破碎的AI承诺：工作为何增加？

破碎的AI承诺：工作为何增加？

(视频)

AI 承诺节省时间，为何却让我们陷入了更深层的“倦怠循环”？

引言：幻灭的效率承诺

在生成式 AI 浪潮席卷全球之初，我们曾共同拥有一种近乎理想主义的憧憬：AI 将接管枯燥的行政琐事，将人类从琐碎中解放，从而实现梦寐以求的“效率红利”。然而，现实却极具讽刺意味。Upwork Research Institute 的最新数据显示，高达 77% 的 AI 使用者表示，这些工具不仅没有提高生产力，反而增加了他们的工作量。

这种现象并非偶然。加州大学伯克利分校（UC-Berkeley）与耶鲁大学（Yale）的研究人员在一项针对 200 人规模科技公司的深度嵌入式研究中发现，AI 并没有如期缩短工时，反而通过一种隐蔽的“工作量爬行” (workload creep) 机制，让职场倦怠呈指数级扩散。效率的提升并未转化为休息，而是异化成了更紧凑的工作节奏和更沉重的心理负担。

“职能模糊”导致的工作量爬行

伯克利与耶鲁的研究揭示了 AI 带来的首个副作用：任务扩张。由于 AI 降低了专业门槛，原本清晰的角色边界开始坍塌。产品经理开始写代码，研究员承担起工程任务，员工们纷纷处理那些“原本不属于其职权范围”的工作。

这种跨职能的尝试催生了所谓的“氛围代码” (vibe-coding)——即非专业人士利用 AI 生成看似可行但缺乏逻辑底层逻辑的产出。这在组织内部引发了严重的涟漪效应：资深专业人士（如高级工程师）非但没有减负，反而陷入了审阅、纠正和辅导同事这些低质量、碎片化产出的新泥潭中。

一位接受研究采访的工程师无奈地表示：“你本以为，‘噢，既然有了 AI 效率更高，我就可以省下时间，减少工作。’ 但事实上，你并没有减少工作，你的工作量甚至和以前一样多，甚至更多。”

这种“心理税”是极其沉重的：专家们不仅要完成自己的任务，还要充当 AI 幻觉和非专业产出的“清道夫”。

消失的边界与“最后一刻”的心理陷阱

AI 的对话式界面极大地抹平了启动任务的门槛，却也无情地摧毁了办公与生活的自然间歇。过去，面对“白纸”的焦虑往往是工作的减速带，而现在，AI 让一切起始都变得轻而易举。

这种“无缝感”剥夺了员工在任务之间喘息的机会，将我们卷入了一个自我强化的循环：

1. AI 让启动变简单：随时随地都能通过一条指令开启复杂任务。
2. 我们做得更多：利用下班前的“最后一条指令”或休息时间处理杂事。
3. 我们更依赖 AI：为了应对不断堆叠的任务列表，不得不进一步压榨 AI 的效能。
4. 最终导致倦怠：工作无意识地渗透进非办公时间，自然的休息停顿彻底消失。

多任务处理的代价——认知疲劳

AI 给管理层和员工制造了一种“任务可以在后台处理”的错觉。研究指出，这种错觉诱发了大规模的多任务处理需求。当生产力提升被简单地转化为“更长的任务列表”时，员工便被迫在多个工作流之间频繁进行注意力切换。

伯克利的研究人员强调，这种扩张在短期内看似高产，实则会导致严重的认知疲劳和决策质量下降。当员工发现自己忙于实验 ChatGPT 的同时，工作总量早已超出了负荷。这不仅是一种精神损耗，更演变成了一场人才留失危机——员工在意识到工作量因 AI 而失控后，离职意愿会显著增强。

倦怠的阶梯——权力层级的差异化打击

根据 DHR Global 对 1,500 名专业人士的调查，83% 的职场人士感到倦怠。然而，这种痛苦在权力天平的两端分布极不均衡。

通过对比 2025 年与 2026 年的倦怠驱动因素，我们可以看到职场压力的重心转移：

• 压倒性的工作量：从 35% 飙升至 48%。
• 工作时间过长：从 58% 下降至 40%（反映出压力从“时长”转向“高强度强度”）。
• 缺乏奖酬与认可：从 17% 上升至 32%。

更严峻的现实在于职级差异：62% 的助理级员工和 61% 的职场新人报告了倦怠感，而这一比例在高管层 (C-suite) 仅为 38%。这种巨大的鸿沟揭示了职场真相：高管层往往是 AI 工具的推动者和决策者，而基层员工则是“氛围代码”清理工作和“工作量爬行”的实际承担者。

结语：从“盲目使用”到建立“AI 实践规范”

面对 AI 反噬，企业不能再寄希望于员工的自我调节。伯克利与耶鲁的研究人员明确提出，建立“AI 实践” (AI practice) 已成为企业的结构性策略需求，而非可选方案。

管理者必须通过制度化的协议来对抗 AI 的扩张倾向，这包括：

• 结构化停顿：在重大决策前强制安排反思期。
• 任务排序规范：通过合理的序列化减少高能耗的上下文切换。
• 保护人际时间：明确划定不受 AI 干扰的纯粹沟通领域。

如果不建立这些规范，AI 辅助工作的自然趋势就不是收缩工作，而是无限强化工作。当 AI 能够完成大部分技术性产出时，我们必须重新定义“人类贡献”的边界。这不仅是为了提高效率，更是为了防止我们构建的智能系统最终将我们自己吞噬。