第 14 章 · AI Leverage

AI 提高的是单位时间产出。而单位时间产出要能被算出来，前提是你能判断它产出的东西对不对。

这句话有一个很不舒服的推论：在你能验证的那些环节上，AI 放大产出；在你不能验证的那些环节上，它放大的是错误。 而第二种放大通常更快、更安静，并且在你不在场的时候发生。

所以这一章不讨论「AI 有多强」。它讨论三件可以算的事：你的某一段工作里有多少能交出去、交出去之后验证要花多少、以及这件事重复几次之后才值得把它固定成一个流程。

机制

第 9 章已经把工具那一侧算完了：月成本、净省小时、回收期、它对 Runway 做了什么。那一章的成果是一张表，它回答「这个工具值不值得留着」。

这一章接在它后面，回答下一个问题：留下来的那几样，怎么把它用出产出。 成果不是一张表，是一个实验。

两章的分界线落在一个具体的地方：第 9 章算的是一项工具的账，这一章算的是一段工作的账。同一个通用大模型，在一个人手里回收期 0.03，在另一个人手里回收期一样是 0.03——而两个人的产出可以差十倍。差的那部分不在工具里，在工作被拆成了什么样子。

第一件事：把工作拆开，才能知道哪一段能交出去

拆完之后，给每一步标一个，只能标三类：

然后可以算第一个比例：

可自动化比例 = 被标为前两类的步骤 ÷ 全部步骤

这个比例有个陷阱，必须一开始就说清：它不等于你会省下的时间比例。 它按步数算，而步数和耗时不成比例；更要紧的是，第二类步骤会生出一段原来不存在的时间——验证的时间。所以「75% 的步骤能交给 AI」和「省下 75% 的时间」之间，隔着这一章剩下的全部内容。

第二件事：让输出变成能被机械检查的东西

这一条是本章最便宜的改进，因为它改的不是你的检查能力，是你要求 AI 交出来的形状。同样一段工作，要一段总结回来，你只能靠读；要一张「结论 + 依据编号 + 原话 + 分项 + 合计」的表回来，你能靠跳转和加法。

把复核压便宜而不降低可靠性，有三条可做的：

1. 抽检比例。 只用在「错了难看、但不会赔钱」的那类输出上：语气、措辞、排版、标题。凡是会被别人拿去做决定的数字，抽检不成立——理由在「算一遍」第三步会用一个除法算出来。
2. 分层复核。 把要查的项按「错了会传播多远」分层：进别人决策的汇总数全检；中间口径只核口径定义不核算术；明细改用一次机械对账代替逐条回溯。这一条省下的是时间，不是覆盖率——22 个明细换成一个恒等式，仍然是在检查它们。
3. 易错类型清单。 把每一次真的错过的类型记下来（过期的参数、分项与合计不等、引用指不到原文、单位混用），下一次从这几类开始查。清单的价值随次数增长，所以它只在重复做的事情上有用——这就引到下一件事。

第三件事：第一次做和第十次做不是同一笔账

于是有一个可以直接算的门槛：

建流程的盈亏平衡次数 = 一次性小时投入 ÷ 每次净省小时

这个数只回答「做几次之后不亏」。而一个流程建起来之后要维护——模板会过期，工具的能力和价格按年变化，输出格式会变，接口会改。把维护算进去才是真门槛：

年门槛次数 =（一次性小时投入 + 每年维护小时）÷ 每次净省小时

低于这个次数，正确的做法是手工做完它，不建流程。这不是偷懒，是把一次性投入留给那些真的会重复的事。

第四件事：AI 在财务问题上的位置是固定的

第 8 章给过那条链，这里把它写成一个你能照着走的七步。顺序不能改，跳过任何一步都会让后面那几步失去意义：

1. 写清你要决定的是什么。 一句话，带金额、带期限、带「哪一部分不可逆」。
2. 把事实凑齐，每一条标出处。 这一步不要开 AI。合同条款、账单、对账单、自己的收款与工时记录，都是一手材料。
3. 算术交给确定性口径。 本系统里是 finance-core，口径索引里每一条都可测试、可复算、同一组输入永远得到同一个结果。AI 不参与这一步。
4. 做情景区间，不做点估计。 模拟器给的三个档位是三种可能，不是概率加权出来的预测。
5. 这一步才轮到 AI。 它做四件事：解释一个口径的含义、归纳几个档位之间差在哪、澄清你漏问的条件、把两个选项整理成同一口径下可以并排比较的表。
6. 风险复核。 问一句「有哪些条件会推翻这个结论」，然后自己去查这几个条件。遗漏不会主动暴露。
7. 你决定。 把决定、依据、和下一次复核的日期写在一起。

