夜雨聆风
AI承诺解放时间,却让我们更忙了
|
核心发现 在对一家200人科技公司长达八个月的民族志研究中，研究者发现：生成式AI并未如承诺般释放员工时间，反而通过三种机制加剧了工作强度——工作边界不断扩张、休息间隙被渗透消解、多线程并行成为常态。 |
一、问题的提出：当技术承诺遭遇田野现实
在对一家美国科技公司进行日常工作的田野调查时，加州大学伯克利分校哈斯商学院的博士生叶星琪（Xingqi Maggie Ye）注意到了一个反复出现的模式——这个模式提出了一个极具挑衅性的问题：如果AI不是在减轻工作，而是在加剧工作呢？这项为期八个月的民族志研究由叶星琪与副教授阿鲁娜·兰加纳坦（Aruna Ranganathan）共同完成，研究成果发表于《哈佛商业评论》。在对这家200人规模的公司员工进行观察和访谈后，研究者发现：生成式AI并未释放人们的时间，而是扩展了员工认为自己能够且愿意承担的工作范围。“员工以更快的节奏工作，承担了更广泛的任务范畴，并将工作延伸到一天中更多的时段——很多时候，这并非出于外部要求，而是自发行为。“叶星琪与兰加纳坦在她们正在进行的研究中写道。最初那种兴奋感、实验欲和推进感，悄然累积成了一种难以持续的状态。
|
“AI没有减少工作，它只是重新定义了‘我的工作‘的边界。每一次能力的扩张，都伴随着期望的悄然膨胀。“ —— 研究手记 |
二、研究缘起与方法：走进八个月的田野
我们并未带着“AI会减少工作“或“AI会增加工作“的预设假设进入田野。我们只是希望以一种扎根的方式，理解生成式AI如何塑造日常的工作实践。当我花时间观察并与人们交谈时，一个关于工作投入的模式逐渐浮现出来——它与主流叙事并不完全吻合。正是在那一刻，我们意识到这里有值得理论化的东西。我们的研究基于在一家科技公司为期八个月的民族志调查，该公司的员工可以广泛接触生成式AI工具。我定期驻场，实时观察工作——人们如何安排自己的一天，如何在任务之间切换，针对不同类型的工作使用哪些工具，这些工具如何嵌入他们的日常流程，等等。我参加会议，参与日常对话，以理解AI如何在组织内部被讨论、被常态化，或被争论。此外，我在不同职能部门进行了40余次半结构化访谈。在这些访谈中，我请人们向我详细描述他们的工作流程，并与他们一起反思AI进入工作场景后发生了哪些变化——包括他们现在尝试做的事情中，有哪些是以前绝不会做的；他们如何分配时间；以及一天结束时的感受如何。
|
“我们带着空白笔记本进入田野，而非带着答案。真正的发现，始于对‘理所当然‘的怀疑。“ —— 方法论反思 |
三、核心发现：AI如何“加剧“而非“减轻“工作
在我们的研究中，“工作加剧“（intensification）在实践中呈现出三种主要形态。
（一）工作边界的消融：“我的职责“不断扩张
人们开始承担那些以前属于他人、或者原本根本不会尝试的工作。“我的职责“这一概念的范畴悄然拓宽。AI降低了启动新任务的门槛，使得员工自然而然地跨越了原有的职能边界——一个工程师开始撰写市场文案，一个产品经理开始调试代码片段。这种扩张并非来自自上而下的命令，而是来自技术赋予的“我可以“的自我暗示。
（二）休息间隙的渗透：工作日的自然“断点“被溶解
由于AI让启动和继续任务变得异常容易，工作开始渗入那些曾经作为“停顿“的时刻。人们会在午餐时发送提示词（prompt），在会议前快速迭代一个方案，或在晚上灵感涌现时继续与AI对话。这些原本构成工作日自然节律的“呼吸空间“——等待、停顿、转换——被技术无缝填补，工作日的边界变得模糊而绵长。
（三）多线程并行：人与机器的持续共舞
员工越来越多地同时保持多条工作线索并行运转。他们会在后台运行AI流程的同时审阅代码、起草文档或参加会议。有些人甚至同时运行多个AI智能体（AI agents）。这创造了一种人与机器持续运转的节律——屏幕上永远有进度条在滚动，而人的注意力被迫在不同线程之间不断切换。“他们会在后台运行AI流程的同时审阅代码、起草文档或参加会议。有些人甚至同时运行多个AI智能体。这创造了一种人与机器持续运转的节律。“—— 叶星琪，博士候选人
|
“技术的无缝性是一种温柔的陷阱：它让工作变得无处不在，让休息变得无处可寻。“ —— 田野观察 |
四、雇主的悖论：短期红利与长期隐忧
