當企業(yè)為AI帶來的效率提升而歡呼時，一項研究卻揭示了意想不到的后果：AI非但沒有減輕負擔，反而讓員工在賦能的幻覺中自愿承擔了更多工作，導致工作強度悄然增加，界限日益模糊。這提醒管理者，在擁抱技術的同時，更需要建立明確的AI使用規(guī)范，幫助團隊在高效與可持續(xù)之間找到平衡，避免透支未來的活力。

當前，許多企業(yè)正苦惱于如何讓更多員工使用AI。畢竟，AI能夠減輕部分工作的負擔——例如起草常規(guī)文件、匯總信息、調試代碼——讓員工有更多時間處理高價值任務，這前景著實誘人。

然而，他們是否準備好迎接成功之后可能發(fā)生的一切？當領導者們專注于預期的生產(chǎn)率提升時，他們可能會對復雜的現(xiàn)實感到意外，甚至可能直到為時已晚，才看清這些收益背后的代價。

在我們正在進行的研究中，我們發(fā)現(xiàn)AI工具并未減輕工作負擔，反而持續(xù)加劇了工作強度。在一項為期八個月、針對一家約200名員工的美國科技公司中生成式AI如何改變工作習慣的研究中，我們發(fā)現(xiàn)員工工作節(jié)奏加快、承擔任務范圍擴大，并將工作延伸到一天中更多的時間——通常并非受命而為。重要的是，該公司并未強制使用AI（盡管提供了商用AI工具的企業(yè)訂閱）。員工之所以主動承擔更多任務，是因為人工智能讓“完成更多”這件事變得觸手可及且充滿可能，并且在多數(shù)情況下，這種拓展本身就帶來一種內在的滿足感。

這對領導者而言或許聽起來如夢似幻，但由熱情擁抱AI帶來的改變可能難以持續(xù)，并會引發(fā)后續(xù)問題。當實驗的新鮮感消退，員工會發(fā)現(xiàn)工作量已悄然增加，并因突然需要應對所有任務而感到力不從心。這種工作負荷的悄然增長進而可能導致認知疲勞、職業(yè)倦怠和決策能力下降。初期享受的生產(chǎn)率激增，可能讓位于工作質量降低、人員流動和其他問題。

這讓領導者陷入兩難。他們該怎么辦？要求員工自我調節(jié)并非良策。相反，企業(yè)需要圍繞AI使用制定一套規(guī)范與標準——我們稱之為“AI實踐”。以下是領導者需要了解的內容，以及他們可以采取哪些措施幫助員工取得成功。

生成式AI如何加劇工作強度

去年四月至十二月，我們研究了生成式AI工具如何改變這家科技公司的工作習慣。我們通過每周兩天的實地觀察、跟蹤內部溝通渠道，以及在工程、產(chǎn)品、設計、研究和運營部門進行的40多次深度訪談來完成這項研究。

我們識別出三種主要的加劇形式。

任務擴張

由于AI可以填補知識空白，員工越來越多地承擔起原本屬于他人的職責。產(chǎn)品經(jīng)理和設計師開始編寫代碼；研究人員接手工程任務；組織內的個人嘗試過去會外包、推遲或完全避免的工作。

生成式AI讓這些任務變得觸手可及。這些工具為許多人帶來了賦能式的認知提升：它們減少了對他人協(xié)助的依賴，并在工作進程中提供即時反饋與修正。員工將這種體驗形容為“只是和AI一起嘗試些事情”，然而這些嘗試逐漸累積，最終實現(xiàn)了工作范圍的有意義拓展。實際上，員工無形中承接了過去可能需要增配人力或增設崗位才能完成的工作量。

人們擴大職責范圍產(chǎn)生了連鎖反應。例如，工程師們反過來花費更多時間審查、糾正和指導同事完成的AI生成或AI輔助工作。這些要求超出了正式的代碼審查范圍。工程師們越來越多地需要指導那些進行“直覺式編碼” 并完成部分代碼合并請求的同事。這類指導往往以非正式的形式出現(xiàn)——例如在Slack討論串中或臨時的工位旁答疑——無形中增加了工程師的工作負荷。

工作與非工作界限模糊

由于AI讓開始一項任務變得如此容易——它減少了面對空白頁面或未知起點的阻力——員工將少量工作滑入原本是休息的間隙。許多人在午餐時、會議中，或等待文件加載時向AI發(fā)出指令。有人描述在離開工位前發(fā)送“最后一個快速指令”，以便自己離開時AI可以繼續(xù)工作。

這些行為很少感覺像在做更多工作，但久而久之，它們導致了工作日中自然停頓減少、工作持續(xù)參與度更高。指令輸入的對話式風格進一步軟化了這種體驗；向AI系統(tǒng)輸入一行文字感覺更像是聊天而非執(zhí)行正式任務，使得工作容易在不經(jīng)意間滲入夜晚或清晨。

一些員工描述道，他們常常事后才意識到，當在休息時間發(fā)出指令成為習慣，閑暇時光不再能提供同樣的恢復感。結果，工作變得界限更模糊、更無處不在——總是可以再推進一點。工作與非工作的界限并未消失，但變得更容易跨越。

更多多任務處理

AI引入了一種新的節(jié)奏：員工同時管理多個活躍線程：手動編寫代碼的同時讓AI生成另一個版本，并行運行多個智能體，或重啟長期擱置的任務，因為AI可以在后臺“處理它們”。他們這樣做，部分原因是感覺有了一個能幫助自己推進工作量的“伙伴”。

盡管這種擁有“伙伴”的感覺帶來了動力感，現(xiàn)實卻是注意力的持續(xù)切換、頻繁檢查AI輸出，以及越來越多的未完成任務。這造成了認知負荷和一種總在應對多任務的感覺，即使工作顯得富有成效。

