员工提效没有变成利润，分配环节承接了大部分收益
Azure 这一季营收 332 亿美元，同比增长 48%。微软第一次直接公布 Azure 的美元收入。此前，外界只能根据增长率估算它的规模。
这组数字让我重新审视了一个熟悉的问题：员工使用 AI 之后，生产效率提升了多少？
答案通常很乐观。写代码更快，整理资料更快，客服回复也更快。企业采购了工具，交付速度随之提高，利润应该自然增长。
可我在实际协作里看到的并非如此。员工省下的时间，往往没有进入营收更高的项目。任务完成了，流程没有缩短；文档生成了，审批环节没有减少。个人效率上升，只让组织里原本拥堵的地方稍微通畅了一点。
员工提效如果没有改变任务分配，收益很容易停在个人工作区。
Azure 的增长提醒我，规模效应来自产品、定价、渠道和客户结构的共同作用。它无法单独证明 AI 已经创造利润，也无法说明组织已经完成了升级。
Azure 的增长，依赖整套商业系统
我昨天写《Azure季度营收332亿美元，微软第一次用美元说话》时，关注的是收入口径变化。微软开始直接披露 Azure 收入，读者终于能看清云业务的具体规模。
这次再对照它，我意识到，营收增长从来不只是技术能力的成绩单。
客户为什么选择 Azure？微软如何定价？销售团队怎样进入大型企业？合作伙伴是否承担了实施工作？这些动作共同决定一笔云订单能否成立。模型能力是底座，商业系统负责把底座变成收入。
微软第一次直接用美元公布 Azure 收入。增长数字因此拥有了清晰的业务参照。
员工使用 AI 的过程也类似。生成一段代码只是局部动作。它能否上线、获客、交付和回款，取决于产品负责人是否愿意采用，工程师是否有权限调整系统，财务是否接受新的成本结构。
我过去常把“用了 AI”和“业务变好”连在一起。这个判断太早了。工具进入个人流程，与组织改变资源配置之间，还隔着预算、考核、权限和决策链。
技术把单位时间产出提高以后，企业能否获得更多利润，取决于新增产出被投向哪里。
这也解释了为什么有些团队使用 AI 很积极，公司利润却没有明显变化。员工完成了更多任务，公司承接了更多需求，却没有因此提高价格、拓展市场或降低交付成本。
分配决定提效能否留下
AI 提效最容易被看见的部分，是个人少花了一些时间。更难的部分，是这些时间最终去了哪里。
有的团队把节省的时间用于培训，有的用于增加产出，还有的被更多会议填满。企业不会自动把局部效率兑换成利润。管理层必须决定，哪些任务停止，哪些产品加速，哪些客户值得投入。
如果考核仍按工时、文档数量和需求数量计算，员工会自然追求“做更多”。AI 让这种旧目标更容易实现，却无法推动目标本身升级。
我到现在也没搞明白，管理层通常需要看到多长的对照周期，才会承认 AI 带来的效率已经改变单位经济模型。很多效果先出现在团队内部，随后才进入产品、定价和成本结构。这个过程很难写进一次采购审批。
一名员工每天少做几项重复工作，只能证明工作方式变化。收入结构改变，才说明利润变化。
企业可以先做一次简单检查：过去一个季度，员工使用 AI 后节省的时间，被投入了哪些更高价值的任务？这些任务是否带来了新增收入，或者让原有交付明显减少成本？
如果答案只有“大家做得更快”，利润仍然没有接住这轮提效。Azure 的 48% 增长来自完整商业系统；企业内部的 AI 提效，也需要有人把分配重新做完。
最终要回答的问题很简单：AI 节省下来的时间，具体流向了哪里？下一轮预算又会怎样跟随这些时间去流动？