这七步里 AI 只在第 5 步和第 6 步的前半段。它不生成真实的收益率、费率、资格条件和交易结果；税务与法律的结论也不在它这一格——那类问题只能带着一份核对清单去找当地的专业人士。原因不是它说不出来，恰恰相反：它说出来的这类数字读起来和真的完全一样，而这正是风险所在。

落到一句可执行的规则上：AI 给的每一个数字，你都要能指出它应该来自哪一份原始材料。指不出来的，就当这个数字不存在。

最后：它让劳动被复用，但不会替你换掉收入的类型

AI 确实让「同一份劳动被用第二次」变得便宜了很多：一份做过的交付可以被改写成模板、改写成一份能卖的东西、改写成给别人用的流程。

但要分清三件事：

• 劳动收入：你每做一次，收一次钱。AI 能提高这里的单位时间产出。
• 产品收入：一次做完、多次卖出。它需要持续获客、持续维护、持续回答买家的问题、持续处理合规——这些投入不会因为生产环节变快而消失。
• 资本收入：由你拥有的资产产生，不需要你在场。

AI 作用在第一类的效率上，和把第一类变成第二类之间，隔着一整条分发链条（那是后面几章的事）。所以「AI 会替你赚钱」这句话在这套系统里不成立。 它的位置是副驾：它提高你完成一件事的速度，但那件事是什么、要不要做、做出来卖给谁、数字对不对，这四件仍然在你这边。

现实案例

毕、袁、聂 三个人做的是同一件事的三个部分：毕 算出哪一段能交出去，袁 改掉输出的形状让它能被查，聂 测出了复核压到多短会出事。三个部分缺任何一个，剩下两个都不成立。

算一遍

这一章在课程数据里没有登记计算口径——页头那一栏写的是「这一章不需要计算」。不是因为它不涉及数字，而是它要算的四样东西输入全部来自你自己的计时记录，没有通用公式可以封装：别人的拆解表对你没有意义。

所以这一节是四段可以逐格复算的算术，加一张你自己填的空表。

第一步：工作流拆解表，算出净省小时与可自动化比例

用毕那一份。三列的定义要先写清，否则这张表会被填错：

• 原耗时：旧流程里这一步实际花的时间（他记过三份的实测）。
• AI 后耗时：改造后这一步他自己还要花的时间——写提示、整理输入、改输出。
• 验证耗时：改造后这一步新增的检查时间。原来没有这一列。

四个数，每个都自己验一遍：

净省小时 = 24.0 − 14.3 = 9.7 小时/份。 每月 3 份 = 29.1 小时/月 = 29.1 × 300 = 8,730 元/月。

可自动化比例（按步数）= 6 ÷ 8 = 75%。

可改造的小时占比 = (24.0 − 1.5 − 3.0) ÷ 24.0 = 19.5 ÷ 24.0 = 81.25%。

真正省下的时间比例 = 9.7 ÷ 24.0 = 40.4%。

这三个比例的差距是本节最该停下来看的地方。75%、81.25%、40.4% 说的是三件不同的事，而把它们混成一个数的人会高估一倍：

• 81.25% 是「有多少小时进了讨论范围」。
• 40.4% 是「有多少小时真的省下来了」。
• 两者之差来自那 5.2 小时验证，它占改造后总耗时的 5.2 ÷ 14.3 = 36.4%。改造后每三小时里有一小时多是在检查。

再按标注分两类看，结论更清楚：

「能起草但要验」这一类贡献了 8.0 ÷ 9.7 = 82.5% 的节省，同时承担了 4.8 ÷ 5.2 = 92.3% 的验证成本。

所以这一类是整件事的全部战场。 「AI 能做」那一类加起来只省 1.7 小时——它好用、省心、不需要设计，也正因为如此，它的上限很低。真正的产出变化来自第二类，而第二类的收益完全取决于你能不能把它的输出做成可以被机械检查的东西。

第二步：建流程的盈亏平衡次数，以及第一次为什么是亏的

毕为了把这 8 步固定下来，一次性花了 16 小时：

盈亏平衡次数 = 16 ÷ 9.7 = 1.65 次。

读法：第 2 份开始，这套流程才开始赚时间。 第 1 份实际花 14.3 + 16 = 30.3 小时，比旧流程的 24 小时多 6.3 小时。

累计净省 = 9.7n − 16：

每月 3 份的话，第 10 份在第 4 个月初——3 个多月，24,300 元。

但这张表只在「真的会做 10 次」的前提下成立。换个前提，结论会翻过来。模板要维护：工具的能力和价格按年变化，输出格式会改，输入的材料结构会变。毕的维护是每季度复核一次模板 2 小时 = 每年 8 小时。

