AI让你更高效，为什么你却感觉更忙了？

当企业为AI带来的效率提升而欢呼时，一项研究却揭示了意想不到的后果：AI非但没有减轻负担，反而让员工在赋能的幻觉中自愿承担了更多工作，导致工作强度悄然增加，界限日益模糊。这提醒管理者，在拥抱技术的同时，更需要建立明确的AI使用规范，帮助团队在高效与可持续之间找到平衡，避免透支未来的活力。

当前，许多企业正苦恼于如何让更多员工使用AI。毕竟，AI能够减轻部分工作的负担——例如起草常规文件、汇总信息、调试代码——让员工有更多时间处理高价值任务，这前景着实诱人。

然而，他们是否准备好迎接成功之后可能发生的一切？当领导者们专注于预期的生产率提升时，他们可能会对复杂的现实感到意外，甚至可能直到为时已晚，才看清这些收益背后的代价。

在我们正在进行的研究中，我们发现AI工具并未减轻工作负担，反而持续加剧了工作强度。在一项为期八个月、针对一家约200名员工的美国科技公司中生成式AI如何改变工作习惯的研究中，我们发现员工工作节奏加快、承担任务范围扩大，并将工作延伸到一天中更多的时间——通常并非受命而为。重要的是，该公司并未强制使用AI（尽管提供了商用AI工具的企业订阅）。员工之所以主动承担更多任务，是因为人工智能让“完成更多”这件事变得触手可及且充满可能，并且在多数情况下，这种拓展本身就带来一种内在的满足感。

这对领导者而言或许听起来如梦似幻，但由热情拥抱AI带来的改变可能难以持续，并会引发后续问题。当实验的新鲜感消退，员工会发现工作量已悄然增加，并因突然需要应对所有任务而感到力不从心。这种工作负荷的悄然增长进而可能导致认知疲劳、职业倦怠和决策能力下降。初期享受的生产率激增，可能让位于工作质量降低、人员流动和其他问题。

这让领导者陷入两难。他们该怎么办？要求员工自我调节并非良策。相反，企业需要围绕AI使用制定一套规范与标准——我们称之为“AI实践”。以下是领导者需要了解的内容，以及他们可以采取哪些措施帮助员工取得成功。

生成式AI如何加剧工作强度

去年四月至十二月，我们研究了生成式AI工具如何改变这家科技公司的工作习惯。我们通过每周两天的实地观察、跟踪内部沟通渠道，以及在工程、产品、设计、研究和运营部门进行的40多次深度访谈来完成这项研究。

我们识别出三种主要的加剧形式。

任务扩张

由于AI可以填补知识空白，员工越来越多地承担起原本属于他人的职责。产品经理和设计师开始编写代码；研究人员接手工程任务；组织内的个人尝试过去会外包、推迟或完全避免的工作。

生成式AI让这些任务变得触手可及。这些工具为许多人带来了赋能式的认知提升：它们减少了对他人协助的依赖，并在工作进程中提供即时反馈与修正。员工将这种体验形容为“只是和AI一起尝试些事情”，然而这些尝试逐渐累积，最终实现了工作范围的有意义拓展。实际上，员工无形中承接了过去可能需要增配人力或增设岗位才能完成的工作量。

人们扩大职责范围产生了连锁反应。例如，工程师们反过来花费更多时间审查、纠正和指导同事完成的AI生成或AI辅助工作。这些要求超出了正式的代码审查范围。工程师们越来越多地需要指导那些进行“直觉式编码” 并完成部分代码合并请求的同事。这类指导往往以非正式的形式出现——例如在Slack讨论串中或临时的工位旁答疑——无形中增加了工程师的工作负荷。

工作与非工作界限模糊

由于AI让开始一项任务变得如此容易——它减少了面对空白页面或未知起点的阻力——员工将少量工作滑入原本是休息的间隙。许多人在午餐时、会议中，或等待文件加载时向AI发出指令。有人描述在离开工位前发送“最后一个快速指令”，以便自己离开时AI可以继续工作。

这些行为很少感觉像在做更多工作，但久而久之，它们导致了工作日中自然停顿减少、工作持续参与度更高。指令输入的对话式风格进一步软化了这种体验；向AI系统输入一行文字感觉更像是聊天而非执行正式任务，使得工作容易在不经意间渗入夜晚或清晨。

一些员工描述道，他们常常事后才意识到，当在休息时间发出指令成为习惯，闲暇时光不再能提供同样的恢复感。结果，工作变得界限更模糊、更无处不在——总是可以再推进一点。工作与非工作的界限并未消失，但变得更容易跨越。

更多多任务处理

AI引入了一种新的节奏：员工同时管理多个活跃线程：手动编写代码的同时让AI生成另一个版本，并行运行多个智能体，或重启长期搁置的任务，因为AI可以在后台“处理它们”。他们这样做，部分原因是感觉有了一个能帮助自己推进工作量的“伙伴”。