隨著時間的推移，這種節(jié)奏提高了對速度的期望——不一定通過明確要求，而是通過日常工作中變得可見且常態(tài)化的現(xiàn)象。許多員工指出，與使用AI前相比，他們同時處理更多任務——并感受到更大壓力——盡管自動化的時間節(jié)省本應旨在減輕這種壓力。

這對組織意味著什么

所有這些形成了一個自我強化的循環(huán)。AI加速了某些任務，從而提高了對速度的期望；更高的速度使員工更加依賴AI。依賴增加擴大了員工嘗試的工作范圍，而范圍擴大進一步增加了工作的數(shù)量與密度。幾位參與者提到，盡管他們感覺效率更高，但并不覺得更輕松，某些情況下甚至感覺比之前更忙。正如一位工程師總結的：“你原以為，哦，因為AI能讓你更高效，你就能節(jié)省一些時間，工作得少一些。但實際上，你并沒有工作得更少。你只是工作了相同甚至更多的時間?！?/p>

組織可能將這種自愿的工作擴張視為明顯的勝利。畢竟，如果員工是主動這樣做的，那有什么不好呢？這不正是我們一直被承諾的生產(chǎn)力爆發(fā)嗎？

但我們的研究揭示了讓工作非正式擴張和加速的風險：短期看似更高的生產(chǎn)力，可能掩蓋了員工在同時處理多個AI賦能工作流時，靜默增加的工作負荷和日益增長的認知壓力。由于這種額外努力是自愿的，且常被當作愉快的實驗，領導者很容易忽視員工承擔了多少額外負擔。久而久之，過度工作可能損害判斷力、增加錯誤概率，并使組織更難區(qū)分真正的生產(chǎn)力提升與不可持續(xù)的強度。對員工而言，累積效應是疲勞、倦怠，以及日益強烈的工作難以脫身之感——尤其是在組織對速度和響應能力的期望提高之時。

個人與組織不應被動接受AI工具對職場的重塑，而應主動建立“AI實踐”：一套有意識的規(guī)范與行動框架，用以明確AI的使用邊界、界定何時需要暫停依賴，并規(guī)劃工作應如何（以及不應如何）隨著技術能力的拓展而相應調整。沒有這樣的實踐，AI輔助工作的自然趨勢不是收縮而是加劇，對倦怠、決策質量和長期可持續(xù)性產(chǎn)生影響。

組織在構建AI實踐時，應考慮采用以下方法：

有意的暫停

隨著任務加速和界限模糊，員工將受益于短暫、結構化的節(jié)奏調節(jié)時刻：受保護的間隔時間，用于評估一致性、重新考慮假設，或在繼續(xù)前進前消化信息。

這些暫停不會整體上減緩工作；它們只是防止在加速不受控制時悄然累積的超負荷。例如，決策暫?？梢砸笤谥卮鬀Q策最終確定前，提出一個反對論點和一個與組織目標的明確聯(lián)系——足夠拓寬注意力范圍以防止偏離。將此類暫停融入日常工作流程，是組織在AI增強環(huán)境中支持更好決策、更健康的界限和更可持續(xù)生產(chǎn)力形式的一種方式。

有序推進

隨著AI支持后臺的持續(xù)運作，組織應建立工作節(jié)奏調控機制——不僅關注執(zhí)行速度，更要有意識地管理任務推進的時機。具體而言，這包括：批量處理非緊急性通知、將進度更新保留至自然停頓點，以及設立受保護的深度工作時段，確保員工能免受不必要的干擾。

有序推進機制倡導工作按連貫的階段性節(jié)奏展開，而非對每個AI產(chǎn)出即時反應。當團隊以這種節(jié)律協(xié)調工作時，員工能減少任務碎片化與高成本的上下文切換，同時維持整體產(chǎn)出效率。通過主動規(guī)劃工作序列與執(zhí)行時機——而非被動追求即時響應——有序推進有助于組織在AI驅動的環(huán)境中保持專注深度、降低認知負荷，并為更審慎的決策創(chuàng)造空間。

人際聯(lián)結

當AI承擔起更多獨立且自成體系的任務時，組織更需要主動守護那些用于傾聽與人際連接的時間和空間。即便是簡短的交流、共享的反思時刻，或是結構化的對話——這些看似微小的連接機會，都能有效中斷與AI工具的持續(xù)獨處狀態(tài)，幫助員工跳出局部視角，重獲整體視野。

不僅如此，社會性互動更是創(chuàng)造力的源泉。AI雖能提供經(jīng)過整合的單一視角，但真正的創(chuàng)造性洞見往往源自多元人類觀點的碰撞。通過將傾聽與對話的時間和空間制度化，組織能夠把工作重新錨定于社會情境之中，從而有效緩沖AI高速中介工作所帶來的消耗感與個體化效應。

生成式AI的前景不僅在于它能做什么，更在于它如何被深思熟慮地融入日常節(jié)奏。我們的研究表明，若無意識，AI會讓“做更多”變得更容易——但讓“停止”變得更難。AI實踐提供了一種制衡：一種在工作加速時仍保留恢復與反思時刻的方式。組織面臨的問題不是AI是否會改變工作，而是他們是否會主動塑造這種改變——還是任由它悄然塑造他們。

關鍵詞：

Aruna Ranganathan 、Xingqi Maggie Ye | 文

Aruna Ranganathan 是加州大學伯克利分校哈斯商學院管理與組織學副教授。Xingqi Maggie Ye 是伯克利哈斯商學院管理與組織學方向的博士研究生。

周強 | 編校

聯(lián)系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org