你喊的 10x，是 activity、output，還是 outcome？
目錄
TL;DR: 「AI 生產力 10x」不是一個 claim，而是任務、個人、組織三層 claim 被壓成同一句話。更麻煩的是，很多人把 activity、output、outcome 混成 productivity。任務層 output 加速是真的；個人整體 10x 被流程瓶頸鎖住；組織 10x 需要流程重構，不是把 AI 塞進舊流程。
最近半年，我的 feed 被同一個數字洗版。
一堂 Stanford 的線上課，教你怎麼用 AI「把生產力放大 10 倍」。一個連續創業者在課程宣傳裡說，現在用自然語言自己寫軟體，生產力能拉到「十倍、一千倍」，不用再等工程師。一場線上講座，名字直接叫「解放工作中的十倍生產力」。「我現在的 productivity 是以前的 10x」這種貼文，我一週能滑到三四個。
但同一個 feed 裡，也有人這樣寫：「訂閱 $200 Max 的這幾個月，是我這輩子產出最多、也最焦慮的時候。」然後他把每月訂閱從 $200 砍回了 $60。
同一批工具、同一個「10x」，一邊在賣，一邊在逃。差別在哪？
差在他們嘴裡的 “10x”，根本不是同一件事。
“10x productivity” 從來不是一個 claim。它是三個 claim 疊成一句：任務的 10x、個人整體的 10x、組織的 10x。三層完全不同，可信度也完全不同。喊的人通常沒分清楚自己指的是哪一層，反對的人也沒分清楚自己在打哪一層。於是這場架永遠吵不完，因為兩邊根本不在講同一件事。
但這還只是表層。底下埋著一個更深、也更要命的混淆：就算你指定了是哪一層，你嘴裡的 “productivity”，到底是 activity（你忙了多少、產了多少東西）、output（你真正交付了什麼），還是 outcome（那東西最後換到的結果）？這三個被「10x」縫成了同一個字，但它們之間差了十萬八千里。那個「產出最多、也最焦慮」的人，已經用身體撞到接縫了：activity 衝到這輩子最高，他的結論卻是想退回去。
這篇就做兩件事：先按「哪一層」把任務、個人、組織拆開驗收；再回到「哪一種」，也就是 activity、output、outcome，看「10x」到底在指什麼。最後你會看到，連業界喊得最大聲的兩個人，都在同一個字上栽了跟頭。
第一層：任務 10x，這層是真的，沒什麼好吵
受控實驗的數字都擺在那。客服任務有 AI 輔助後每小時解決問題數增加 15% 的 field evidence；寫作類任務在 Science 的實驗 裡顯著縮短完成時間；軟體開發的 GitHub Copilot controlled experiment 裡，受試者完成指定 coding task 快了 55.8%。這些不是 marketing，是可以被檢查的方法與數據。
在「單一、邊界清楚、可立刻驗證」的任務上，AI 的加速是真的，而且常常很猛。
但記住這層量的是什麼：output。你單位時間產出的 code、草稿、清單變多了。而且這是你一個人就數得出來的東西。先把這點記著，後面要用。
任務快 10x，不等於你快 10x。它證明的範圍，比喊的人以為的小很多。這層講完就走，停太久就變成幫 hype 背書。
第二層：個人整體的 10x，結構上不可能
而且這不是工具的問題。
把任務層的 output 加速加總起來，為什麼個人整體不會跟著 10x？
Amdahl’s law：一個流程的加速上限，被你「沒有加速的那部分」鎖死。AI 能猛加速的是生成，也就是 output。但一件事從開始到真正交付，生成從來不是瓶頸。
舉我自己天天遇到的兩個。
Code review。 AI 生 code 快了好幾倍。然後呢？review 沒變快。看懂這段在幹嘛、判斷它有沒有踩到別的東西、決定要不要 merge，這些 cost 不但沒降，反而因為「要 review 的量變多了」而上升。output 端省下的時間，一部分直接被驗證端吃回去。
Outreach。 survey 名單、整理 prospect list，AI 快到誇張。但從名單到真的 convert 成 sale 呢？中間卡著開會、確認需求、來回對齊、簽約。這些 AI 動不了，因為本質是「人要做決定、人要被說服、人要扛後果」。
關鍵在這：就算生成變成完全免費、零延遲，這已經是物理上限了，整體速度還是被那些 AI 碰不到的環節卡住。這層的天花板是結構性的（structural），不是能力性的（capability）。所以模型再強，也鬆動不了它。 記住這個區分，等一下兩個 CEO 就是在這裡押錯了邊。
