百分之二。
这是被观察到的活动显示 AI 真正嵌入工作方式的员工比例——不是试用过，不是偶尔用用，而是嵌进了岗位的工作流。这个数字来自 ActivTrak 的 Productivity Lab，它对 120,620 名员工的 AI 采用进行分级，依据的是这些人实际被观察到在做什么，而不是他们持有什么许可证、或在问卷里怎么回答。27% 达到研究辅助。14% 达到任务执行。2% 达到工作流集成（ActivTrak Productivity Lab, 2026）。
你的 AI 采用率看板报出的数字几乎肯定高得多。它没有撒谎。它在回答另一个问题——一个你已经不再注意到自己在问的问题。
两种测量，同一周，两个现实
时间点本身就是线索。同一周，Gallup 报告组织层面的 AI 采用率跃升六个百分点（Gallup, 2026），而 ActivTrak 公布了 2% 的工作流集成数字（ActivTrak Productivity Lab, 2026）。
两者都可信。它们并不冲突，因为测的根本不是同一件事。Gallup 询问人和组织在做什么。ActivTrak 观察哪些工具真的被打开、以什么顺序、多高频率、占据一天中的哪一段。自我报告捕捉的是意图、认知和可及性。行为遥测捕捉的是习惯。
这里我想说得准确一些：这是跨方法的对照，而不是头对头的研究，把它当成矛盾就太粗糙了。样本不同、工具不同、对"采用"一词的定义也不同。重点不是一组数据推翻了另一组。重点是，大多数运营团队向董事会报告的是第一类数字，而董事会掏钱买的是第二类结果。
AI 预算就是在这个缺口里悄悄死掉的。可及性在快速扩张，工作重构没有。任何建立在席位数、登录数和月活用户之上的看板，都会展示第一条曲线，而对第二条保持沉默。
三个阶段真正区分了什么
分级模型比那个抢眼的百分比更重要，因为它给运营负责人提供了可以去测量的东西。
阶段 1 —— 研究辅助（27%）。 员工向模型提问。起草、总结、查资料。岗位没有变化；只是某个查询步骤变快了。
阶段 2 —— 任务执行（14%）。 模型完成一个离散的工作单元：写出第一版、抽取字段、产出分析。任务现在是共享的。围绕它的工作流没有被触动。
阶段 3 —— 工作流集成（2%）。 AI 是一个流程中的承重步骤，而这个流程已经围绕它重新排序。交接点变了。审批点变了。工作不是把旧工作做得更快；它换了形状。
只有阶段 3 会改变成本结构
这是运营上的关键。阶段 1 和 2 产生的时间节省，是碎片化地散落在个人身上的——这里二十分钟，那里一个下午。真实，但无法入账。损益表上没有任何变化，因为流程里没有任何变化；省下的分钟被产生它们的同一个队列重新吸收掉了。
阶段 3 才是周期时间、编制计划和单位经济学会做出反应的地方，因为流程本身被重建了。那正是你的商业论证所依据的阶段。也正是只有百分之二的员工达到的阶段。
这个差距背后的机制有充分记录。Deloitte 对 3,235 位高管的研究发现，面对 AI 的应对严重偏向教人用工具，而不是重构工作：53% 通过培训提升员工的 AI 熟练度，而只有 30% 围绕新的 AI 模式重新构想组织，33% 重新设计职业路径（Deloitte, 2026）。人人都在培训。几乎没人在重构。然后所有人测量培训完成率，并称之为采用。
为什么席位数仍然被当作 AI 采用
登录类指标能活下来是有结构性原因的，不是因为愚蠢。
它们免费——许可平台不需要任何埋点就会吐出这些数字。它们变动得早，这让它们在推广的头两个季度令人满意。它们毫不含糊，因此指导委员会上没人争论。而且它们单调上升，这恰好是承压中的项目发起人希望一张幻灯片做到的。
被改变的工作类指标不具备上述任何一条性质。它们要求有人去定义工作流、建立基线，然后在没有变化时承认没有变化。它们可被质疑。它们可能在重构方案争论期间连续两个季度持平。汇报它们是一种政治行为，而汇报席位数不是。
所以激励清晰地指向了错误方向：最容易产出的数字，恰恰与你承诺的结果关系最弱。这不是测量的失败，而是穿着测量外衣的治理失败。
