AI并没有减少工作——它加剧了工作「哈佛商业评论」
作者：Aruna Ranganathan, Xingqi Maggie Ye
发表日期：2026年2月9日
摘要：AI的承诺之一是能够减少工作量，让员工能够将精力集中在价值更高、更具吸引力的任务上。但根据一项最新研究，AI工具并没有减少工作，反而持续加剧了工作：研究表明，员工的工作节奏加快了，承担的任务范围更广了，并且将工作时间延长到了每天的更多时段，而这些通常都是在没有被上级要求的情况下发生的。这听起来像是一个好消息，但事情并没有那么简单。这些变化可能是不可持续的，会导致工作量悄然增加（workload creep）、认知疲劳、职业倦怠以及决策能力下降。最初享受的生产力飙升可能会让位于工作质量下降、人员流失及其他问题。为了纠正这一点，公司需要采用一种“AI实践（AI practice）”，即一套围绕AI使用的规范和标准，这可以包括有意地停顿、合理安排工作顺序以及增加更多的人际连结。
目前，许多公司都在为如何让更多员工使用AI而发愁。毕竟，AI承诺能够减轻某些工作的负担——例如起草常规文档、总结信息和调试代码——并让员工有更多时间处理高价值任务，这实在太诱人了。
但是，如果他们成功做到了这一点，他们准备好迎接可能发生的事情了吗？虽然领导者们一直专注于AI所承诺的生产力提升，但他们可能会惊讶于复杂的现实，并且可能直到为时已晚才发现这些收益到底付出了什么代价。
在我们正在进行的研究中，我们发现AI工具并没有减少工作，反而持续加剧了工作。在一项为期八个月的研究中，我们调查了生成式AI如何改变一家拥有约200名员工的美国科技公司的工作习惯。我们发现，员工的工作节奏加快了，承担的任务范围更广了，并且将工作时间延伸到了每天的更多时段，而这些通常是他们自发进行的。重要的是，该公司并没有强制要求使用AI（尽管它确实提供了市面上商业AI工具的企业订阅）。在员工自发的意愿下，他们做了更多工作，因为AI让“做更多”感觉可行、容易上手，并且在许多情况下能带来内在的成就感。
虽然这对领导者来说听起来像是梦想成真，但热情采用AI所带来的这些变化可能是不可持续的，并在未来引发各种问题。一旦尝鲜的兴奋感褪去，员工可能会发现他们的工作量在不知不觉中变大了，并且因为突然要应付手头成堆的事务而感到分身乏术。这种工作量的潜行增长（workload creep）进而会导致认知疲劳、职业倦怠和决策能力减弱。最初享受的生产力飙升可能会让位于工作质量下降、人员流失和其他隐患。
这让领导者陷入了进退两难的境地。他们该怎么办？要求员工自我约束并不是一个制胜策略。相反，公司需要围绕AI的使用制定一套规范和标准——我们称之为“AI实践（AI practice）”。以下是领导者需要了解的核心内容，以及他们可以采取哪些措施来帮助员工取得成功。
生成式AI如何加剧工作
去年4月至12月，我们研究了生成式AI工具如何改变了这家科技公司的工作习惯。我们通过每周两天实地观察、跟踪内部沟通渠道，并在工程、产品、设计、研究和运营部门进行了40多次深度访谈。
我们确定了工作加剧的三种主要形式：
任务扩张 (Task expansion)。 因为AI可以填补知识空白，员工越来越频繁地涉足以前属于别人的职责范围。产品经理和设计师开始写代码；研究人员承担了工程任务；整个组织里的个人开始尝试那些过去他们会外包、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。许多人体验到这些工具提供了令人振奋的认知提升：它们减少了对他人的依赖，并在操作过程中提供了即时的反馈和纠错。员工将此描述为用AI“随便试一试（just trying things）”，但这些实验日积月累，带来了工作职责范围实质性的扩大。事实上，员工越来越多地消化了那些过去可能需要额外求助或增加人手才能完成的工作。 人们扩大职责范围产生了连锁反应。例如，工程师反过来需要花更多时间审查、纠正和指导同事通过AI生成或辅助完成的工作。这些需求超出了正式代码审查的范畴。工程师越来越多地发现自己需要去指导那些“凭感觉写代码（vibe-coding）”的同事，并帮他们收尾只做了一部分的拉取请求（pull requests）。这种监督通常是非正式的——比如在Slack的消息树中，或是工位旁的快速请教——但这无形中增加了工程师的工作量。
