原始观点
材料主张｜Arvind NarayananArvind Narayanan1 是普林斯顿大学计算机科学教授，和 Sayash Kapoor 合写了《AI as Normal Technology》。他是从美国国铁 Amtrak 的一次采购想通这件事的。Amtrak 为 Acela 线路买了新列车，「据说它能跑到每小时 165 英里。」可他深挖之后发现，「限制速度的并不是火车本身，而是弯道太多的轨道，以及有几百年历史的信号基础设施。」所以「平均速度其实没怎么提高，仍然是每小时 65 到 70 英里。」
在他看来，AI 也是这样：
「大多数时候，AI 是火车，而不是轨道。AI 加速的是流程中本来就从来不是瓶颈的那一部分。真正起作用的是围绕 AI 发生的许多其他更偏基础设施层面的东西：组织文化、监管，甚至，你知道，我们在社会层面接受生活中逐年变化程度的能力。」
原文：most of the time, AI is the trains. It's not the track. So AI is accelerating a part of the process that was never the bottleneck to begin with.
所以他对「AI 很快就会替代大量工作」的说法并不买账：「首先，我不认为『快』有那么快。」他举了呼叫中心的例子：「它们现在还在。你知道，ChatGPT 刚发布的时候，那么多人预言一年之内呼叫中心就会全被取代。」他也批评一些 AI 公司没有正视一件事：「AI 带来的好处，在经济上存在非常多的瓶颈。」
延伸观点
助手整理Narayanan 说的轨道主要在社会层面。放到一家公司里，轨道是什么？任鑫2 在 AI 炼金术里给出的答案是协调：「知识工作中最大的时间、精力和资源消耗，大部分时候不是在做事情本身，而是在开会、对齐、协调、对接、交接和等待。」所以：
「任务层的提效往往带不来组织层的提效。协调层一直以来都是瓶颈，只是以前我们干活干得慢，所以看不太出来。」
鹿客创始人 陈彬2 讲过一个很具体的例子。公司做从战略规划（SP）到经营计划（BP）的流程，用上 AI 之后快了不少：
「我们做 SP 到 BP，原来可能至少花三个月到半年，现在我们两个月就把 SP 跟 BP 做完，对吧，至少提效了一倍。但是它的流程本身没有改变，只是说我原来开五次会，变成开三次会、开两次会，就是它。」
车快了，轨道没动。陈彬的做法是倒过来想：「假设我们是从 0 到 1 创业，现在有了这么多 AI 工具和先进技术，原来的组织、流程甚至产品都不存在，那应该重新怎么干？」在他看来，「我们借 AI 做组织转型，更多还要去改造原来可能不合理、甚至不需要的这些流程，干脆重新搞。」
这种事以前也发生过。二手车交易平台 Kavak 的 Alejandro Maza Ayala3 常给团队讲电力的故事：「Henry Ford 生产线所需的技术在 1879 年和 1881 年就已经被开发出来。」可当时的工厂是这样用电的：
「好，我要保留工厂原有的样子——四层楼、传动轴和皮带——只把燃煤引擎换成电动引擎。……这会带来好处，但效率提升大概只有 6%。真正需要做的，是摧毁那座工厂，在一片平地上重建……并围绕小型 dynamo 和电力重新设计整座工厂。」
他认为今天又在重演同样的事：「人们想采用它，却不愿重新设计整家公司，于是只做了表层采用。最终，这只能给你带来 6% 或 10% 的提升，而不是 10 倍的提升。」
Narayanan 说 AI 的扩散会很慢。这几段材料提示了慢的一个原因：技术跑在了前面，组织这条轨道还没有重新修过。
这张卡的标题化用了 Eliyahu M. Goldratt 和 Jeff Cox 的商业小说《目标》4。书中厂长 Alex Rogo 转述 Jonah 教给他的一条规则：「在非瓶颈上省下的一小时，只是海市蜃楼。」
原文：an hour saved at a non-bottleneck is a mirage.
书里讲的是工厂：非瓶颈的机器本来就有空闲，在它们身上省下的时间，并不会让整个工厂多产出一点。
