生成式AI帶來一個(gè)諷刺現(xiàn)象：員工使用率倍增，但企業(yè)卻難見回報(bào)。原因之一是催生了“工作垃圾”——員工用AI快速生成看似精美、實(shí)則空洞的內(nèi)容，將認(rèn)知負(fù)擔(dān)轉(zhuǎn)嫁給同事。真正的AI效能需要主動(dòng)、有目的地將AI作為協(xié)作工具，而非逃避思考的捷徑。

轉(zhuǎn)載來源：哈佛商業(yè)評(píng)論（ID：hbrchinese）

作者：HBR-China

全文 3392 字｜閱讀 12 分鐘

在積極采用生成式AI的公司中，一個(gè)令人困惑的矛盾正在顯現(xiàn)：盡管員工大多遵循指令接納這項(xiàng)技術(shù)，但幾乎沒人看到它創(chuàng)造出真正價(jià)值。例如，去年完全由AI主導(dǎo)流程的公司數(shù)量幾近翻倍。自2023年起，工作中AI的使用量同樣翻倍。然而，麻省理工學(xué)院媒體實(shí)驗(yàn)室的一份報(bào)告顯示，95% 的組織在這些技術(shù)上的投資并未獲得可衡量的回報(bào)。投入諸多精力與熱情，回報(bào)卻寥寥無幾。這是為何？

我們BetterUp實(shí)驗(yàn)室的研究團(tuán)隊(duì)與斯坦福社交媒體實(shí)驗(yàn)室合作，找出了一個(gè)可能原因：員工借助AI工具炮制出無需多少心力、看似尚可的成果，最終卻給同事帶來更多工作。在社交媒體上，低質(zhì)量的AI生成帖子日益泛濫，這類內(nèi)容常被稱作“AI垃圾”。在工作場(chǎng)景中，我們把類似現(xiàn)象稱為“工作垃圾”，即AI生成的工作成果看似質(zhì)量上乘，實(shí)則缺乏能夠切實(shí)推動(dòng)特定任務(wù)進(jìn)展的實(shí)質(zhì)內(nèi)容。

事情是這樣發(fā)生的。隨著AI工具愈發(fā)易用，員工越來越能夠迅速產(chǎn)出看似精良的成果：格式規(guī)整的幻燈片、長篇且有條理的報(bào)告、非專業(yè)人士撰寫卻看似條理清晰的學(xué)術(shù)論文摘要，以及可用代碼。然而，部分員工利用這種能力打磨優(yōu)質(zhì)工作，另一些人卻用它制造出實(shí)際上毫無幫助、不完整，或者缺失項(xiàng)目關(guān)鍵背景信息的內(nèi)容。“工作垃圾”的隱患在于，它將工作負(fù)擔(dān)轉(zhuǎn)移給后續(xù)接手的人，迫使接收者去解讀、糾正或重做這些工作。換言之，它把工作量從創(chuàng)作者轉(zhuǎn)嫁到了接收者身上。

倘若你有過此類經(jīng)歷，或許會(huì)記得打開這類文檔時(shí)先是一陣?yán)Щ?，緊接著懊惱涌上心頭 —— 等等，這到底是什么？—— 隨后你不禁懷疑發(fā)送者是不是直接用AI生成大段文字，根本沒經(jīng)自己思考。若這聽起來似曾相識(shí)，那你就是遭遇了“工作垃圾”。

根據(jù)我們開展的一項(xiàng)調(diào)查，這是個(gè)嚴(yán)重問題。在1150名來自不同行業(yè)的美國全職員工中，40% 的人表示上個(gè)月收到過“工作垃圾”。遇到過“工作垃圾”的員工估計(jì)，他們工作中收到的內(nèi)容平均有15.4%屬于此類。這種現(xiàn)象大多發(fā)生在平級(jí)同事之間（占40%），但也有18% 的情況是下屬向上司發(fā)送“工作垃圾”。16%的情況是“工作垃圾”自上而下傳遞，從管理者傳給團(tuán)隊(duì)，甚至來自更高級(jí)別的人員。“工作垃圾”在各行業(yè)均有發(fā)生，但我們發(fā)現(xiàn)專業(yè)服務(wù)和科技行業(yè)受影響尤為嚴(yán)重。