年门槛次数 =（16 + 8）÷ 9.7 = 2.47 次。

三条读数：

1. 一年做 2 次的事，不要建流程。 手工做完它，净亏 4.6 小时。
2. 一年做 3 次是在白干。 5.1 小时的年收益，换来一套要维护的东西和一个会出错的新环节。盈亏平衡次数 1.65 这个数只说明「不亏」，它不说明「值得」。
3. 留一倍安全边际，门槛放在每年 5 次。 理由：2.47 这个数没有包含模板失效后重建的投入，也没有包含你第一次把流程建错、推倒重来的那次。

毕是 36 次/年，所以这件事对他毫无疑问。而大多数人想拿 AI 改造的那件事，一年做不到 5 次。

第三步：错误成本与抽检比例，到底抽到多少才合理

第 9 章算过一次「压缩核对值不值得」：用一个确定的时间收益，换一个你没有量过的尾部损失，盈亏平衡概率是 13.9%。这一步把它往前推一格——不只问「要不要压」，而是算出压到多少。

用聂的数。一份报告 40 个要对账的数字，全检 2 小时，她的小时价值 400 元/小时。

先要一个漏检概率的模型。实测：AI 草稿里平均每份有 2 个错数字。随机抽检比例 s 的话，一个错数字被抓到的概率是 s，两个都被抓到的概率是 s²，所以：

漏检概率（至少漏掉一个错数字）= 1 − s²

复核成本 = 2.0 小时 × s × 400 元

期望错误成本 = 漏检概率 × 一次错误的代价，一次错误的代价是案例里逐项算出来的 42,960 元。

自己验两格：

• 75% 那一行：1 − 0.75² = 1 − 0.5625 = 43.75%；42,960 × 43.75% = 18,795；600 + 18,795 = 19,395。
• 25% 那一行：1 − 0.0625 = 93.75%；42,960 × 93.75% = 40,275；200 + 40,275 = 40,475。

结论是：在这个错误率和这个错误代价下，没有任何抽检比例是合理的，只有全检。 最接近全检的 75% 抽检，期望代价是全检的 19,395 ÷ 800 = 24.2 倍。

这个结论反直觉，所以要把它的条件反解出来。50% 抽检要和全检打平，需要：

0.75 × 一次错误的代价 ≤ 800 − 400 = 400 元 → 一次错误的代价 ≤ 533 元。

533 元就是分界线。 低于它的输出（措辞、排版、标题、内部用的草稿）抽检完全成立；高于它的，尤其是会被别人拿去做决定的数字，抽检只是把一个看得见的成本换成一个看不见的。

那全检的 2 小时能不能变便宜？能——但要换的是方法，不是比例。分层复核：

58 分钟 = 0.97 小时 ≈ 387 元。58 ÷ 120 = 48.3%——复核成本降到不到一半，而覆盖率没降：那 22 个明细不是没查，是换成了一个恒等式在查。

这一步能成立的唯一前提，是输出里本来就带着分项和合计。如果 AI 交回来的是一段话，这 22 个数字就只能一个一个回溯。 袁改输出形状那件事，省下的就是这一笔——她的 4 小时变 1.2 小时，和聂的 120 分钟变 58 分钟，是同一个机制的两个版本。

第四步：省下的小时有没有出口，Simulation C 的三条路

前三步算的都是「怎么把时间省出来」。这一步算的是省出来之后的事，而这件事决定前三步值多少钱。

毕的三条路，simulateCareerLeverage，24 个月，月税后 21,600，时间按 300 元/小时计机会成本。三个档位对应的是转化率——省下的 29.1 小时里有多少真的变成了新交付：29.1 ÷ 14.3 = 2.03 份，所以 100% 转化 ≈ 2 份 = 14,400 元/月，50% ≈ 1 份 = 7,200，25% ≈ 半份 = 3,600。

验两格：

• 建 AI 工作流，基础档：−4,800 − 280 × 24 + 7,200 × 23 = −4,800 − 6,720 + 165,600 = 154,080。（乘 23 而不是 24，因为爬坡期 1 个月里没有收入。）
• 课程包，保守档：−9,600 − 460 × 24 + 1,200 × 18 = −9,600 − 11,040 + 21,600 = 960。两年下来基本等于白做。