第三層：組織的 10x，可能，但還沒發生
而且不會是均勻的。
歷史上看過一模一樣的劇本。工廠電氣化時，工人把電動馬達裝上蒸汽時代的舊機器，生產力幾乎沒動。真正的躍升等了幾十年，等到有人重畫工廠的物理佈局，讓產線繞著「電」這個新前提重組，提升才出現。提升從不來自換馬達，來自重畫佈局。
組織的 10x 也一樣：條件是重構流程，不是把 AI 塞進舊流程的縫隙。
這就解釋了那些難看的總體數字：NBER 相關調查被多家媒體整理成同一個結論，企業 AI 使用率不低，但 89% 企業說過去三年 productivity 沒有明顯提升、90% 說 employment 沒有變化，高層對未來三年的平均預期也只是 productivity +1.4%、output +0.8%。讀成「看吧 AI 沒用」就讀反了。這不是「AI 沒用」的證據，是「大部分組織還在塞縫隙」的證據。
我得誠實交代自己在哪。Codeer，六個人，做 AI agent。產品開發這條，我們的 shipping 速度比幾年前快了好幾倍，任務層加上一部分流程重構的成果。但這不是 10x，其他環節（像前面那個 outreach）還卡著。我是個正在賭第三層的人，很清楚自己還在半路。
但這裡有個更尖的問題，你大概已經想到了：就算組織真的重構成功、productivity 漲了，為什麼營收沒有跟著漲？ 因為 productivity 跟營收之間，隔著一整層市場：需求夠不夠大、對手是不是也 10x（大家一起 10x = 東西變便宜，不是你賺 10x）、定價權在不在你手上。農業生產力漲了幾十倍，農民收入沒漲幾十倍，因為糧價崩了。
產能 10x 不等於賣得掉 10x，不等於賺到 10x。而這，正好把我們帶到那個最深的混淆。
你說的 productivity，是 output 還是 outcome？
退一步。「哪一層」還不是最深的問題。最深的是：你嘴裡的 “productivity”，指的是 output（你做出來的東西）還是 outcome（那東西真正換到的結果：問題解決了、錢賺到了、用戶被滿足）？
這兩個被「productivity」這個字偷偷縫成了一個。但它們之間，隔著前面整篇講的所有東西：判斷、決定、說服、市場、定價、責任。
而且這裡有個結構性的不對稱：output 量得到，outcome 量不到。我今天寫了多少 code、survey 了多少名單，自己就數得出來；這些 code 有沒有解決對的問題、這些名單最後換到多少錢，要等、要靠別人、不歸我一個人管。
但真正難看的是再下面一層：多數人喊的「10x」，連 output 都稱不上，是 activity。
回頭看 developer 到底在幹嘛。他真正的 output 從來不是「寫了多少 code」，是把功能 ship 到 production、變成客戶手上真的在用的東西。code 寫了一卡車，卡在沒 deploy、進不了 production，那個產出是零，而十倍的零還是零。outreach 也一樣：你用 AI 把名單收集速度拉了十倍，但名單躺在 sheet 裡沒寄出去、沒真的更早碰到客戶，一樣是零。收名單是 activity，碰到客戶才是 output。
所以很多人喊的 10x，是最上游、最好灌水的那個 activity 數字（行數、名單筆數），離他自己真正的 end-to-end output 都還有一段他沒提的路，更別說 outcome 了。
我本來想把這寫成「被逼的 proxy」：outcome 量不到，只好退而求其次量 output。但這太客氣了。實情更可能是，他們挑的根本不是退而求其次的 output，是最好灌水的 activity。而且不少人心裡未必不知道：「我 10x」好發、吸睛、講起來爽；outcome 難講、會打臉、沒人想聽。與其說被逼，不如說是挑了那個最爽的數字來喊。
現在來看業界喊得最大聲的兩個人。
2025 年，Sam Altman 跟 Dario Amodei 賭的是 outcome。Amodei 在 Axios 講得最白：AI 五年內可能消滅一半的 entry-level 白領工作，失業率衝到 10-20%，金融、法律、顧問、科技首當其衝。這個說法後來被 Axios、Business Insider 反覆整理。Altman 那幾年也反覆 warning entry-level 要完。注意這是什麼 claim：outcome 的、未來式的、賭出來的。跟工程師「我 output 10x 了」根本是兩種東西。
