「感觉快了」不算数
问十个重度 AI 用户「AI 让你快了多少」，九个会说「快多了」，再问「多多少」，全都卡壳。这不是谦虚，是真不知道。而不知道是有代价的：度量不了，你就分不清哪些用法真划算、哪些只是感觉划算——前九章的旋钮往哪边拧，全凭手感。
这一章解决一个问题：怎么知道自己是不是真的变快了。
先避开几个假指标
最容易拿到的数字，几乎都是错的：
- AI 生成的量。生成了五千行代码、三十页文档——这是机器的工作量，不是你的产出。生成五版废稿比生成一版能用的，这个数字还更高。
- 对话轮数、调用次数。这只证明你很忙。拿它当成绩，就像用「打了多少电话」考核销售。
- 单次任务的提速。「这份报告以前三小时，现在四十分钟」——听着不错，但它是挑出来的成功案例，不是你全天工作的样子。
这些数字共同的病：它们度量的是过程的热闹，不是结果的交付。管理学里有个老话，一项指标一旦成了目标，就会被人不自觉地优化到失真——为了「生成更多代码」而生成更多代码，为了「多用 AI」而把简单的事也扔给 AI。假指标不只没用，还会把你带偏。
度量什么：端到端的结果
真指标只有一类：一件完整的事，从领来到交付，花了你多少时间。
注意两个词。「完整的事」：不是「生成初稿」这一步，而是包含 briefing、生成、验收、修改、交付的全过程——第六章说了，验收时间是成本的一部分，记账必须记全。「交付」：以对方接受为准，不是以你导出文档为准。
操作层面简单得惊人：挑你每周重复做的两三类事，各记几笔时间账，一个月后就有了一条 baseline；然后拧一个旋钮，再记一个月。数字会自己说话——哪些旋钮真有用、哪些是你的幻觉，一目了然。不用精确到分钟，粗粒度就够，因为我们要找的是成倍的差异，不是百分之五。
最难测的那个维度：质量
时间好记，质量难测，但不测质量的提速没有意义——交得快但被打回来的活，是负产出。可行的替代办法是用返工率当质量的影子指标：一件活交出去，被打回来大改几次？这个数字好记，而且诚实。提速如果伴随着返工率上升，那不是提速，是把成本转嫁到了后面。
省下的时间去哪了
最后一笔账，也是最容易赖掉的一笔：AI 每天帮你省下两小时，这两小时实际去了哪？
如果答案是真的干了更多活、想了更深的问题、或者光明正大地休息了——都算数，都是赚。但如果它悄悄漏进了刷手机和更频繁地「检查一下消息」，那么你的效率提升是个会计假象：分子变大了，分母也跟着变大了。
大白话：省下来的时间没花出去，就等于没省。
度量不是为了写总结汇报，它是指挥棒：没有它，你分不清哪个旋钮真灵。有了它，这本书前面所有的话才从「听起来有道理」变成「在我这儿确实有用」。最后一章，换个身份：假如你是做 AI 产品的那个人。