三条读数，一条比一条要紧：

第一，名义净增最高的那条路是亏的。 加班接第 4 份基础档 172,800，看起来赢了 AI 工作流的 154,080。但它用 624 小时换来的，而这 624 小时按他自己的小时价值值 187,200 元。172,800 − 187,200 = −14,400。这条路不是「更辛苦但更赚」，是更辛苦且更少。

第二，AI 工作流那一列的「额外小时 0」要诚实解释。 它不是不花时间。它花的时间已经计在原来那 24 小时里了（第 3、5、6、7 步的操作与验证），而一次性的 16 小时已经折成 4,800 元填在前期投入里。这一列为 0 的真实含义是：这条路不要求你多工作一小时。 这是它和另外两条路最大的结构差别，也是它的乐观档能到 319,680 的原因——它的上限不被你一天有几小时限制。

第三，课程包那一列在 24 个月的窗口里，连乐观档都没打平机会成本。 141,360 < 156,000。这不是说它不该做，而是说：它的价值全部在第 25 个月之后，而那要求它那时候还在卖。 一次做完不等于一次做完就不用管——它需要持续获客、持续维护、持续回答买家的问题。55% 的失败概率写的就是这件事：最容易失败的地方不是做不出来，是做出来之后没有分发渠道。

把三列放在一起，这一章对第三条路的态度就清楚了：AI 让「做出那个可复用的东西」变便宜了，它没有让「把它卖出去」变便宜。 生产环节的提速不会自动变成产品收入，更不会变成资本收入。

你自己的那一次：空表

没有计算器，所以这一节的交互部分是这张表。只拆一件你真正做过的事，拆完就停：

工作流拆解                     任务：________________________  日期：____

小时价值 ________ 元/小时（口径见第 9 章：你实际还能再卖出去的那一小时的价格）
这件事我每年做 ______ 次

#  步骤                      标注            原耗时   AI后耗时  验证耗时  改造后
1  ______________________    □能做□要验□人做  ______   ______    ______    ______
2  ______________________    □能做□要验□人做  ______   ______    ______    ______
3  ______________________    □能做□要验□人做  ______   ______    ______    ______
4  ______________________    □能做□要验□人做  ______   ______    ______    ______
5  ______________________    □能做□要验□人做  ______   ______    ______    ______
6  ______________________    □能做□要验□人做  ______   ______    ______    ______
                                     合计   ______   ______    ______    ______

净省小时/次 = 原合计 ______ − 改造后合计 ______ = ______
可自动化比例（按步数）= ______ ÷ ______ = ______%
真正省下的比例 = 净省 ______ ÷ 原合计 ______ = ______%
验证占改造后 = ______ ÷ ______ = ______%      ← 这一格超过 50% 要停下来重想

建流程的一次性投入 ______ 小时，每年维护 ______ 小时
盈亏平衡次数 = ______ ÷ ______ = ______ 次
年门槛次数 =（______ + ______）÷ ______ = ______ 次
我每年做 ______ 次，是 / 不是 高于门槛的 2 倍 → 建 / 不建 这个流程

一次错误的代价（逐项列，不要估）：
  返工 ______ 小时 × ______ = ______
  对外更正的时间 ______ 小时 × ______ = ______
  合同或扣款后果 ______
  失去的后续订单 ______ 份 × ______ = ______
  合计 ______
抽检 50% 要和全检打平，需要一次错误的代价低于（全检成本 − 半检成本）÷ 0.75 = ______
我这件事的代价是 ______ → 抽检 成立 / 不成立

最后那两行是整张表的收口。算出来「抽检不成立」的人，这一章要你做的事就只剩一件：把全检变便宜，而不是变短。 方法是分层和机械对账，不是比例。

你的行动

检查标准

容易搞错的地方

以为「75% 的步骤能交给 AI」就等于省下 75% 的时间。 实际毕那张表里，按步数 75%、按小时 81.25%、真正省下 40.4%，三个数说的是三件事。差额来自那 5.2 小时验证，它占改造后总耗时的 36.4%——是一段原来根本不存在的时间。后果：按一个高估一倍的数字去安排接单量和报价，然后发现每份都超时，再把超时的那部分从验证里挤出来——而验证正是唯一不能挤的那一段。

以为 AI 让错误变多了。 实际聂那个过期参数她手工做的时候也用错过。变的不是出错率，是错误能走多远：旧流程里一个数字要经手三次，三次里有三个机会发现它；新流程里从输入到汇总一次生成，三个机会变成一个。后果：把精力花在「让 AI 少出错」上（换提示、换说法、让它自己检查一遍），而真正该补的是那个被砍掉的检查环节——自己检查自己，不是复核。