領(lǐng)導(dǎo)者需要了解“工作垃圾”相關(guān)情況，以及如何防止它阻礙公司正常運(yùn)轉(zhuǎn)。

“工作垃圾”的代價(jià)

將認(rèn)知任務(wù)外包給機(jī)器并非新觀念，對(duì)技術(shù)劫持認(rèn)知能力的擔(dān)憂也早已有之。例如，2006年，科技記者尼古拉斯·卡爾在《大西洋月刊》發(fā)表了一篇頗具爭議的文章，題為《谷歌是否讓我們變笨？》。認(rèn)知外包的主流思維模式 —— 可追溯至蘇格拉底對(duì)字母表的擔(dān)憂 —— 是指我們將繁重的腦力工作推給谷歌這類技術(shù)，因?yàn)楸热缭诰W(wǎng)上搜索信息比記住信息更容易。

然而，與這種將認(rèn)知任務(wù)外包給機(jī)器不同，“工作垃圾”是利用機(jī)器將認(rèn)知工作轉(zhuǎn)嫁給他人。當(dāng)同事收到“工作垃圾”時(shí)，往往需要承擔(dān)解讀內(nèi)容、推斷缺失或錯(cuò)誤背景信息的負(fù)擔(dān)。隨后可能引發(fā)一系列費(fèi)力且復(fù)雜的決策過程，包括返工以及與同事進(jìn)行不愉快的溝通。

來看幾個(gè)例子。

當(dāng)被問及對(duì)“工作垃圾”的體驗(yàn)時(shí)，一位金融行業(yè)的普通員工描述了收到AI生成工作成果的影響：“這讓我陷入一種困境，我得決定是自己重寫，讓他重寫，還是就這樣湊合。這正助長一種風(fēng)氣，造就一個(gè)思維懶惰、思考遲緩的社會(huì)，人們將完全依賴外部力量。”

在另一個(gè)案例中，一位科技行業(yè)的一線經(jīng)理如此描述他們的反應(yīng)：“想要弄明白郵件里究竟講了什么，以及對(duì)方真正的意圖，著實(shí)令人困惑。大概花了一兩個(gè)小時(shí)把大家召集起來，才用清晰簡潔的方式重新把信息傳達(dá)清楚?！?/p>

一位零售行業(yè)的總監(jiān)說：“我不得不浪費(fèi)更多時(shí)間跟進(jìn)這些信息，并通過自己的研究進(jìn)行核實(shí)。然后我又不得不浪費(fèi)更多時(shí)間與其他主管開會(huì)來解決這個(gè)問題。接著我還得繼續(xù)浪費(fèi)自己的時(shí)間，親自重新做這項(xiàng)工作。”

每一次“工作垃圾”的出現(xiàn)都給公司帶來切實(shí)代價(jià)。員工報(bào)告稱，處理每一次“工作垃圾”平均要花費(fèi)1小時(shí)56分鐘。根據(jù)參與者對(duì)所花時(shí)間的估計(jì)以及他們自報(bào)的薪資，我們發(fā)現(xiàn)這些“工作垃圾”事件每月會(huì)產(chǎn)生186美元的隱形成本。對(duì)于一個(gè)擁有10000名員工的組織而言，按照“工作垃圾”的估計(jì)發(fā)生率（41%）計(jì)算，每年會(huì)造成超900萬美元的生產(chǎn)力損失。

受訪者還提到了“工作垃圾”帶來的社交與情感代價(jià)，包括如何委婉回應(yīng)收到“工作垃圾”的難題，尤其是在等級(jí)分明的關(guān)系中。當(dāng)我們?cè)儐栄芯繀⑴c者收到“工作垃圾”時(shí)的感受，53% 的人表示惱怒，38% 的人感到困惑，22% 的人覺得被冒犯。

