AI让人类工作更快了,也更碎片了

过去一年，很多人对 AI 办公工具的感受都带着一种矛盾：它确实让写邮件、做纪要、改方案、查资料更快了，但一天并没有因此更完整，反而像被切成了更多更小的时间块。刚写两段文案，团队有人把 AI 初稿丢进群里让你“顺手看看”；刚想安静分析数据，新的会议摘要、改写建议、任务拆解卡片又冒出来。工具在帮你节省动作，但也在制造更多需要你立刻回应的节点。

这也是这个话题真正值得讨论的地方。很多人把 AI 带来的变化理解成“效率提高了”或“有些岗位危险了”，但更先发生、也更普遍的变化，也许是工作节奏本身被改写了。你并不是单纯地多做了什么，而是越来越难连续做完一件事。

这篇文章真正关心的是：AI 为什么会在提高局部效率的同时，让整天的工作体验更碎、更吵、更难专注。

先看这个感觉到底有没有数据基础。微软 2025 年一份基于 Microsoft 365 大规模匿名信号的报告给了一个相当刺眼的描述：在核心工作时段里，员工平均每 2 分钟就会被会议、邮件或消息打断一次；调查里，48% 的员工、52% 的管理者都认为自己的工作“混乱而碎片化”。这组数据当然主要反映微软生态中的知识工作者，但它至少说明，很多人主观上感受到的“根本坐不住一整段时间”，并不是个别抱怨。

更重要的是，这种碎片化并不只来自传统意义上的开会和聊天，而是来自“响应点”的爆炸。AI 工具把许多原本要花半小时做的事压缩到 5 分钟后，组织往往不会把省下来的 25 分钟还给你，而是会把它重新填满：多做一版、再试一种表达、立刻同步给上下游、把纪要变成待办、把待办再拆成子任务。单位动作变快后，单位时间里的协作轮次也更密。

所以判断这个现象，不能只问“AI 有没有提效”，而要问另外两个问题：第一，AI 让单个任务更快之后，组织有没有因此增加任务数量和沟通频率；第二，AI 带来的新工作，是不是更多发生在切换、审阅、确认和协调这些最容易打断专注的环节里。如果这两个问题的答案都是“是”，那碎片化就不是幻觉，而是效率工具外溢出来的工作形态。

AI 让工作更碎，至少有四条机制在同时起作用。

所以这不是一个“AI 好还是不好”的问题，而是一个“AI 把什么工作加速了、又把什么工作拆细了”的问题。生成速度越快，如果组织不重做流程设计，越容易把一天变成高频切换的反应链，而不是低频推进的生产链。

从收益和成本的分配看，这轮变化并不平均。

先受益的通常是组织和管理层。因为 AI 最容易立刻兑现的价值，是更快地产出更多中间结果：更多纪要、更多草稿、更多备选方案、更多过程可见性。对于管理者来说，这意味着决策材料更密、跟进更细、反馈更及时。对平台和软件厂商来说，这也意味着更高频的使用、更强的嵌入、更深的流程依赖。

但成本往往落在执行层，尤其是需要长时间进入状态的知识工作者身上。产品经理、分析师、编辑、研究员、设计师、程序员，很多人的核心价值不是“把第一版做出来”，而是把模糊问题在一段连续时间里想透、磨细、整合好。碎片化最伤的恰恰是这类工作，因为它不是简单地损失 10 分钟，而是损失“重新进入状态”的时间。

这里可以借用传统认知研究的结论。Foroughi 等人在 2013 年关于中断与工作质量的研究中发现，在复杂、创造性的主要任务里，不同阶段插入中断都会稳定降低工作质量。换句话说，真正昂贵的不是那条消息本身，而是它把一条尚未完成的思路切断之后，工作质量也跟着被稀释。

所以 AI 带来的专注力问题，本质上是分工和收益分配问题。组织拿到了更高的周转率，平台拿到了更长的在线时长，个人拿到了更便宜的产出工具，但也承担了更多切换、审阅、同步和注意力损耗。热闹是共同的，专注成本却常常是私人承担的。

第一个误读，是把专注力问题归咎于个人自制力下降。很多人会说，不是 AI 让你碎，是你自己忍不住一直看消息。但现实是，只要组织的流程把越来越多任务改造成即时响应节点，个人意志就很难抵消系统节奏。碎片化首先是工作设计问题，其次才是个人习惯问题。

第二个误读，是把“局部提效”直接等同于“整体更高效”。写一封邮件更快，不等于一天更高效；会议纪要自动生成，不等于团队协作成本更低；初稿出得更快，也不等于最终判断更快。很多时候，AI 把局部动作压缩了，却把上下游的轮次放大了。

第三个误读，是把“AI 正在重塑任务”理解成“工作总量一定同步下降”。NBER 另一篇 2025 年工作论文《Large Language Models, Small Labor Market Effects》发现，AI 聊天机器人采用和职业切换、任务重组相关，但在丹麦样本中并未带来显著的工时或收入净变化。这提醒我们，AI 对很多岗位的第一波影响，不一定是简单替代，而更可能是工作形状改变了：更细、更多节点、更多来回。

如果不把这三个误读拆开，讨论就很容易滑向两个极端：要么把一切都归因于“人变懒了”，要么把一切都归因于“AI 万能提效”。真正值得警惕的是中间地带：AI 正在让很多工作更快，但未必更完整。

接下来，这个议题大概会沿着三种情境展开。

决定走向的关键，不是模型能力本身，而是组织愿不愿意改 KPI、改流程、改协作节奏。如果考核仍然奖励秒回、奖励多版本、奖励随时在线，那 AI 只会把这种节奏推得更极端；如果考核开始奖励一次性交付质量、奖励少打扰、奖励系统吸收噪音，那 AI 才可能真正释放专注力。

对普通人来说，这件事至少有三点现实启发。

如果一项技术让你更高产，却也让你越来越难沉下去，那它带来的就不只是效率问题，而是工作体验、判断质量和长期职业能力的问题。专注力不是一种文艺腔调，它是复杂工作最重要的生产资料之一。

今天很多人对 AI 最真实的感受，不是惊叹它多聪明，而是发现自己更难安静地把一件事做完了。表面上看，AI 在提速；更深处看，它也在把组织对速度、反馈和协作的要求推向更细的颗粒度。

这就是这个话题真正重要的地方。AI 改变的未必只是工作结果，更可能是工作被切开的方式。谁能意识到这一点，并主动把工具用于减少噪音而不是制造噪音，谁才更可能在下一轮效率竞争里保住真正稀缺的东西：连续思考的能力。