52% 的员工在工作中用 AI，中位数每周省下三小时

10 月 30 日，欧洲央行执委 Philip R. Lane 在旧金山联储做了一场主旨演讲，值得一读的理由只有一个：它用分布取代了轶事。其中两个数字听起来不可能同时成立。一半的员工说自己在工作中用 AI，按任何标准这都是主流采用。而只有 7% 的企业把自己对 AI 的使用形容为「显著」，那是试点项目的水平。两个都对，它们来自不同的调查，而它们之间的差距，是整场演讲里最有用的部分：采用是广而浅的，时间节省是真的，但集中得让任何一个平均值都显得失真。

生成与调试代码带来的时间节省最大：每周六小时。

一、两个看起来矛盾的数字，其实不矛盾

52% 来自欧洲央行的消费者预期调查（CES），它定期问家庭「你在工作中用不用 AI」：员工使用 AI 的比例两年翻了一倍，从 2024 年的 26% 到现在的 52%。7% 来自企业融资渠道调查（SAFE），它问的是企业，2025 年第四季度发现 64% 的企业在「试验性或中等程度」地使用 AI，而只有 7% 认为自己的使用「显著」。这是两个不同的人群在回答两个不同的问题，所以并不矛盾——但一个每周打开几次对话框的员工，和一家围绕模型重建了流程的企业之间，隔着很宽的距离。当下大部分经济体都待在这段距离中间。

# The ECB numbers are distributions, so reproduce the distribution on your own
# data. Median first, mean second, and the no-gain share always.
import csv
import statistics as st
from collections import defaultdict

rows = []
with open("hours_saved.csv", newline="", encoding="utf-8") as fh:
    for r in csv.DictReader(fh):
        rows.append({
            "person": r["person"],
            "task_class": r["task_class"],      # code / writing / research / data
            "hours_saved": float(r["hours_saved"]),
            "used_ai": r["used_ai"] == "yes",
        })


def describe(values: list[float]) -> str:
    if not values:
        return "no samples"
    med = st.median(values)
    mean = st.mean(values)
    zero = sum(1 for v in values if v <= 0) / len(values)
    p90 = sorted(values)[int(len(values) * 0.9) - 1]
    return (f"n={len(values):<4} median={med:>5.1f}h mean={mean:>5.1f}h "
            f"p90={p90:>5.1f}h no-gain={zero:>4.0%}")


by_class = defaultdict(list)
for row in rows:
    if row["used_ai"]:
        by_class[row["task_class"]].append(row["hours_saved"])

for cls, vals in sorted(by_class.items()):
    print(f"{cls:<10} {describe(vals)}")

# The gap between median and mean is the honesty check. If mean is more than
# twice the median, you are looking at a tail, not at a typical result, and
# quoting the mean to a budget owner will get you caught.

二、使用者中位数省三小时，而平均值什么也说明不了

最醒目的数字是：使用者中位数每周省三小时，约等于工作时间中位数的 7.7%。真正有意思的是它周围的分布——演讲里说得很明确：大多数人只获得中等幅度的时间节省，而少数人报告了非常高的效率提升。这个形状应该改变你对内汇报的方式。偏态分布上的平均值是被尾部拉起来的，所以一个「两个人把半周工作自动化了、八个人只省了二十分钟」的团队，平均值会很好看，中位数则接近噪声。报中位数，报「完全没有增益的人占多少」，把尾部单独报——尾部是最有意思的工程，但它不是一份能推广给所有人的计划。

# Self-reported hours are soft. Instrument the thing instead: wall-clock per
# task, with and without assistance, recorded by the tooling rather than memory.
import json, time, uuid
from contextlib import contextmanager

LOG = "task_timings.jsonl"


@contextmanager
def task(kind: str, title: str, assisted: bool):
    rec = {"id": str(uuid.uuid4()), "kind": kind, "title": title,
           "assisted": assisted, "start": time.time()}
    try:
        yield rec
    finally:
        rec["seconds"] = round(time.time() - rec["start"], 1)
        with open(LOG, "a", encoding="utf-8") as fh:
            fh.write(json.dumps(rec) + "\n")


# Usage: wrap the work, not the meeting.
with task("write", "incident postmortem draft", assisted=True) as t:
    draft = "..."          # whatever the actual work is
    t["chars_out"] = len(draft)

# What this buys you: a per-task number you did not estimate afterwards, and a
# paired comparison when the same task class runs both ways. It does not
# capture thinking time, so pair it with one afternoon of observation per
# person rather than pretending the timer is the whole truth.