工作与非工作边界的模糊 (Blurred boundaries between work and non-work)。 因为AI让开始一项任务变得如此容易——它减少了面对空白文档或未知起点的心理阻力——员工开始将少量工作塞进原本应该是休息时间的空隙中。许多人在午餐时间、开会时或等待文件加载时向AI输入提示词（prompt）。有些人表示，在离开办公桌前会发送一个“最后的快速提示词”，这样AI就可以在他们走开时继续工作。 这些行为很少让人觉得是在“加班”，但随着时间的推移，它们造就了一个自然停顿更少、工作参与度更连续的工作日。对话式的提示风格进一步柔化了这种体验；向AI系统输入一句话感觉更像是聊天，而不是在执行一项正式任务，这使得工作很容易在没有刻意打算的情况下蔓延到晚上或清晨。 一些员工事后回想才意识到，当在休息期间向AI输入提示词成为一种习惯时，休息时间就无法再提供同样的恢复感了。结果是，工作感觉不再受到时间限制，而更像是一种环境背景——一种随时都可以再向前推进一点的东西。工作与非工作之间的界限并没有完全消失，但变得更容易跨越了。
更多的多任务处理 (More multitasking)。 AI引入了一种新的节奏，员工可以同时处理几个活动的任务线：在手动编写代码的同时让AI生成一个备用版本，并行运行多个AI代理（agents），或者重启长期搁置的任务，因为AI可以在后台“处理它们”。他们这样做部分是因为他们觉得拥有了一个可以帮助推进工作量的“伙伴”。 虽然这种拥有“伙伴”的感觉带来了一种前进的势头，但现实情况是：员工的注意力在不断切换，需要频繁检查AI输出，手头未完成的任务数量也在不断增加。这造成了巨大的认知负荷和一种永远在同时应付多项任务的感觉，哪怕工作本身感觉很高效。 随着时间的推移，这种节奏提高了大家对“速度”的期望——这种期望不一定是明确规定下来的，而是通过日常工作中可见的、常态化的行为体现出来的。许多员工指出，与使用AI之前相比，他们同时做的事情更多了——感受到的压力也更大了，尽管自动化省下的时间表面上本来是为了减轻这种压力的。
这对组织意味着什么——以及“AI实践”如何提供帮助
所有这一切产生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；速度的加快使员工更加依赖AI；依赖的增加扩大了员工尝试的任务范围，而更广的范围进一步增加了工作的数量和密度。
几位受访者指出，虽然他们感觉效率更高了，但并没有觉得不那么忙了，在某些情况下甚至觉得比以前更忙了。正如一位工程师总结的那样：
“你曾以为，哦，也许有了AI我可以变得更高效，这样就能省点时间，少干点活。但实际上，你并没有少干活。你只是干了同样多的活，甚至干得更多了。”
组织可能会把这种自发的“工作扩张”视为一次明显的胜利。毕竟，如果员工是自发这么做的，这能有什么坏处呢？这难道不正是我们所期盼的生产力大爆发吗？
但我们的研究揭示了让工作非正式地扩张和加速的风险：短期内看起来像更高生产力的表现，可能会掩盖无形的工作量增加，以及当员工同时处理多个AI工作流时不断增长的认知压力。 因为额外的努力是自愿的，并且通常被美化为有趣的实验，领导者很容易忽视员工到底承担了多大的额外负荷。随着时间的推移，过度工作会损害判断力，增加犯错的可能性，并使组织更难区分真正的生产力提升和不可持续的内卷强度。对员工而言，累积的后果是疲劳、倦怠，以及越来越觉得难以从工作中抽身，特别是随着组织对速度和响应能力的期望不断水涨船高之时。
