Atlassian Teamwork Lab 负责人 Dr. Molly Sands 表示，不少企业在引入 AI 后，员工个人处理任务的速度确实提升了，但组织层面的效率和回报并没有同步出现。她在 VB Transform 2026 的公开活动中说，很多公司采用 AI 的方向“倒过来了”，重点放在个人层面的提效，却忽略了团队协作方式本身的重构。
据《VentureBeat》发布的一篇由 Atlassian 赞助的报道，这场讨论由 VentureBeat 资深科技撰稿人 Sam Witteveen 主持。Sands 指出，问题不在于员工跑得不够快，而在于团队流程没有跟上。结果是，个人动作更快后，团队成员反而可能因为协作路径不一致而“很快撞在一起”，组织也因此难以看到清晰的投资回报率（ROI）。
个人提速，并不等于组织变强
随着生成式 AI 工具普及，日常工作的处理速度已经出现明显变化，但这部分效率红利并未自动转化为企业竞争力。Sands 领导的团队由行为科学家和心理学家组成，长期研究 AI 对协作的影响，同时也参与帮助企业重新设计工作流程。
她认为，多数公司当前的做法是先教员工如何更高效地使用 AI，却没有先处理团队层面的协同机制。这种失衡使得个人优化和组织优化脱节，最终让企业很难从 AI 投入中获得实质回报。
调查：89% 主管承认变快，仅 6% 看到明确 ROI
根据《Atlassian 2026 State of Teams Report》，这份调查覆盖全球 12,000 名知识工作者，以及约 200 名 Fortune 1000 高级主管。结果显示，89% 的主管承认，员工个人在使用 AI 后速度的确变快了。
但另一组数据更能说明问题：仅有 6% 的主管能够指出明确的 ROI 案例；同时，只有约 14% 的团队成功把 AI 的使用转化为真正价值。这意味着，即使在同一家公司内部，不同团队之间的落地效果也存在很大差距。
成功团队的三项共性
Sands 说，能够把 AI 变成团队优势的组织，通常具备三项共同特征。
- 情境（Context）：成功团队会建立“情境图（context graph）”，把目标、决策和组织知识系统化记录在 Jira 或 Confluence 等共享数字平台中，让 AI 读取到组织层面的脉络，而不是只依赖个人单独撰写的提示词。
- 工作流程（Workflows）：这类团队不只让单个任务更快，而是重做整个端到端（end-to-end）的工作流程。
- 文化（Culture）：管理层会明确鼓励学习和实验，也能容纳实验中的失败。
通过 AI 工作协议暴露组织裂痕
为了缩小个人效率与组织回报之间的落差，Sands 建议团队通过刻意设置限制来加快学习，比如把任务拆到最小单元，或尝试“一周内完全不手写代码”。
她还提到，项目启动时制定清晰的“AI 工作协议（AI Working Agreements）”很关键。协议内容包括：哪些事务适合交给 AI，哪些内容需要避开，团队应共享哪些代理程序（agents）与技能。
AI 没有制造新问题，只是把旧问题放大
报道最后指出，AI 并没有凭空创造新的管理难题，而是把组织内部原本就存在的裂痕暴露出来，例如隐藏的假设和彼此不同的心智模型。AI 介入后，这些差异带来的后果被进一步放大，也让“共享情境”和“明确的工作方式”变得更迫切。