三、写代码省的时间最多，用的人却最少

生成或调试代码带来的实测收益最大，每周六小时——是整体中位数的两倍——而大约只有 15% 的员工用 AI 做这件事。与此同时，被引用最多的用途是调研、信息收集、写作和文字编辑，可这些任务报告的节省明显更低。把这两件事放在一起，就得到了这个领域最常被误用的统计数字。六小时这个数是关于一个规模小、自我选择的群体的，而且他们的任务异常「可判」：代码要么编译得过要么不过，失败几秒钟内就看得见，反馈回路短到模型真的有用。这一点并不会迁移到那种反馈回路长达一周、而「做完」的定义需要四个人先达成共识的任务上——也就是大多数组织里的大部分工作。

# Match the categories the ECB used before comparing: code generation and
# debugging, research and information gathering, writing and text editing,
# data analysis, routine automation. Pooling them into one number is how the
# six-hour headline gets misapplied to a writing team.
import json
import statistics as st
from collections import defaultdict

CATEGORIES = {
    "code": "generating or debugging code",
    "research": "research and information gathering",
    "writing": "writing and text editing",
    "data": "data analysis",
    "routine": "routine task automation",
}

groups = defaultdict(list)
with open("task_timings.jsonl", encoding="utf-8") as fh:
    for line in fh:
        rec = json.loads(line)
        key = CATEGORIES.get(rec["kind"])
        if key:
            groups[key].append((rec["seconds"] / 3600, rec["assisted"]))

for name, pairs in groups.items():
    assisted = [h for h, a in pairs if a]
    plain = [h for h, a in pairs if not a]
    if len(assisted) < 5 or len(plain) < 5:
        print(f"{name:<34} not enough pairs yet ({len(assisted)}/{len(plain)})")
        continue
    delta = st.median(plain) - st.median(assisted)
    print(f"{name:<34} saved {delta:>5.2f}h/task  "
          f"(n={len(assisted)}+{len(plain)})")

# Print the "not enough pairs" line rather than a number. Five samples per arm
# is already generous; a two-sample comparison on two data points is a story,
# not a measurement.

四、企业说自己在改流程，钱却花在工具上

企业侧的调查在动机上很直白：62% 说是为了改善业务流程，23% 说是为了创新、研发或扩展产品线，只有 15% 说为了降低人力成本。最后这个数字值得停一下，因为公共讨论里的假设正好相反。投资计划讲的是同一个故事，只是中间有个缺口：计划投资 AI 的企业里，49% 打算买技术和工具，46% 打算培训员工，40% 打算投数据和基础设施，12% 打算招 AI 专家。格格不入的是培训。一半企业在买一件价值取决于「人改变工作方式」的工具，而不到一半为「让这件事发生」的那部分做了预算。

# Is your measured saving distinguishable from zero? Bootstrap the median
# difference instead of trusting a point estimate from a small sample.
import random
import statistics as st

random.seed(7)


def bootstrap_median_diff(assisted, plain, n=5000):
    diffs = []
    for _ in range(n):
        a = st.median(random.choices(assisted, k=len(assisted)))
        p = st.median(random.choices(plain, k=len(plain)))
        diffs.append(p - a)
    diffs.sort()
    lo = diffs[int(n * 0.025)]
    hi = diffs[int(n * 0.975)]
    return lo, hi


assisted_hours = [1.8, 2.2, 1.5, 3.1, 2.0, 1.2, 2.6, 1.9]   # replace with yours
plain_hours = [2.9, 3.4, 2.6, 4.2, 3.0, 2.4, 3.8, 3.1]

lo, hi = bootstrap_median_diff(assisted_hours, plain_hours)
print(f"median difference: {st.median(plain_hours) - st.median(assisted_hours):.2f}h")
print(f"95% interval: {lo:.2f}h to {hi:.2f}h")

if lo <= 0:
    print("interval crosses zero: report 'no measurable difference yet'")
else:
    print("interval excludes zero: the direction is supported by this sample")

