外观
第二章 生产力为什么没有让所有人更有价值？
一家六人的外包团队承接企业内部系统。过去，一套中等规模的后台系统，从需求对接到交付大约需要一个月。团队把 AI 用到方案、编码和测试草稿之后，同样一套系统，初版一周左右就能拿出来。
按直觉，他们应该更值钱。还是这些人，却能在更短时间里完成更多工作。
但客户未必这样计算。采购方看到的可能是另一件事。市场上能在一周交出类似初版的团队变多了。老客户会重新谈报价，新项目也会出现更低的竞标价。团队确实更高效了，却未必能因此获得同样多的议价空间。
这不一定是因为谁在恶意压价。生产力和市场价值本来就在回答不同的问题。前者问的是，你在同样的时间里能做出多少；后者还要看，别人能不能提供相近的结果，以及客户愿意为这个结果支付多少。
效率这一端，过去几年被几组对照实验反复测量过。2023 年 GitHub 的一项对照实验中，使用 Copilot 的开发者完成一个限定任务快了约 55%。2024 年 Google 在企业内部做的随机对照实验测到约 21% 的提速。效率提升确实存在，大小取决于任务。2025 年 METR 的一项随机对照实验提供了更谨慎的画面。16 名经验丰富的开源开发者在自己熟悉的仓库里处理 246 个真实任务，使用 AI 工具后平均慢了 19%。他们在实验前预计会快 24%，实验结束后仍然觉得自己快了 20%。研究者也说明，这个结果对应 2025 年初的工具和成熟的代码库，不能推及所有场景，后续更新中他们在其他设置下测到了提速。连“效率有没有提高”这个看似最容易回答的问题，直觉都可能给出错误答案。从效率到回报之间隔着的环节，就更值得拆开看了。
这个直觉为什么过去常常成立？
“效率更高的人更有价值”并不是一个荒唐的想法。软件行业长期会奖励先掌握新工具和新方法的人。更早熟悉框架的人可以更快交付，更会调试的人不容易卡住，更熟悉业务的人也能少走一些弯路。
这些优势之所以能换来回报，不只是因为效率更高，还因为其他人需要一段时间才能追上。学习资料、实践机会和经验积累，都构成了门槛。一个人先跨过门槛，就暂时拥有了一项别人不容易提供的能力。
AI 改变的，正是一些门槛的高度，以及人们跨过这些门槛的速度。能写出常见页面、接口或测试草稿的人变多了，获得部分实现能力不再需要过去那么长的学习周期。当然，能打开工具，不等于能稳定地把它用于真实项目；但只要市场上能做出“及格初版”的团队变多，竞争环境就已经变了。
生产力和价值，中间隔着稀缺性
把这两个词分开，事情会清楚一些。
生产力说的是，同样的时间和资源里你能完成多少工作。市场价值问的却是，这项能力或结果最后能换来多少回报。回报不只看产出质量，还要看客户有没有需求、有没有替代方案，以及市场上有多少人能提供相近的结果。
因此，写出可运行代码的能力并没有突然失去用处。它仍然是软件工作的基础，也会帮助人阅读、判断和修复 AI 生成的结果。变化在于，当更多人和工具都能用较低成本写出相似代码时，单靠“会写这类代码”带来的额外溢价可能会变小。
成本下降也可能带来更多需求。软件变便宜后，过去不值得做的内部工具、原型或定制功能，可能开始值得做；如果新增需求足够大，市场里的总体机会也会增加。供给增加不等于个人回报一定下降，需求增加也不等于每个人都会更值钱，两个方向要放在一起看。
因此，本章只提出一个有限但重要的结论。生产力提高，不保证个人市场回报按同样比例提高。 从产出到回报，中间还隔着稀缺性，也隔着真实需求。
别把结论推到另一个极端
发现效率不等于价值，很容易滑向另一个消极结论。既然不会自动涨价，提高效率还有什么意义？
意义仍然很大。效率提高可以让团队更快验证想法、更早发现错误，也能把时间从重复工作中释放出来。即使这些节省没有全部变成你的收入，你和团队能选择的事也变多了。同时，当同行普遍变快时，拒绝使用新工具，本身就是一种相对退步。
需要放下的，是“效率提高就会自动换来同等回报”这个过于简单的期待。
用稀缺性的眼光看自己的工作
你可以把最近一个月做过的工作，先粗略分成两类。第一类是，如果交给一个经验和工具条件都相近的人，对方大概也能完成。第二类是，即使拿到同样的工具，对方仍需要很多背景、判断或协作，才能把事情做完。
这个练习不是让你寻找所谓“安全任务”。第二类任务未必有足够的市场需求，第一类任务也并非毫无价值。它只是帮助你看见哪些能力的供给正在迅速增加，哪些能力目前还依赖更具体的经验和工作环境。
接下来还要继续追问。实现成本下降以后，项目为什么不一定跟着变快？原本最紧的环节一旦松动，系统接下来又会卡在哪里？