用 Tata Consultancy Services（TCS）案例理解同一 AI 工具可以同時影響個人 productivity 與 deployment cycle。
TCS 在面向 credit risk officers 的 financial spreading solution 中使用 CodeWhisperer，原書報告每位使用者 productivity +20%，整體 deployment speed +25%。
| KPI | 原書變化 |
|---|---|
| Productivity per user | +20% |
| Deployment speed | +25% |
建立 before／after 表，分開計算 individual output 與 cycle time；若 deployment time 原為 20 天，教材可用 20/(1+25%)=16 天 示範「速度 +25%」的時間換算。
教材示範：20 天基期在速度提升 25% 的定義下，約為 16 天；若每人每週完成 10 件工作，productivity +20% 則為 12 件。
同時改善 individual productivity 與 deployment speed 才較能支持 end-to-end 效益；仍需檢查品質與風險。
根據以下 productivity 與 deployment cycle 資料，分別計算增幅並指出兩個 KPI 是否一致改善。
**題目：**若 deployment speed 只提高 10%，20 天約變多少？
參考解答：20/1.10≈18.18 天。