提到最终审核的限制：助理或工具可以很快生成材料，但合伙人能够审核的量有限。我理解这个观察。不过，审核形成瓶颈，并不等于其他环节节省的成本全部消失，还要看完整流程，以及是否增加了核验和返工。
从这里再看报告，就容易理解它为什么要区分技术能力与实际采用。工具能够做，与团队愿意把它用于日常交付，中间还隔着可靠性、流程和人员安排。
NO.02 报告描绘了三种未来，结果并不相同
报告设置了温和、显著和极端三种变化情景。这些是不同假设下的推演，没有被赋予发生概率，不能当成对未来的预报。
温和情景下，AI带来增长，但对就业和工资的影响较小，变化相对渐进。
显著情景下，经济增长明显加快，知识工作者的工资却基本停滞，其他职业获得更多工资增长。
极端情景下，经济大幅扩张，知识工作者却承受明显的就业和工资压力，资本获得的收入份额上升。
对这篇文章而言，我觉得显著情景尤其值得讨论。它说明，在这个模型中，不需要走到几乎所有认知工作都被自动化的极端，增长与部分劳动者的收益就可能出现分离。
设想一个人每天都在用更强的工具，所在团队也确实能够承接更多业务。他看到的每一个局部，都像是在进步，但这些变化未必足以让他的工资同步提高。报告让这种看起来矛盾的处境，有了可以进一步分析的经济背景。
这里也要保留报告的边界。它没有细致区分同一职业内部的人，不能直接告诉我们某位律师、程序员或设计师会怎样。把模型中的职业群体结论套到每个人身上，会丢失经验、客户关系和具体岗位之间的差异。
NO.03 社会更富裕，为什么有人反而承压
报告讨论的机制包括：部分认知任务自动化后，对相应人力的需求可能下降；资本的需求和回报则可能上升。受影响的劳动者转向其他职业需要时间，因此增长可以与转岗困难、失业并存。
它揭示的一个区别是：社会创造了多少财富，与劳动者通过什么方式获得财富，需要分别分析。
回到律师行业，我们可以用一个假设场景理解这种区别，但这只是行业层面的延伸，不是报告对律师收入作出的预测。
假设一家团队借助AI，以更少时间完成同样的合同审查。收费不变时，节省的成本可能增加利润；同行普遍提效之后，竞争也可能促使报价下降，客户得到一部分好处。
降价又可能吸引原来不愿购买服务的小企业，带来更多业务。也可能新增需求有限，团队只能以更低价格继续竞争。
所以，不能把节省的工时直接当成一笔已经入账、等待分配的钱。它可能被用来提高质量、承接业务，也可能被降价和新增核验成本抵消一部分。要先看团队实际获得了什么，再讨论成员能够分享什么。
即使团队获得更多收益，也还要看内部安排。客户开发、工具投入、质量把关和具体交付由谁承担，各自的报酬如何确定，都会影响收益去向。
对授薪律师而言，工作完成得更快，并不会自动改写原来的薪酬规则。这是工具能力之外，一个独立存在的问题。
NO.04 这份报告，让我们重新审视“提效”
我认为，这份报告的价值，在于让关于AI的讨论多走几步。
看到工具完成一项任务，我们很容易沿着一条直觉推下去：工作更快，产出更多，大家就会过得更好。报告提示我们，中间还有采用、岗位调整和分配问题，每一步都需要具体条件。
这会影响我看待AI应用的方式。听到一个团队说节省了很多工时，我会更想了解后续发生了什么：交付质量有没有改善，业务有没有增加，成员的收入和时间安排有没有变化。
对团队而言，这也提供了一个评价工具的角度。引进工具之后，除了统计处理速度，还可以观察成员是否愿意继续试验、愿意把方法分享给别人，以及这种积极性有没有随着工作量增加而下降。
这些是我从报告出发的思考，不是报告已经验证的团队管理结论。它讨论的是美国经济的情景，也不能直接替代对中国律师行业的观察。
至于这份报告是否已经改变了行业实践或公共政策，目前我没有足够材料作出判断。更适合在这里讨论的，是它提出的问题如何帮助我们重新理解自己的工作。
NO.05 使用者拿到什么，会影响他继续投入多少
新则大鱼提出过一个很直接的疑问：使用AI的人把工作做得更快，省下来的收益会不会分给他。如果得到的主要是更多任务，他继续改进方法的动力从哪里来？
我认同这个问题的现实性。学会使用工具、调整流程、核验输出，都需要投入精力。如果每一次改进都只换来更多重复劳动，积极性可能受到影响。
这与报告讨论的采用问题也有联系。技术能不能发挥作用，最终还需要有人愿意把它放进实际工作。至于个人回报如何影响采用，是我们结合工作经验提出的进一步解释，不能说报告已经证明了这个因果关系。
但对照自己的经历，我觉得回报还可以展开得更具体。
用了AI之后，我的工作量也变多了。老板看到处理效率和质量不错，会继续把任务交给我。我参与的事情更多，与老板交流、与客户沟通的机会也增加了。
这些接触对我有实际价值。每一次例会、每一次见客户，我都可以继续复盘：对方为什么提出这个问题，自己有没有理解准确，表达能否更清楚，哪些判断还需要补充材料。
AI帮助我处理前面的工作，也帮助我整理后面的思考。新的案件和任务，又提供了新的使用场景，让我继续探索更合适的处理方法。
所以，工作量增加，对我不只有一种含义。机械地重复相同事项，与进入一个需要重新理解和判断的案件，我的感受会不同。后者有时会让我发现原来没有注意到的问题，也让我有机会把新方法放到实际场景里检验。
NO.06 可以自己安排时间，也是我拿到的回报
工作之外，我也有了更多主动性。我会写文章，尝试制作团队网站，接触一些原来可能觉得没时间研究的新事物。这些事情未必马上带来收入，但我能感受到，自己愿意尝试的范围扩大了。
这里有一个很具体的条件：我可以自主安排工作时间和地点，大白话说，就是不用打卡。
完成眼前任务之后，我有机会决定接下来的时间怎么使用。目前新增工作还没有完全填满这些空间，后续任务我也会继续配合AI处理，探索怎样做得更快、更好。
如果工作和薪酬不变，却必须每天在固定地点坐满固定时间，我想，自己的积极性会降低。提前完成之后仍要坐在那里，与能够自行安排余下时间，感受确实不同。我甚至觉得，在前一种情况下，自己可能把更多时间用来刷短视频。
这是我的情境判断，但它让我看清了自己在意的回报。除了收入，我还在意有没有时间复盘，有没有机会接触新问题，以及能不能探索职业之外的事情。
让使用者保留一部分可自主支配的时间，也可以是一种分享提效收益的方式。
这并不能替代薪酬问题。成长机会不该被自动拿来抵扣劳动报酬，我从当前安排中受益，也不意味着每个人都处于同样条件。有人更需要增加收入，有人需要按时结束工作，也有人愿意承担新任务，但不愿一直重复相同的劳动。
同样，不能只凭“不用打卡”就认定一个人拥有自由。如果任务不断增加、响应要求延伸到所有时间，名义上的自主安排仍可能没有实际余地。
报告帮助我把经济增长与劳动者收益分开思考。回到个人经历，我又多了一层体会：判断自己有没有受益，还要看完成工作之后，能留下多少可以自行决定的空间。
目前，我还能够用省下来的时间，把一次客户会面重新想一遍，写一篇文章，或者打开团队网站，试着把一个原来不会做的功能做出来。
这些也是我愿意继续使用AI的理由。