AI不减负反增负：200人科技公司8个月研究发现了什么

现在，不少企业头疼的是怎么让更多员工把AI用起来。AI应用的前景确实诱人：起草常规文档、总结信息、调试代码，这些都能靠它分担，员工便能腾出时间去做更有价值的事。

可要是领导者真把员工都推上了AI，他们准备好接住后面发生的事了吗？只盯着生产力提升，AI带来的复杂现实往往出人意料。等看清这些成果背后的代价，恐怕已经晚了。

我们一项正在进行的研究发现，AI工具非但没减少工作量，反而把工作强度推高了。研究对象是一家约有200名员工的美国科技公司，为期8个月，考察生成式AI如何改变员工的工作习惯。结果显示，跟不用AI的员工比，用AI的人节奏更快、任务范围更广、工作时间更长，很多情况下这并非公司要求。需要说明的是，这家公司没有强制员工使用AI，不过确实为员工提供了商用AI工具的企业订阅服务。员工主动多扛任务，是因为AI让“做得更多”变得可行又容易，多数时候这种主动还带来一种内在满足感。

这听起来像是领导者梦寐以求的局面。但员工积极使用AI带来的变化，未必能持续下去，长期看反而会引出一连串问题。当尝鲜新工具的热情退去，员工会发现自己的工作量在不知不觉中涨了，面对突然堆到眼前的各种任务，他们会感到力不从心。

不断累积的工作量还可能进一步造成认知疲劳、职业倦怠，决策效率也跟着下降。最初的生产力激增，最后可能演变成工作质量下滑、员工流失等别的麻烦。

这让领导者陷入两难。他们该怎么做？要求员工自行调节并非良策。公司需要围绕AI的使用制定一套规范和标准，也就是“AI准则”（AI practice）。领导者可以采取以下方式，帮员工把AI用好。

围绕生成式AI工具对科技公司员工工作习惯的影响，这项研究做了考察。团队每周安排两天实地走访，追踪企业内部沟通渠道，并对工程、产品、设计、研究和运营部门的员工进行了40多场深度访谈。工作强度上升，主要体现在三个方面。

1. 任务范围变广。AI能填补知识空白，员工于是开始承担原本属于他人的职责。产品经理写起了代码，研究人员接手工程任务，组织里很多人去碰过去会外包、推迟或干脆回避的工作。生成式AI让这些任务变得前所未有地容易。

AI工具给许多人赋能并提升其认知，员工因此减少了对别人的依赖，过程中还能拿到即时反馈和修正意见。员工把这种体验形容为“只是用AI随便试试”，可这些尝试实际上把他们的工作范围撑大了。事实上，员工多承担的这些工作，原本可能要额外雇临时帮手或增加人手才能完成。

职责范围一扩大，连锁反应就来了。比如工程师得花更多时间审查、修正和指导同事的工作，因为这些活通常由AI生成或辅助完成。这些需求超出了正式代码审查的范畴。工程师们越来越多地发现自己要去指导那些进行“氛围编程”（vibe coding）的同事，帮他们收拾没做完的工作。

这种监督往往发生在非正式场合，比如Slack跟帖或工位旁的快速请教，工程师的工作量因此又加了一层。2. 工作与非工作之间的界限变得模糊。AI让开启一项任务十分轻松，人不再因无从下手而倍感压力，员工便把少量工作塞进了休息时间。许多人在午餐时或会议期间都会向AI发出指令。有些人会在离开工位前发最后一条快速指令，好让自己离开电脑后AI仍能继续干活。

这些行为很少让人觉得自己多做了工作，但久而久之，工作日里的休息时间变少了，人也更持续地泡在工作当中。用对话的方式向AI输入指令，这个过程不像在工作。换句话说，向AI系统敲一行字，感觉更像聊天，而不是在执行一项正式任务，工作便很容易在不经意间延续到夜晚或清晨。

有些员工是事后才反应过来：自从习惯在休息时给AI写提示词，原本用来恢复精力的休息时间就变了味。工作由此失去清晰边界，变得无处不在，人随时都想再往前推一点。其实工作与非工作的分界并没有消失，只是跨过去更容易了。

3. 更多的多任务处理。AI带来一种新的工作节奏，员工现在要同时管理多条并行的任务线程：一边手动写代码，一边让AI生成另一个版本；同时运行多个智能体；又或是重启那些长期搁置的任务，因为AI可以在后台处理。他们之所以能这样做，部分原因是感觉自己有了一个“伙伴”，能帮着推进手头的活。

这种“有伙伴相助”的感觉确实创造了工作动力，但现实是，员工不得不持续转移注意力，频繁检查AI的输出结果，还要面对越来越多未完成的任务。这造成了认知负荷，让人陷入疲于应付的状态，尽管工作本身看起来很高效。