还有一层很少被点名的二阶成本。一旦席位数被确立为 AI 采用的定义，它就开始引导行为。预算流向任何能推高它的动作——更多许可、更广推广、再接入一个部门——因为那才是被管理的数字。真正能推动商业论证的工作流重构，却要与一个结构上无法奖励它的指标争夺资金。团队并不是基于是非选择了分发而非重构。他们选择它，是因为看板为分发付钱。
对百分之二的公允解读
三点保留，否则这个数字会被误用。
它不是 AI 无效的证据。 它是关于扩散的证据，不是关于效力的证据。2% 的集成率说明这种做法罕见，而不是说明它没有产出。处在这 2% 里的组织才是有意思的样本，数据中没有任何迹象表明他们在浪费时间。
上升趋势是真实的。 阶段 3 的群体从 2026 年第一季度的 1,739 人增长到第二季度的 2,369 人——季度增幅 36%（ActivTrak Productivity Lab, 2026）。基数小，斜率陡。这是早期扩散行为，不是停滞。
行为遥测也有自己的盲区。 它看得见工具活动，看不见判断。一名员工用 AI 一次性重构了流程，此后运行改进后的流程而不再碰模型——这恰恰是阶段 3 想描述的情形，却未必会被记录为阶段 3。观察到的行为数据是比自我报告更好的代理指标。但它仍然只是代理指标。
穿过这三点保留仍然成立的，是两条曲线之间的不对称。可及性的供给速度远远快于行为的跟进速度，而报到高层的报告里只出现其中一条。
停在阶段 2 也有自己的账单
还有一个理由不该把阶段 2 当成舒服的落脚点，而它来自同一套仪器。
ActivTrak 对约 10,584 名员工的行为对比（在 AI 采用前后各测 180 天）发现：邮件活动上升 104%，聊天上升 145%，业务工具使用上升 94%，产出工时上升 5%——而平均不被打断的专注时段下降 9%，从 14 分 23 秒降到约 13 分钟（ActivTrak, 2026）。
把它当作一条运营结论来读。工作变快了，也变密了。它同时变得更碎片化，而碎片化恰恰打在流程重构所需的深度专注能力上。有阶段 2 而无阶段 3，买到的是每小时更多的事务处理，和更少的连续时段——那种能让人静下来想一想"这个流程为什么会有这么多事务"的时段。
与此同时部署曲线仍在攀升。Microsoft 的 2026 Work Trend Index 报告称，其生态内活跃智能体同比增长 15 倍，大型企业中增长 18 倍，而只有 26% 的 AI 使用者表示领导层在 AI 战略上是对齐的（Microsoft, 2026）。分发跑在了方向前面，而看板测的正是分发。
围绕"被改变的工作"重建看板
四项改变，按成本从低到高排列。
把席位数从头部指标里撤下来。 把它留在它该在的地方——作为成本输入，紧挨着许可支出，而不是紧挨着成果。它一旦出现在成果页上，就开始替代成果。
指定一个工作流，诚实地给它定级。 挑一个有真实负责人的流程。归类：研究辅助、任务执行，还是工作流集成。大多数团队会发现，自己最拿得出手的 AI 故事其实是一个阶段 1 外加几个好听的轶事。这个发现本身就是交付物。
测量流程事实，而不是活动事实。 端到端周期时间、交接次数、返工率、异常量。这些东西只有在工作流真的变化时才会变化，正因如此它们更难被操纵，也比任何使用量图表更有价值。
把席位扩张与阶段 3 的证据挂钩。 在一个指定的工作流被证明达到工作流集成之前，冻结许可增长。这是清单上唯一有牙齿的机制，因为它让测量产生后果，而不只是装饰。
再加一项注意力检查：在每次推广前后追踪不被打断的专注时段长度。如果 AI 采用正在切碎工作日，你应该让它出现在与吞吐量收益同一份报告里，而不是一年后才发现。
本季度的一个决定
拿出那个被你公开用来论证 AI 投资的工作流。和一个对答案没有利害关系的人一起，按三阶段模型给它定级。如果它是阶段 1 或阶段 2——按现有证据大概率如此——冻结席位扩张，把下个季度用来把这一个工作流推到阶段 3。
这个动作很便宜，大约一周，而且能产出大多数 AI 项目缺失的那件东西：一个诚实的基线。之后的一切——商业论证、扩张计划、关于编制的争论——都会因为下面垫着一个真实数字而更准确。
你的 AI 采用率看板回答的问题是有多少人能用 AI。你的商业论证所依赖的问题是有多少工作现在是以不同方式完成的。只有其中一个曾经出现在损益表上，而它不是幻灯片上的那个。
