人人都说自己在用 AI 工作，数据讲了一个不同的故事

企业 AI agent 部署量一年暴涨 15 倍。实际在用 AI 的劳动者？五分之一。84% 的开发者在用 AI 工具，但正面情绪反而从 70% 降到了 60%。三组数据讲的根本不是同一个故事。我每天和接近十个 AI agent 协作——大部分人说的 "用 AI" 和我理解的完全不是一回事。

先看一张表：

15 倍增长对 21% 实际使用对 84% 用了但不满意。部署端的疯狂、一线的冷淡、开发者的幻灭——三个视角看的根本不是同一件事。

如果你只看过其中一个数字，你对 "AI 在职场到底多普及" 的理解可能已经跑偏了。

为什么数字差这么多

不是统计错误。是三群不同的人在描述同一个现实。

部署 ≠ 使用

微软的 15 倍增长是一个部署数字——企业在疯狂买入和上线 AI agent。Pew 的 21% 是一个现实数字——有多少人今天真的在用。

就像公司买了一千把人体工学椅，但大部分人还坐在旧椅子上。买了不等于用了。

微软 2026 同一份报告还有个数字：仅 26% 的 AI 用户认为公司领导层在 AI 策略上方向一致。也就是说——15 倍的部署增速，但四分之三的人不知道为什么在部署。

被问的人不同

微软调查的是全球 20,000 名员工（含管理层）。Stack Overflow 调查的是开发者——可以说最天然适配 AI 的职业。

Pew 调查的是全部美国劳动者。包括护士、卡车司机、零售员工、建筑工人——那些工作里暂时没有明显 AI 接入点的人。

84% 的开发者在用 AI 工具（2025 年，前一年是 76%），说明的是一个职业的全面渗透。但这个数字经常被当成 "几乎所有人都在用 AI" 的证据——那就是统计数据被滥用了。

使用深度不同

这是最有意思的部分。微软把 AI 用户分了层，发现只有 16% 属于 "前沿专业人士"——真正深度使用 AI 的人。86% 的人拿到 AI 产出后把它当起点修改，不是当终稿用。绝大多数人还是在做小事。

同时，开发者的正面情绪从 70% 降到了 60%。用得越多，抱怨越具体：66% 的开发者说 AI 输出 "几乎对但不完全对"——最耗时的那种错误。46% 不信任 AI 的准确性。

问题不在 AI 能不能帮忙。在它帮的方式对不对。

没人谈论的另一面

使用率数字只是冰山一角。冰山下面是 AI 真正进入组织后发生的事。

微软 2026 报告里有一组让我停下来想了很久的数字：

65% 的人害怕如果不适应 AI，自己就会被淘汰。 不是 "觉得 AI 有用"——是恐惧驱动的。

45% 觉得守住当前目标比重新设计工作方式更安全。 明知道应该变，但不敢动——万一变了更差呢？

仅 13% 的人因为尝试 AI 创新而被公司奖励。 也就是说，87% 的人就算用了也白用——组织不认。

HN 上同一天有一条 600+ 分的帖子在讨论 "如何在职场表演生产力"——这不是巧合。当创新不被奖励、失败会被惩罚的时候，表演比实干安全。

大公司全面推 AI 会怎样？

Amazon 是一个缩影。2025 年 10 月裁了 14,000 企业岗位，2026 年 1 月又裁了约 16,000 个——后者官方声明明确引用了 AI 采用。

从纸面看，一切符合领导层预期：工具部署了，任务自动化了，单人产出上去了。但留下来的人在用更少的同事做更多的事。当部署量 15 倍增长时——对接收端的人来说，这不只是数字，是压力。

我自己的真实体验

我是把 AI 用过浅水区的人之一。

每天，我和接近十个 AI agent 协作完成真实工作——调研、写作、开发、运维。它们通过共享频道沟通，互相审查，互相发现问题。

调查数据和我的实际感受对比：

调查说：采纳面广但深度浅。 我的感受：深度才是一切。一个 AI 做一件事，有用。一整个 AI 团队协作，变革性的。从 "偶尔用用 ChatGPT" 到 "80% 的执行由 AI 团队完成"——这不是渐进提升，是完全不同的范畴。

调查说：大多数人只用 AI 做简单任务。 我的感受：真正的价值出现在角色之间的交互。一个 agent 做完调研交给写作的，写作的发现数据里有个数字对不上，踢回去确认——这不是任何单个 AI 的使用方式能产生的。多角色质量控制，才让复杂任务可靠。

调查说：65% 害怕不适应 AI 就被淘汰。 我的感受：透明是核心。我公开写我的 AI 团队怎么工作。不是胆子大——是因为价值在系统，不在隐瞒。恐惧来自不确定性。当你知道自己的角色是 "系统设计者" 而不是 "被 AI 替代的执行者"，恐惧就没了。

调查说：67% 的差距来自组织，不是个人。 我的感受：真正的技能不是 "怎么用 ChatGPT"。是知道如何设计角色、定义交接流程、建立审查机制，以及判断什么时候 AI 的判断够用、什么时候需要人类介入。这不是一个培训课能解决的——这是一种管理能力。

这个差距意味着什么

15 倍的部署增长和 21% 的实际使用之间，就是炒作和实践之间的距离。

微软 2026 报告里有一个数字我觉得比其他所有数字都重要：67% 的 AI 成效差异来自组织因素——文化、管理、流程设计。只有 32% 来自个人能力。

也就是说：你会不会用 AI 不是决定性的。你的组织有没有为 AI 建立正确的运转方式，才是。

但这个差距还揭示了一个规律：价值曲线是非线性的。 从 "不用" 到 "偶尔用做小事" 是温和的改善。从 "小事" 到 "AI 自主处理核心工作流" 是完全不同的量级——无论价值还是投入。

大部分人卡在曲线底部。不是因为不聪明：

1. 工具假设是单人单任务。 大部分 AI 产品为一个人打一个 prompt 设计。多 agent 协作不是现成产品。
2. 组织架构没准备好。 深度整合 AI 意味着重新设计流程，不是加一个聊天机器人。仅 13% 的创新尝试被奖励——组织在惩罚探索。
3. 恐惧比热情传播更快。 65% 怕被淘汰，45% 觉得守住现状更安全。不能公开讨论怎么用 AI，就没法迭代、没法分享有效做法、没法建立组织知识。

能想清楚如何沿着这条曲线往上爬的——从浅尝辄止到深度整合——将获得真正的竞争优势。不是因为用了更好的 AI，而是因为建立了真正使用 AI 的系统。

最后

我反复想的一个数字：67% 的 AI 成效差异来自组织因素。不是个人能力、不是工具选择、不是 prompt 技巧——是你的环境有没有为 AI 建好运转的系统。

部署量暴涨 15 倍，但微软定义的 "前沿使用者" 只占 16%。84% 的开发者在用 AI 工具，但将近一半不信任它的输出。

真正的能力差距不是 "你会不会用 AI"。是 "你能不能构建一个让 AI 产生复合价值的系统"。那不是一个 prompt，是一个架构。

而目前，几乎没人在教这件事。这就是我写这些的原因——不是 demo，不是 "改变你一生的 10 个 prompt"。只是当你不再实验、开始真正构建时，会发生什么。

本文是 "AI 实战" 系列的一部分。此前：我用 AI 算了一套西雅图的房子（数据驱动房产分析）、我的多 Agent 协作写作实验（日常协作）。下一篇：AI Agent 不是不够聪明，是没地方说话——为什么深度使用 AI 需要一个协作平台。