很多人做 AI 提效，一上来就换工具、堆模型、改提示词。 最后发现：忙了半天，不知道到底提没提效。
问题不在 AI，而在你没有先建立“效率基线”。
为什么你会觉得“好像变快了”
因为没有数据，人会天然高估体感。 你会记住“今天很顺”的一次，却忽略“返工三次”的五次。
所以在引入 AI 前，先记录这 3 个指标。
指标1：耗时（Time）
定义：完成这项任务平均要花多久。
- 记录方式：连续记录 5 次，取平均值
- 示例：写周报平均 38 分钟
目标不是“越短越好”，而是先知道真实起点。
指标2：频次（Frequency）
定义：这项任务一周做几次。
- 记录方式：按周统计
- 示例：会议纪要每周 4 次
频次决定优先级： 低频任务提效意义小，高频任务才值得优先自动化。
指标3：返工率（Rework Rate）
定义：任务提交后被打回、修改、重做的比例。
- 记录方式：返工次数 / 总次数
- 示例：10 份文档有 4 份被大改，返工率 40%
很多人只看“更快”，不看“更稳”。 实际工作里，返工率比速度更值钱。
一个最小可用表格（直接抄）
| 任务 | 本次耗时(分钟) | 本周次数 | 是否返工(0/1) | 返工原因 |
|---|---|---|---|---|
| 周报撰写 | 35 | 1 | 0 | - |
| 会议纪要 | 50 | 2 | 1 | 行动项遗漏 |
| 需求初稿 | 60 | 1 | 1 | 结构不清晰 |
每周复盘一次：
- 平均耗时是否下降？
- 高频任务是否先被优化？
- 返工率是否下降？
正确顺序：先标准化，再自动化
做 AI 提效建议按这条线走：
- 定义输入输出（标准化）
- 固定流程步骤（半自动）
- 引入 AI 执行（自动化）
- 用三项指标持续复盘（优化）
如果你还没做过这一步，今天就从一个任务开始： 先记 7 天数据，再谈 AI 改造。
如果你愿意，我下一篇可以直接写： 《我把周报从40分钟压到8分钟：完整流程公开（含可复制Prompt）》