与其被动地应对AI工具重塑工作场所的方式，个人和公司都应采用一种“AI实践（AI practice）”：这是一套有意的规范和惯例，用来构建AI的使用方式、明确何时应该停止，以及界定工作应该或不应该如何随着新获得的能力而无限扩展。如果没有这样的实践约束，AI辅助工作的自然趋势就不是减轻负担，而是加剧工作强度，进而影响员工的身心健康、决策质量和长期可持续性。
在组织努力构建其“AI实践”时，应考虑采用以下策略：
有意地停顿 (Intentional pauses)。 随着任务加速和边界模糊，员工可以从短暂、结构化的停顿时光中受益，以此来调节节奏：在继续前进之前，设立受保护的时间段去评估一致性、重新审视假设或消化信息。 这些停顿不会拖慢整体工作进度；它们只是防止加速不受限制时无形积累的过载。例如，“决策停顿”机制可以要求：在最终确定重大决策之前，必须提出一个反证论点以及一个与组织目标的明确联系——将注意力范围稍加拓宽，就足以防止决策偏航。将此类停顿纳入日常工作流程，是组织在AI增强的工作环境中支持更好决策、建立更健康边界以及更可持续生产力的一种有效方式。
合理安排工作顺序 (Sequencing)。 随着AI在后台实现持续的活动，组织可以从刻意塑造工作推进“时机”（而不仅仅是速度）的规范中获益。这包括批量处理非紧急的通知，将工作更新留到自然的休息点再发送，以及保护员工的“专注时间窗口”免受干扰。 排序机制并不是要求对每个弹出的AI生成输出立即做出反应，而是鼓励工作以连贯的阶段来推进。当以这种节奏进行协调时，员工会体验到较少的碎片化和更少的高代价“上下文切换”，同时团队也能保持整体的产出吞吐量。通过调节工作的顺序和时间——而不是要求员工提供持续的响应——合理排序可以帮助组织在由AI驱动的工作场所中保护注意力、减少认知超载并支持更深思熟虑的决策。
保持人际连结 (Human grounding)。 随着AI使得更多独立、封闭的单人工作成为可能，组织可以从“保护倾听和人际互动的时间与空间”中受益。创造短暂的时机与他人建立联系——无论是通过简短的签到打卡、共同的反思时刻，还是结构化的对话——都能打破员工与AI工具之间连续的单向交互，帮助他们恢复全局视角。 除了提供不同的视角之外，社会交流还能激发创造力。AI提供的是一种单一的、经过合成的视角，但创造性洞察力往往取决于接触多种人类真实观点的碰撞。通过将倾听和对话的时间与空间制度化，组织可以将工作重新锚定在真实的社会环境中，并有助于抵消快速、由AI中介的工作所带来的精力消耗与个体孤立感。
. . .
生成式AI的承诺不仅在于它能为工作带来什么，还在于它能被多么深思熟虑地融入我们的日常节奏中。我们的研究结果表明，如果不加刻意的引导，AI会让人更容易做得更多——但也更难停下来。
“AI实践”提供了一种平衡：即使在工作加速的当下，也提供了一种保留恢复和反思时刻的方法。组织面临的问题不再是AI是否会改变工作，而是：他们是否愿意主动去塑造这种改变——还是任由这种改变悄然地将他们吞噬。
延伸阅读标签：生成式AI (Generative AI), 技术与分析 (Technology and analytics), 自动化 (Automation), 职业倦怠 (Burnout)
作者简介
- Aruna Ranganathan：伯克利加州大学哈斯商学院（Haas School of Business, UC-Berkeley）管理与组织学副教授。她拥有麻省理工学院斯隆管理学院（MIT Sloan）博士学位。她的研究使用全周期研究方法来探讨工作的未来、工作认同以及工作场所的不平等问题。
- Xingqi Maggie Ye：伯克利加州大学哈斯商学院管理与组织学博士生。她的研究结合民族志和实地实验，探讨生成式AI如何重塑工作实践、职业身份和组织结构。她拥有康奈尔大学（Cornell University）健康管理硕士学位（MHA）和伦敦帝国理工学院（Imperial College London）理学士学位。