以为「我仔细看了一遍」算复核。 实际复核是一个别人照着做能得到同一结论的动作。「各模块时长之和必须等于客户给的总课时」是复核，「通读一遍确认逻辑通顺」不是——后者在 AI 的输出面前尤其无效，因为逻辑通顺恰好是它最擅长的那一项。后果：复核时间照花，漏检率没有下降，而你以为它下降了。

以为抽检是一个可以调的旋钮。 实际抽检比例 s 的漏检概率是 1 − s²：抽 75% 漏 43.75%，抽 50% 漏 75%。聂那件事里，75% 抽检的期望代价是全检的 24.2 倍。分界线能算出来：一次错误的代价低于 533 元，抽检成立；高于它，抽检只是把一个看得见的成本换成一个看不见的。后果：用 1,200 元的确定收益，换一个 42,960 元的尾部损失，然后需要连续 72 份不出错才能赚回来。

以为这次省了 9.7 小时，就说明这套流程划算。 实际第一份是净亏 6.3 小时的——那 16 小时一次性投入要摊在次数上。盈亏平衡 1.65 次只说明「不亏」；把每年 8 小时维护算进去，年门槛是 2.47 次，一年做 2 次的事净亏 4.6 小时，做 3 次的 5.1 小时年收益不值得维护一套东西。后果：为一年做两次的事建一套流程，然后它在第二次用的时候已经过期了，于是又花时间重建。

以为「AI 能做的那一类」是重点。 实际它只省 1.7 小时，占全部节省的 17.5%。真正的战场是「能起草但要验」那一类：贡献 82.5% 的节省，承担 92.3% 的验证成本。后果：把改造的精力花在最省心的那几步上（转写、排版、格式转换），拿到一个很小的收益，然后得出「AI 对我这行用处不大」的结论——而最大的那块从来没被碰过。

以为生产环节变快了，收入类型就会跟着变。 实际 AI 作用在劳动收入的单位时间产出上。做出一个可复用的东西变便宜了，把它卖出去没有变便宜——它仍然需要持续获客、持续维护、持续服务买家。毕那条课程包的路，24 个月里连乐观档 141,360 都低于它的机会成本 156,000，而失败概率 55%，最容易失败的地方是没有分发渠道。后果：把一次性的生产投入当成「做完就有被动收入」，然后在第 2 个月卖不动的时候认为是产品不好——而缺的那一环从一开始就不在生产这一侧。

以为可以让 AI 来算财务结论，自己只做审核。 实际那七步的顺序不能调：事实要先凑齐并标出处，算术交给可测试的确定性口径，AI 只在解释、归纳、澄清、整理可比选项这一格。它不生成真实的收益率、费率和资格条件，税务与法律的结论也不在它这一格。后果：一个读起来完全可信的数字进了决策，而它指不到任何一份原始材料——这种错比明显的胡说更难被发现，因为它从不犹豫。

本章自测

不要回头翻，先自己答一遍。

1. 工作流拆解的三类标注是什么？判断一步属于「只能人做」的依据是哪几条？
2. 一张 8 步的表里，按步数的可自动化比例是 75%，而真正省下的时间比例是 40.4%。这两个数为什么不一样？差额去哪儿了？
3. 「可验证输出」的三种形态是什么？把一段读起来顺的总结换成一张带编号和时间戳的表，省下的具体是哪一笔时间？
4. 一次性投入 16 小时、每次净省 9.7 小时、每年维护 8 小时。盈亏平衡次数和年门槛次数分别是多少？为什么真正的门槛要放在年门槛次数的两倍？
5. 随机抽检 50%、一份里有 2 个错数字，漏检概率是多少？为什么不是 50%？
6. 全检 2 小时、半检 1 小时、小时价值 400 元。一次错误的代价要低于多少，50% 抽检才和全检打平？你自己那件事的代价高于还是低于这个数？
7. 分层复核把 120 分钟压到 58 分钟，覆盖率为什么没有下降？这一步能成立的前提是什么？
8. 「加班接第 4 份」基础档累计净增 172,800，比「建 AI 工作流」的 154,080 高。为什么它仍然是亏的？
9. AI Safety Pipeline 的七步里，AI 出现在第几步？哪两步明确不交给它，为什么？
10. 你自己的那一次实验：净省几小时，验证清单有几条，省下的小时用在哪一件具体交付上？

第 2 题答不上来，回到「算一遍」第一步那三个比例。第 5、6 题答不上来，回到第三步——那两个数是这一章和「AI 让一切都变便宜」之间的全部分界。第 10 题答不上来，说明「你的行动」还没做完：那份带验证清单的实验就是这一章的成果，没有它，前面九题都只是读过。

这一章对应的 Knowledge Object：