# Crossing zero is the normal result for a small team in a slow-feedback task
# class. Saying so is cheaper than defending a number you cannot reproduce.

五、为什么宏观生产率数字一直不大

演讲里有三个机制，解释了「个体的节省」与「国民账户」之间的落差。第一是广度：采用面很宽但很浅，平均到每个人头上的小时数就很小。第二是深度：大的增益集中在一小部分任务和一小部分人身上，而在围绕它重建流程之前——只是把工具挂上去——这些增益不会聚合起来。第三是预期：企业系统性地低估了有多少竞争对手在投，而这个认知偏差又压制了自己的计划——欧洲央行自己的研究发现，当企业得知更多本国同行在投资时，会提高自己的预期投资率，感知到的同行采用率每高一个百分点，自身预期投资率约提高 0.6 个百分点。投资是真的：欧元区数字投资按实际价值计算自 2014 年以来增长了 73%，企业还报告 AI 今年给他们的资本支出计划加了大约 10%。落后的是那件把「花钱」变成「产出」的重组工作。

# The one page that survives being asked "how do you know". Median, spread and
# the no-gain share, per task class, with the sample size visible.
import json
import statistics as st
from collections import defaultdict


def load(path: str):
    rows = []
    with open(path, encoding="utf-8") as fh:
        for line in fh:
            rec = json.loads(line)
            rows.append((rec["kind"], rec["seconds"] / 60.0, rec["assisted"]))
    return rows


def page(path: str, min_n: int = 5) -> str:
    groups = defaultdict(lambda: {"ai": [], "no": []})
    for kind, minutes, assisted in load(path):
        groups[kind]["ai" if assisted else "no"].append(minutes)

    lines = ["task class      n_ai  n_no  median_ai  median_no   saved  no-gain"]
    for kind, g in sorted(groups.items()):
        if len(g["ai"]) < min_n or len(g["no"]) < min_n:
            lines.append(f"{kind:<15} {len(g['ai']):<5} {len(g['no']):<5}  "
                         "not enough paired tasks yet")
            continue
        ma, mn = st.median(g["ai"]), st.median(g["no"])
        flat = sum(1 for a, b in zip(g["ai"], g["no"]) if a >= b) / len(g["ai"])
        lines.append(f"{kind:<15} {len(g['ai']):<5} {len(g['no']):<5}  "
                     f"{ma:>9.0f}  {mn:>9.0f}  {mn - ma:>5.0f}m  {flat:>6.0%}")
    return "\n".join(lines)


if __name__ == "__main__":
    print(page("task_timings.jsonl"))

# Three columns do the work: the median (what a typical task looks like), the
# no-gain share (how often the assistant changed nothing), and n (whether any
# of it is worth reading). A dashboard without n invites the wrong argument.

六、量你自己的中位数，别再借标题

你经理会拿来压你的数字是每周六小时，而它跟你的团队无关。去做那件不起眼的小事：挑一类任务，在几周里记录「有助手」和「没助手」两种情况下任务的起止时间，然后报中位数差异，以及「完全没有差别」的任务占比。两条规则能让这件事保持诚实。永远不要在偏态分布上只报平均值而不给中位数；永远不要让「对工具最热情的那个人」成为唯一的测量来源。如果诚实的数字是四十分钟而不是六小时，那依然是一个真实的数字，而且当有人问起这张 licence 为什么续的时候，它是你唯一能站得住的数字。