然後 2026 年 5 月，Altman 改口。
Altman 在 Commonwealth Bank of Australia 的對談裡承認自己對 AI 的社會與經濟衝擊判斷錯得不輕，還說自己 “delighted to be wrong”。Amodei 的語氣也開始出現另一條路線：從「工作消失」轉向「工作轉變、放大既有 worker」，同時仍保留對大規模 displacement 的警告。
看清楚這裡發生了什麼：敘事從 outcome claim（工作會消失），退回 output claim（productivity 會上升）。 中間那個「10x」，就是退路。outcome 賭輸了，至少還沒贏，於是縮回 output。而 output 永遠是安全的，因為它本來就量得到、本來就在漲。
所以「10x productivity」這個詞最深的問題，被兩個最該講清楚的人，在 12 個月內、當著全世界的面，現場表演了一次：先把 output 的加速講成 outcome 的革命，等 outcome 沒兌現，再縮回 output 那個一直都成立的版本。
但別急著走到反面結論
拆到這裡你又會想：「看吧，工作根本沒消失，所以根本沒事、AI 根本沒效。」
這結論一樣太快，而且一樣有毒。
量測本身就是問題。aggregate 的就業數字穩，不代表底下沒事：white-collar professional sector 從 2023 年 4 月高點後 累計就業已經下降約 2%，而其他部門還在成長；2026 年到五月，Layoffs.fyi 被媒體引用的科技業裁員數也已經 接近十萬。「總就業穩定」這個儀表板數字，蓋住了底下可能正在發生的位移。總體看不到，不代表沒發生，只代表那張表抓不到。
但這裡得對自己誠實一次：這些 layoff 是不是 AI 造成的，沒人真的知道。公司確實愛說是 AI，可是「是 AI」對一家公司來說剛好是最方便的故事：顯得自己站在未來，又能蓋掉過度招聘、利率、景氣這些不性感的真因。「公司說是 AI」跟「工程師說我 10x」是同一種 proxy，都挑了最好講、最吸睛的故事，不是最準的那個。 所以紀律是雙向的：別因為總體沒動就說 AI 沒效，也別因為公司喊 AI 就信 AI 在砍人。兩個方向的便宜故事，都別照單全收。
而且 outcome 裡還有一整塊報表天生抓不到：AI 幫你擋掉的一場事故、讓一個原本不值得做的長尾需求第一次變得可做、把一份東西做到原本請不起那種人才做得到的水準。事故沒發生、需求被滿足、品質默默上升，共同點是，它們都不會在 GDP 或財報上長出一個正數。
這正是我上一篇講 proxy 幻覺 那個坑的鏡像版。上一篇講 “activity 不等於 value”，別把忙碌當成果、別信假訊號。這篇要補它沒講完的另一半：value 有時候剛好量不到。只信你量得到的（output、aggregate 就業數字），跟只信你看起來很忙，是同一種病的兩面，都是抓著一個方便的 proxy，當成你真正在乎的東西。
最後一刀，回到那個 capability vs structural。outcome 還能再切一刀。認知型的 outcome（想清楚、做判斷），也許 capability 真的追得上，Altman 跟 Amodei 賭的就是這塊。但責任型的 outcome（出事誰扛、誰被告、誰上證人席）可能跟 capability 一點關係都沒有。你沒辦法把一個 model 拉上證人席。 所以就算最強的 AI 情境成真，精確的版本也不是「工作消失」，而是認知那塊被自動化、責任那塊濃縮到更少人手上。那不是大家一起 10x，是分化，接回第三層。
給實際要做事的人的判準
不收大道理。給一個你今天就能用的。
下次有人，或你自己，宣稱 10x，問三個問題：
- 你 10x 的是哪一層、哪一種？（任務 / 個人 / 組織；activity / output / outcome）
- 這個提升如果不做，最壞會怎樣？
- 那個最壞如果永遠不發生，你會怎麼知道？
答得出來，那是真的提升，你只是還沒學會怎麼描述它。答不出來，那是 proxy，一個讓你感覺很爽、但指不到任何具體東西的數字。
賣課的人說 10x，燒了半年想退回 $60 的人也說 10x，Amodei 改口時還是說 10x。同一個字，四個完全不同的東西。連最該講清楚的那兩個人都花了一年，才把 “10x” 裡的 activity、output、outcome 分清楚。你不用花一年。