尽管这种拥有“伙伴”的感觉带来了动力感，现实却是注意力的持续切换、频繁检查AI输出，以及越来越多的未完成任务。这造成了认知负荷和一种总在应对多任务的感觉，即使工作显得富有成效。

随着时间的推移，这种节奏提高了对速度的期望——不一定通过明确要求，而是通过日常工作中变得可见且常态化的现象。许多员工指出，与使用AI前相比，他们同时处理更多任务——并感受到更大压力——尽管自动化的时间节省本应旨在减轻这种压力。

这对组织意味着什么

所有这些形成了一个自我强化的循环。AI加速了某些任务，从而提高了对速度的期望；更高的速度使员工更加依赖AI。依赖增加扩大了员工尝试的工作范围，而范围扩大进一步增加了工作的数量与密度。几位参与者提到，尽管他们感觉效率更高，但并不觉得更轻松，某些情况下甚至感觉比之前更忙。正如一位工程师总结的：“你原以为，哦，因为AI能让你更高效，你就能节省一些时间，工作得少一些。但实际上，你并没有工作得更少。你只是工作了相同甚至更多的时间。”

组织可能将这种自愿的工作扩张视为明显的胜利。毕竟，如果员工是主动这样做的，那有什么不好呢？这不正是我们一直被承诺的生产力爆发吗？

但我们的研究揭示了让工作非正式扩张和加速的风险：短期看似更高的生产力，可能掩盖了员工在同时处理多个AI赋能工作流时，静默增加的工作负荷和日益增长的认知压力。由于这种额外努力是自愿的，且常被当作愉快的实验，领导者很容易忽视员工承担了多少额外负担。久而久之，过度工作可能损害判断力、增加错误概率，并使组织更难区分真正的生产力提升与不可持续的强度。对员工而言，累积效应是疲劳、倦怠，以及日益强烈的工作难以脱身之感——尤其是在组织对速度和响应能力的期望提高之时。

个人与组织不应被动接受AI工具对职场的重塑，而应主动建立“AI实践”：一套有意识的规范与行动框架，用以明确AI的使用边界、界定何时需要暂停依赖，并规划工作应如何（以及不应如何）随着技术能力的拓展而相应调整。没有这样的实践，AI辅助工作的自然趋势不是收缩而是加剧，对倦怠、决策质量和长期可持续性产生影响。

组织在构建AI实践时，应考虑采用以下方法：

有意的暂停

随着任务加速和界限模糊，员工将受益于短暂、结构化的节奏调节时刻：受保护的间隔时间，用于评估一致性、重新考虑假设，或在继续前进前消化信息。

这些暂停不会整体上减缓工作；它们只是防止在加速不受控制时悄然累积的超负荷。例如，决策暂停可以要求在重大决策最终确定前，提出一个反对论点和一个与组织目标的明确联系——足够拓宽注意力范围以防止偏离。将此类暂停融入日常工作流程，是组织在AI增强环境中支持更好决策、更健康的界限和更可持续生产力形式的一种方式。

有序推进

随着AI支持后台的持续运作，组织应建立工作节奏调控机制——不仅关注执行速度，更要有意识地管理任务推进的时机。具体而言，这包括：批量处理非紧急性通知、将进度更新保留至自然停顿点，以及设立受保护的深度工作时段，确保员工能免受不必要的干扰。

有序推进机制倡导工作按连贯的阶段性节奏展开，而非对每个AI产出即时反应。当团队以这种节律协调工作时，员工能减少任务碎片化与高成本的上下文切换，同时维持整体产出效率。通过主动规划工作序列与执行时机——而非被动追求即时响应——有序推进有助于组织在AI驱动的环境中保持专注深度、降低认知负荷，并为更审慎的决策创造空间。

人际联结

当AI承担起更多独立且自成体系的任务时，组织更需要主动守护那些用于倾听与人际连接的时间和空间。即便是简短的交流、共享的反思时刻，或是结构化的对话——这些看似微小的连接机会，都能有效中断与AI工具的持续独处状态，帮助员工跳出局部视角，重获整体视野。

不仅如此，社会性互动更是创造力的源泉。AI虽能提供经过整合的单一视角，但真正的创造性洞见往往源自多元人类观点的碰撞。通过将倾听与对话的时间和空间制度化，组织能够把工作重新锚定于社会情境之中，从而有效缓冲AI高速中介工作所带来的消耗感与个体化效应。

生成式AI的前景不仅在于它能做什么，更在于它如何被深思熟虑地融入日常节奏。我们的研究表明，若无意识，AI会让“做更多”变得更容易——但让“停止”变得更难。AI实践提供了一种制衡：一种在工作加速时仍保留恢复与反思时刻的方式。组织面临的问题不是AI是否会改变工作，而是他们是否会主动塑造这种改变——还是任由它悄然塑造他们。

Aruna Ranganathan 、Xingqi Maggie Ye | 文

Aruna Ranganathan 是加州大学伯克利分校哈斯商学院管理与组织学副教授。Xingqi Maggie Ye 是伯克利哈斯商学院管理与组织学方向的博士研究生。