最令人擔(dān)憂的代價(jià)或許體現(xiàn)在人際關(guān)系方面。低質(zhì)量、無用的AI生成工作成果正對(duì)工作中的協(xié)作產(chǎn)生重大影響。在我們調(diào)查的人中，約有一半認(rèn)為發(fā)送“工作垃圾”的同事在創(chuàng)造力、能力和可靠性方面不如收到成果之前。42% 的人覺得他們不值得信任，37% 的人認(rèn)為這些同事不夠聰明。這很可能呼應(yīng)了關(guān)于在工作中使用AI導(dǎo)致能力評(píng)價(jià)降低的研究，據(jù)稱使用AI編寫代碼片段的工程師被認(rèn)為比不使用的工程師能力更差（而且女性工程師受到的負(fù)面影響尤為嚴(yán)重）。

此外，34%收到“工作垃圾”的人會(huì)將這些情況告知團(tuán)隊(duì)成員或經(jīng)理，這可能會(huì)破壞發(fā)送者與接收者之間的信任。三分之一（32%）收到過“工作垃圾”的人表示，他們未來不太愿意再與發(fā)送者合作。

長此以往，這種人際關(guān)系上的代價(jià)有可能侵蝕協(xié)作的關(guān)鍵要素，而這些要素對(duì)于在工作場(chǎng)所采用AI及進(jìn)行變革管理至關(guān)重要。

領(lǐng)導(dǎo)者能做什么

從某些方面來看，這并非新鮮事。工作中一直都存在敷衍了事的情況。我們?nèi)菀淄涎?，喜歡走捷徑，疲憊時(shí)傾向于忙于瑣事而非認(rèn)真思考。生成式AI為我們提供了一種新技術(shù)，讓我們得以延續(xù)這些老毛病 —— 但現(xiàn)在還額外增加了為同事制造更多工作、大規(guī)模破壞協(xié)作的代價(jià)。

那么，企業(yè)該如何避免這種結(jié)果呢？如何讓員工對(duì)AI的使用達(dá)到最優(yōu)，從而從對(duì)這項(xiàng)變革性技術(shù)的重大投資中獲得可衡量的回報(bào)呢？基于我們的原創(chuàng)研究以及幫助財(cái)富500強(qiáng)公司在員工中成功應(yīng)用AI的經(jīng)驗(yàn)，我們?cè)诖颂岢?strong>一些關(guān)鍵原則：

-不加區(qū)分的要求導(dǎo)致不加區(qū)分的使用：當(dāng)企業(yè)領(lǐng)導(dǎo)者一味倡導(dǎo)在所有場(chǎng)合使用AI時(shí)，他們就表現(xiàn)出在應(yīng)用這項(xiàng)技術(shù)時(shí)缺乏判斷力。很容易理解這會(huì)如何導(dǎo)致員工不假思索地將AI的回復(fù)復(fù)制粘貼到文檔中，即便AI并不適合手頭的工作。生成式AI并非適用于所有任務(wù)，它也無法讀懂人心。誠然，AI可以積極改變工作的某些方面，但要在復(fù)雜或模糊的工作中產(chǎn)生有用的成果，仍需要員工進(jìn)行深思熟慮的指導(dǎo)與反饋。

此外，不加區(qū)分的指令會(huì)引發(fā)推諉責(zé)任的行為。盡管員工在運(yùn)用AI時(shí)理應(yīng)享有自主權(quán)，但企業(yè)自身也需制定關(guān)于最佳實(shí)踐方法、工具選用以及行為規(guī)范的政策與建議。如果使用AI是每個(gè)人的職責(zé)，那么首先，企業(yè)領(lǐng)導(dǎo)者有責(zé)任為員工制定指導(dǎo)方針，幫助他們以最符合企業(yè)戰(zhàn)略、價(jià)值觀和愿景的方式使用這項(xiàng)新技術(shù)。

-心態(tài)很重要：自2023年起，我們的實(shí)驗(yàn)室一直在追蹤預(yù)測(cè)員工采用生成式AI的因素，我們發(fā)現(xiàn)，兼具高主動(dòng)性和高樂觀度的員工比低主動(dòng)性和低樂觀度的員工更有可能采用生成式AI。我們將這些員工稱為“領(lǐng)航員”，而非“乘客”?！邦I(lǐng)航員”在工作中使用生成式AI的頻率比“乘客”高出75%，在工作之外高出95%。