一些雇主可能会将员工自愿承担更多工作视为一种胜利。如果员工主动承担更多任务且运转更快，这看起来像是生产力承诺正在兑现。然而，挑战在于：短期看似生产力提升的东西，长期可能变得难以持续。随着任务范畴的扩张和多条AI辅助工作流并行运转，工作日变得愈发密集、认知负荷愈发沉重。由于这种扩张最初往往是自我驱动甚至令人兴奋的，期望会悄然重置——曾经的额外付出变成了标准绩效。正是在这里，一个恶性循环开始形成：能力提升→ 产出增加 → 期望提高 → 压力迫使进一步扩张久而久之，持续的任务切换和恢复的减少会损害判断力、增加错误率，而组织将难以区分真正的生产力增益与不可持续的强度之间的差别。
|
“每一次技术的加速，最终都变成了期望的膨胀。当‘额外‘成为‘标准‘，我们就再也回不去了。“ —— 组织行为学观察 |
五、最令人惊讶的发现：微观兴奋与宏观疲惫的撕裂
在这些发现中，最令我惊讶的是人们在描述当下瞬间的投入感与描述整体体验时之间的鲜明反差。在输入提示词、迭代方案、实验新工具的微观时刻里，人们谈论的是 momentum（ momentum感）和一种能力被扩展的感觉。但当他们退后一步，反思更广泛的工作体验时，另一种语调有时会浮现出来——他们描述自己感到更忙碌、更紧绷，或更难以真正断开连接。这种反差表明：“加剧“在构成一天的短暂瞬间中可能是积极的，而累积效应却在更长的时间维度上制造着张力。我们在微观时刻感受能力的扩张，在宏观层面承受精力的透支。
|
“微观时刻的兴奋，掩盖了宏观层面的疲惫。技术让我们爱上了‘更快‘，却忘了问‘更久会怎样‘。“ —— 研究反思 |
六、出路何在：构建有意识的“AI实践“
当我们谈论构建“AI实践“（AI Practice）时，我们指的是对AI赋能工作的节律与边界保持自觉，而非仅仅因为技术使加速成为可能便一味加速。
（一）建立有意识的暂停（Intentional Pauses）
在重大决策前设置简短、结构化的停顿时刻——用以提出反面论证，或将选择明确链接到组织目标，从而确保速度不会挤占反思。让“停下来想一想“成为流程的必要环节，而非效率的敌人。
（二）任务排序与批次处理（Sequencing & Batching）
与其对每一个AI生成的输出立即做出反应，团队可以对非紧急更新进行批次处理，保护专注时段（focus windows），让工作以连贯的阶段推进，而非在持续中断的状态中碎片化前行。将“即时响应“重新定义为“适时响应“。
（三）人际锚定（Human Grounding）
保护用于面对面交流、共同反思和对话的时间，使工作不至于完全变成个体与工具之间的 solitary（ solitary）互动。技术再强大，也无法替代同事间一次真诚的“你今天怎么样“。
|
“意图不是放慢创新，而是确保生产力增益始终对齐、深思熟虑，并在时间的长河中可持续。“ —— 叶星琪，博士候选人 |
七、结语：速度之外，我们还需要什么
这项研究向我们揭示了一个被技术乐观主义叙事所遮蔽的真相：AI确实扩展了我们的能力边界，但能力的扩张并不自动等同于福祉的提升。当“更快“成为唯一的美德，“更多“成为隐性的标准，我们便在不知不觉中将自己卷入了一个自我强化的加速循环。真正的智慧不在于拒绝技术，而在于与技术建立一种有边界、有节律、有反思的关系。组织需要的不是另一套效率工具，而是一种“AI实践“的文化——一种承认人的有限性、尊重休息的必要性、并在速度之外为深度与联结保留空间的文化。毕竟，技术革命的终极目的，不是让我们成为更高效的机器，而是让我们成为更完整的人。
|
“技术革命的终极目的，不是让我们成为更高效的机器，而是让我们成为更完整的人。“ —— 本文结语 |
— — — — —
原标题：AI promised to free up workers’ time. UC Berkeley Haas researchers found the opposite.
原文链接：https://newsroom.haas.berkeley.edu/ai-promised-to-free-up-workers-time-uc-berkeley-haas-researchers-found-the-opposite/
作者：Xingqi Maggie Ye (PhD Candidate, UC Berkeley Haas) · Aruna Ranganathan (Associate Professor, UC Berkeley Haas)
发表于：Harvard Business Review