2026 年秋季准备 2027 顾问招聘，你在简历写下「用 AI 节省 70% 操作时间」，却答不出省下的时间去了哪里？把这段经历讲清楚，应先说客户要做什么决定，再依序算实际采用量、检查与返工，最后比较可实现的收益和全部成本。模型跑得快，只是整段回答的起点。
Roland Berger 北京的 2027 Junior Consultant 职位列出客户访谈、研究分析及呈报结果。从这些工作推论，AI 经历值得展示的，不只有工具能力，还包括你如何理解使用者、衡量结果，并向客户解释取舍。秋招前，值得重写的正是这一段推理。
今年谈 AI，不能把个人效率直接叫作公司收益
McKinsey 在2026 年 8 月的 AI 调查中指出，八成受访者称 AI 提高了自己的生产力，但只有 37% 称 AI 对所属企业的息税前利润有正面影响。这是受访者的陈述，两个比例衡量的也不是同一件事；不能相减后，说其中 43% 的 AI 项目失败。
对你的面试准备，更有用的问题是：一个人快了，为什么整个部门可能还没得到好处？工具只被少数人使用、后面多了一轮检查，或省下的时间没有重新安排，都可能让技术效果停在局部。以下用同一个假设，逐步找出这些落差。
「省 70%」先说清楚省了哪一步
假设你替客服团队设计通话摘要工具，主管要决定是否扩大使用。每月有 10,000 份适合使用工具的摘要，原本人手整理及检查每份共需 10 分钟。小规模试行后，AI 初稿的操作与等待只需 3 分钟。拿这 3 分钟直接与原来的 10 分钟相比，你就写下「节省 70%」。
但初稿不等于完成。假设每份 AI 初稿还要人工检查 2 分钟；其中 10% 需要额外花 10 分钟重写。原流程的 10 分钟已包括原有检查，AI 流程也必须算到相同完成标准。不能把新增检查交给另一位同事，就当成时间已经消失。
这里还假设员工等待初稿时无法处理别的工作，因此把等待一起算入占用的工时。若真实流程允许同时处理其他任务，就要分开记录员工实际忙碌的时间与客户等待的时间，不能把两种改善混成同一个百分比。
技术表现也要有定义。例如，先请客服主管列出摘要必须保留的承诺、问题及下一步，再看多少份需要重写。只说「摘要准确率很高」，既没有说明谁判断，也没有交代漏掉一项退款承诺的后果。这会影响后续检查，进而改变省时幅度。
试行前后还要使用相同的品质标准。假如新工具省下摘要时间，却让下一位客服因资讯缺漏，多问客户一次，这笔时间只是移到下一个环节。可以追踪同一问题是否重复来电，以及接手人员要花多久读懂摘要，避免只把单一步骤做快。
采用率与返工，会把 70% 改成多少
再假设一个月试行中，只有 60% 的合适摘要实际使用 AI；其余仍照旧。采用率要用实际工作量算，不是看有多少人曾开过帐户。McKinsey 的AI 成效衡量文章也把技术表现、使用者采用、工作流程变化与财务结果分开，提醒企业不能只看工具有没有被打开。
沿用上述假设，当月的时间明细应这样算：
| 工作 | 当月分钟数 |
|---|---|
| 未用 AI 的 4,000 份，仍需每份 10 分钟 | 40,000 |
| 使用 AI 的 6,000 份，初稿每份 3 分钟 | 18,000 |
| 6,000 份逐份人工检查，每份 2 分钟 | 12,000 |
| 其中 600 份重写，每份另加 10 分钟 | 6,000 |
| 使用工具后的合计 | 76,000 |
原流程是 100,000 分钟，现在少用 24,000 分钟，即每月 400 小时，整体降幅为 24%。这已包含检查和重写；不能再扣一次同样的返工，也不能把未采用工具的工作算成已省时。
这还解释不了另外 40% 为什么不用。若必须在两套系统之间复制通话文字，改善操作流程可能比再提高模型速度有效；若资深员工本来就很快，则应比较不同群体。《Generative AI at Work》作者论文用每小时解决的客服问题数衡量生产力，并发现不同员工的改善幅度不同。你也应追问谁受益、谁多了工作，不能把平均数当成每个人的结果。
400 小时乘上薪资，仍不是现金节省
厘清谁省时、谁多了工作后，才轮到财务问题。这 400 小时首先是可另作安排的工作时间。若员工薪资照付，企业并没有因此少付 400 小时的工资。它可能用来处理积压问题、缩短等候时间或承接新增工作，但要先确认哪里需要这些人手。
假设主管确认，其中 100 小时可用来承接原本准备外包、而且员工能力足以完成的同类工作。原订每小时人民币 120 元的外包因而取消，当月少付 12,000 元。其余 300 小时先用于处理积压，暂不换算成现金，也不假设有人被裁撤。
再假设每月新增模型、系统及维护的现金支出合计 8,000 元，稳定使用后的每月净现金收益就是 4,000 元。若另有一次性建设支出 24,000 元，第一个月合计反而净流出 20,000 元；在每月净收益维持 4,000 元且没有其他新增支出的假设下，才约需六个月收回初期投入。这不是完整投资估值，却比拿工时直接乘薪资，更接近主管需要的判断。
若你只是学生实习生，未接触采购或财务记录，就不要把这组推算改写成自己的实绩。可以明确说「我量到省时，但无权确认外包费用是否下降」；接着指出应向谁查明、哪张记录能回答，比硬填一个投资回报率可信。
最后要交代客户怎么选，而不是要求人人使用
有了计算，才能指出什么变化会改变建议。假设主管的目标是降低现金支出，就先确认每月真的有 100 小时外包可以取消。若外包单价与每月费用不变，实际只能取消 50 小时，每月少付 6,000 元却新增 8,000 元支出，就变成净流出 2,000 元；工时依然省了，现金结论却相反。
如果下一季外包需求本来就会消失，也不能继续把避免外包列成 AI 带来的收益。若主管的目标改为缩短客户等待，则要重新看排班能否承接多出的时间，以及等待是否实际下降。不同目标，需要不同的扩大使用条件。
更合理的下一步，是在相近班次、相近问题难度下分批试行，记录使用、重写、完成时间与客户问题是否解决。不要拿最熟练的试行组去比最忙的新员工组，再把全部差异归功于 AI。保留人工检查，也不应为了做出漂亮省时数字而略过必要品质要求。
你的个人贡献要放进这些选择：是你发现检查时间被漏算、访谈出低采用的原因，还是协助主管订下扩大使用的条件？不要把工程同事完成的模型、主管批准的支出和整个团队的成果，都浓缩成「我带动转型」。
把简历那句话，重录成九十秒回答
沿用上述情境，可以这样练习：「我们先想降低客服摘要的处理负担。最初只比较原流程的十分钟与 AI 初稿的三分钟；把采用量、检查及重写加入后，我算出整体每月释放四百小时。我再与主管区分可取消的外包支出和仍待安排的时间，扣除费用后，判断扩大使用需要哪些条件。」
练习时逐句检查：业务目标是否清楚；70% 是否漏算初稿之后的工作，24% 是否涵盖全部摘要；工时是否真的变成支出下降；哪些成果属于自己。没有证明的部分可以保留未知，但要说出下一步怎样确认。
现在挑一段真实 AI 经历，按「客户决定、实际使用、完成成本、净成果、个人贡献」重写，再沿咨询面试准备指南练习追问。秋招里值得说清楚的，是这项技术改善如何帮助客户做决定，以及你在其中做了什么。