时间一长，这种节奏抬高了人们对速度的期待，它并非源于明确要求，而是源于日常工作中那些逐渐显现并被当作常态的现象。许多员工指出，跟用AI之前比，他们现在要同时处理的任务变多了，压力也更大了，尽管以自动化方式节省时间的初衷本应是减轻这种压力。

所有这一切形成了一个自我强化的循环。AI加速了某些任务的处理，从而抬高人们对速度的期望；速度提升让员工更加依赖AI；对AI依赖加深，又拓宽了员工尝试完成的工作范围，工作量和强度进一步增加。多位研究参与者指出，尽管感觉工作效率提高了，他们并没有觉得更轻松，某些情况下甚至感觉更忙了。

一位工程师的总结是：“你原本以为有了AI，你可以更高效并省下一些时间，这样就能少干点活。但实际上，工作量并没有减少。你的工作量和从前一样多，甚至更多。”

员工主动多扛活，企业多半觉得这是白捡的便宜。员工自己愿意，那还有什么问题？这不就是大家盼着的生产力大爆发吗？

可研究结果并不支持这种乐观。工作在没有规矩的情况下越铺越大、越跑越快，风险就跟着来了：短期看着效率上去了，底下其实藏着悄悄加码的负荷，还有员工同时应付多条AI工作流时越攒越多的认知压力。麻烦在于，这份额外付出往往出于自愿，还常被当成一次“愉快的尝试”，管理者因此很难看清员工肩上到底压了多重。说到底，活干过头会拖累判断力，让出错概率上升，组织也更难分清哪些是真提效、哪些是撑不住的高强度。落到员工身上，累积起来就是疲劳、倦怠，以及越来越难从工作里抽身的感觉——组织对速度和响应的要求越高，这种感觉越明显。

与其被动等着AI工具把职场改一遍，企业和员工不如主动拿出一套“AI准则”，也就是专门定下的规范和惯例，把几件事说清楚：AI怎么用、什么时候该停、有了这种新能力之后工作范围该扩还是不该扩。缺了这套准则，AI辅助工作的那股自然势头不会自己消下去，只会越涨越高，职业倦怠、决策质量、长期可持续性都会受牵连。

企业要建自己的“AI准则”，下面几条可以纳入考虑。

有意识地暂停。任务越跑越快，工作边界越来越糊，企业可以给员工留出短而有序的时间来调节节奏。在这段不被打扰的时间里，员工先别急着往下推，而是核对方向是否一致、把原来的假设重新过一遍、让信息真正消化进去。

这些暂停不会拖慢整体进度，它们要防的，是在没有节制的加速中负荷悄悄变重。比如做重大决策前，组织可以要求团队专门花时间提一个反驳意见，并把这项决策和组织目标的关系讲明白，注意的范围就这么稍微撑开一点，决策便不容易跑偏。把这类暂停嵌进日常流程，组织在AI增强的环境里才更可能做出明智决策、划出健康界限，生产力模式也才撑得久。

对任务进行排序。AI能在后台一直跑，企业就不该只盯着速度，还得立下规矩，有意把握节奏。具体包括：非紧急通知分批处理，消息攒到工作间隙再统一同步，员工的专注时段要护住，别让干扰插进来。

把任务排好序的组织，会鼓励员工按连贯、有序的阶段往前推，而不是每出一个AI结果就立刻响应。这样员工的时间不那么碎，在任务之间来回切换耗掉的时间和精力也能少一些。团队整体的效率同样能稳住。管住工作的顺序和时机，而不是要求员工一直在线响应，组织才更能护住员工的注意力资源、压下认知负荷，在AI导向型（AI-forward）的工作环境里做出更审慎的决策。

维系人际联结。有了AI，越来越多工作一个人就能做完，企业这时若还能给员工留出人际联结的时间和空间，好处不小。快速对个信息、一起复盘一次、或者来一场有结构的讨论，这些与他人短暂接触的机会，能打断员工独自抱着AI工具连轴转的状态，帮他们重新拿回全面的视角。

社交互动还能催生创造力。AI给的是整合过的单一视角，真正的创造性洞察却来自多元的人类观点。为倾听和对话留出时间与空间，组织才能让工作重新落回人与人的联结上，也能缓一缓AI驱动的高节奏对个人精力的消耗。

生成式AI的前景，不只看它能为工作带来什么，更看企业怎么审慎地把它嵌进日常节奏。研究发现，缺了有意识的设计，AI会让人干得更多，却更难停下来。“AI准则”起的是平衡作用：节奏再快，企业也能给员工留出恢复精力和复盘的时间。企业真正要回答的，不是AI能不能改变工作，而是这场变革由自己主动 shaping，还是让AI悄悄改掉自己。

阿鲁纳·兰加纳坦（Aruna Ranganathan） 叶星琪（Xingqi Maggie Ye）| 文

阿鲁纳·兰加纳坦是加州大学伯克利分校哈斯商学院（Haas School of Business）副教授。叶星琪是加州大学伯克利分校哈斯商学院组织管理博士生。