或許更為關(guān)鍵的是，鑒于有關(guān)“工作垃圾” 的這些研究發(fā)現(xiàn)，“領(lǐng)航員” 對(duì)生成式AI的運(yùn)用方式值得關(guān)注。例如，“領(lǐng)航員”比“乘客”更有可能利用AI來提升自己的創(chuàng)造力。相反，“乘客”比“領(lǐng)航員”更有可能為了逃避工作而使用AI?！邦I(lǐng)航員”有目的地使用AI來實(shí)現(xiàn)自己的目標(biāo)。

-重新致力于協(xié)作：與AI協(xié)同工作所需的許多任務(wù)——給出提示、提供反饋、描述背景——都具有協(xié)作性。如今的工作需要越來越多的協(xié)作，不僅是人與人之間的協(xié)作，現(xiàn)在還包括與AI的協(xié)作。協(xié)作的復(fù)雜性只會(huì)不斷加深?！肮ぷ骼本褪茿I帶來的新協(xié)作動(dòng)態(tài)的一個(gè)典型例子，它會(huì)消耗生產(chǎn)力，而非提高生產(chǎn)力。我們與AI的互動(dòng)會(huì)對(duì)同事產(chǎn)生影響，領(lǐng)導(dǎo)者需要推動(dòng)有利于協(xié)作的人機(jī)互動(dòng)。

2025年無縫協(xié)作必須包括我們將AI工作成果融入共同工作流程的方式，以實(shí)現(xiàn)共享目標(biāo)，而不是將其作為暗中逃避責(zé)任的手段。這是組織行為的一個(gè)全新關(guān)鍵領(lǐng)域，將區(qū)分出那些能最大化AI價(jià)值的公司和那些盲目跟風(fēng)AI活動(dòng)卻毫無成效的公司。

“工作垃圾”生成起來或許不費(fèi)吹灰之力，但卻會(huì)給企業(yè)帶來損失。發(fā)送者眼中的捷徑，對(duì)接收者來說卻是需要費(fèi)力填補(bǔ)的漏洞。領(lǐng)導(dǎo)者最好以身作則，謹(jǐn)慎地使用AI，使其具有明確的目的和意圖。為團(tuán)隊(duì)設(shè)定關(guān)于規(guī)范和可接受使用方式的明確界限。將AI定位為協(xié)作工具，而非捷徑。秉持“領(lǐng)航員”的心態(tài)，保持高主動(dòng)性和樂觀度，有針對(duì)性地使用AI來加速實(shí)現(xiàn)特定成果。對(duì)于人機(jī)協(xié)作完成的工作，要堅(jiān)持與人類獨(dú)立完成的工作相同的卓越標(biāo)準(zhǔn)。

凱特·尼德霍夫（Kate Niederhoffer）、加布里埃拉·羅森·凱勒曼（Gabriella Rosen Kellerman）、安吉拉·李（Angela Lee）、亞歷克斯·利布舍爾（Alex Liebscher）、克里斯蒂娜·拉普阿諾（Kristina Rapuano）、杰弗里·T·漢考克（Jeffrey T. Hancock）| 文

凱特·尼德霍夫是BetterUp實(shí)驗(yàn)室副總裁兼社會(huì)心理學(xué)家。她的研究探索AI在工作場(chǎng)所應(yīng)用、人類發(fā)展及人際溝通中的作用。加布里埃拉·羅森·凱勒曼是一名醫(yī)生，也是BetterUp的首席產(chǎn)品官兼首席創(chuàng)新官。安吉拉·李是斯坦福大學(xué)傳播系博士研究生。亞歷克斯·利布舍爾是BetterUp實(shí)驗(yàn)室的研究科學(xué)家。他的研究專注于理解我們?nèi)绾闻c數(shù)字技術(shù)互動(dòng)，以及其對(duì)我們?nèi)穗H關(guān)系的影響?？死锼沟倌取だ瞻⒅Z是BetterUp實(shí)驗(yàn)室的研究科學(xué)家。她的研究探索技術(shù)創(chuàng)新與個(gè)人發(fā)展交叉領(lǐng)域的心理學(xué)。杰弗里·T·漢考克是斯坦福大學(xué)傳播學(xué)教授。他也是斯坦福社交媒體實(shí)驗(yàn)室創(chuàng)始主任及斯坦福網(wǎng)絡(luò)政策中心主任。

周強(qiáng) | 編校

微信 ID：chunnuanhuakai-cch