把一间满是顾问、分析师或市场经理的房间问他们是否用AI制作过最后一份PPT，你会得到很多谨慎的表述。“我用了一些AI工具进行研究。”“它帮我拟出了大纲。”没人会说“AI写了第十四张幻灯片的初稿”，尽管这就是实际发生的情况。AI在幻灯片制作中涉及的程度与人们实际承认的程度之间存在差距——而这个差距才是真正的故事，而不是工具本身。 我一直观察着那些专门制作幻灯片的人，AI的使用是真实的，但对其保持沉默同样真实，这并不完全是关于技术本身。 --- **所有人都想要但无人拥有的数字** 这里有不舒服的部分：没有一个清晰、可验证的数据显示“多少企业幻灯片是由AI撰写的”。没有公司公开跟踪这个指标，大多数也不想这样做。我们拥有的是来自单个组织内部的采用数据，这些数据足够高，以至于即使没有单一来源证明，像“三分之一的幻灯片”这样的圆整数字也显得合理。 麦肯锡内部开发了一个名为Lilli的AI平台，专门用于帮助员工处理以前由初级人员负责的任务，包括根据提示构建PowerPoint幻灯片并调整语气以匹配公司风格。该公司约4.3万名员工中，现在每月有超过75%的人在使用它。这是一家公司对自身的报告，每个数据点都有让数字看起来更好的动机。但这也是一个三年前不存在的数据点，而且这并非异数——它预示着当AI工具被嵌入到人们首先打开的软件中时，而不是单独存在于浏览器标签页中时会发生什么。 --- **“我用AI进行研究”做了太多工作** 在参与幻灯片审查时，我注意到一件事：人们很乐意承认AI帮助他们思考，但不太愿意承认AI帮助他们写作。这种区别并不反映实际撰稿过程中的情况——它反映的是在房间里有人可能问“那么你（实际）贡献了什么？”时，人们愿意大声说出什么的安全感。 对于很多幻灯片来说，诚实的答案是：结构和判断力。哪些幻灯片构成了论点，哪些内容被删去，故事在客户第一次反馈下是否成立。这是真正的工作。但这是在**初稿存在之后**发生的工作，而越来越多的初稿本身是人们不愿声称自己跳过的部分。 --- **所有人都遗漏的部分：AI初稿带来重构，而非节省时间** 这里的故事对AI来说并不那么光彩，而这正是大多数“AI节省你数小时”文章中默默省略的细节。一项2025–2026年针对约3,200名大型公司高管和员工的调查（基于Hanover Research的现场研究，并被幻灯片软件供应商empower引用）发现，只有14%的员工在考虑修正时间后，认为在PowerPoint中使用AI的净效果一致为正。同一分析，基于Workday的生产力研究，得出结论：AI产生的价值中，超过三分之一在修正、精炼和重写其输出时又被丢失。 这重新定义了整个“AI撰写了X%幻灯片”的问题。一张由AI生成后，人工从头重建的幻灯片，实际上已经不再是“AI撰写”的了——但它也不是纯粹的人工撰写，两者之间没有清晰的分界线。在随意交谈中常提到的约30%的数字，可能更接近“AI触及了初稿”而不是“AI的文字存留到了最终版本”。这两种说法大相径庭，混淆它们正是沉默开始的原因——没有人想要过度归功于一个随后几乎被完全重写的工具，因此最简单的做法就是不提及它。 --- **这在幻灯片制作中实际体现的地方** 处理得好的团队不是那些隐瞒AI使用的团队——而是那些已经不再将“AI触及过此处”视为有趣问题，而是将“论点是否自洽”视为唯一重要问题的团队。这不是一个新想法；它是咨询公司长期以来在构建幻灯片论点时遵循的同一纪律，远在生成式AI存在之前就已经存在。一个由AI生成的大纲仍然需要通过同一测试：你能否将其缩减为仅幻灯片标题，并从上到下阅读一个连贯的论点？ AI真正赢得其位置的地方在于，能够以足够快的速度将一个粗略的结构放到页面上，让人们能够将时间花在编辑论点上，而不是盯着一张空白幻灯片。它悄然花费比节省更多时间的地方在于，当输出被视为完成品而不是初稿时——密集、通用的项目清单需要像创业者的首次投资者展示初稿一样的重构，这正是区分一个能够获得资金的投资者展示和一个被忽略的展示的关键所在。AI擅长在幻灯片中填充文字。它在判断哪些文字观众**实际**需要看到这一点上表现较弱，而这正是在最初决定从数据密集型幻灯片中删除哪些内容时需要做出的判断。 --- **承认问题并非真正关于AI** 剥离技术角度后，这是一个穿上新衣服的旧工作模式。人们从未喜欢承认自己使用了模板、借用了结构，或者让他人完成初稿——这并不是因为不诚实，而是因为“I从头开始制作”仍然比“I编辑了一个让我70%快速完成的东西”读起来更有印象。AI只是让这两种故事之间的差距更大，并让模糊它们的诱惑更强。 能够经受住真实审查的幻灯片，并不是那些没有人使用AI的幻灯片。而是那些有人愿意以怀疑的态度看待AI初稿，删除不配拥有幻灯片的内容，并重构论点直到它能够仅作为标题列表被阅读的幻灯片。第一稿是否来自提示或空白页面，重要性远不如是否有人实际完成了第二部分。