AI省下7小时,研究却卡在下一步

AI能帮你更快查资料、写初稿、整理数据。可如果一天结束，待确认的事实、待拍板的方案、待实施的想法反而更多，我们到底省下了什么？

9月15日，Google、Google DeepMind与MIT FutureTech公布了一项关于AI如何进入科学工作的早期研究。637名英国和美国科学家在问卷中自报：AI平均每周为他们节省约6.9小时。

但同一份问卷里，40.5%的人说，未经检验的假设积压比三年前增加了；43.5%的人说，主要瓶颈在过去两年转移到了研究流程的下游。

AI把“想到、查到、写出”变快了，却没有自动让“验证、实验、完成”一起变快。 我觉得，这可能比任何效率数字都更值得我们看。

这项研究究竟调查了谁

论文不是只发了一份问卷。研究团队结合了三类材料：约1500万条经过匿名处理的Gemini交互样本、2690个科学领域专用AI模型的资料，以及2026年7月27日至8月11日期间对637名英美在职研究者所做的问卷。

前两类材料用来观察AI进入了哪些科学任务；“每周节省多久”“工作卡在哪里”主要来自第三类，也就是受访者的自我报告。

在这637人中，46.6%说自己每天密集使用AI，30.6%说每周经常使用。问卷里的AI并不只指聊天机器人，也包括代码助手和领域专用模型。

图：依据论文图11重绘。数字是这份问卷样本里的使用频率，不代表全球科学家总体。

最需要谨慎的是：它不是一项随机分配AI使用权、再测量成果的实验。参与者可能更关注AI，也可能高估或低估自己节省的时间。因此，“平均节省6.9小时”只能解释为样本中受访科学家的估计，不能当成AI一定让所有人每周多出近一天。

时间省下来了，为什么还会卡住

科学研究不是单一步骤。提出假设、分析数据、做实验、核对结果、写论文，每一步的速度都可能不同。

AI最容易加快的是文字、代码、文献查找和一部分计算分析。但样本中的研究者每周仍要把接近8小时花在数据收集与实验上；这类工作常常要等设备、样本、伦理审批或现实世界的数据。

当提出候选想法的速度快于验证它们的速度，队列就会变长。论文图13显示，43.5%的受访者报告主要瓶颈向实验、写作等下游阶段移动，只有13.8%报告向上游移动；40.5%报告“待检验假设”积压增加，24.8%报告减少。

还有一笔容易被效率演示隐藏的成本：核查。在自报“AI为我节省了时间”的研究者里，45.7%说自己又把超过四分之一的节约时间用于检查、调试或事实核验AI输出。

图：依据论文图13C重绘。这里的分母仅是自报AI带来净时间节约的受访者，不是全部637人。

这不等于“AI其实没有省时间”。它提醒我们：某个步骤提速，不等于整个工作流程提速。 真正的完成速度，取决于最慢、也最不能跳过的那一环。

更多产出，也不等于更多突破

研究者还被问到过去三年实验室或专业产出发生了什么变化。约84%自报产出增加；这包括论文、专利、发现或已完成项目等不同形式，并不是研究团队独立核对后的“AI因果效应”。

论文还有一个值得保留的问题：49%的受访者认为AI让他们更倾向于选择“安全、渐进”的研究问题，28%认为AI让自己敢于处理风险更高的问题。

这两种感受可以同时存在。AI擅长在已有资料和清楚的评估标准里工作，也可能降低跨学科探索的门槛。眼下的证据不足以断言它必然让科学更保守，更不能用“论文更多”直接等同“发现更重要”。

把这个发现带回你的工作

普通职场工作当然不是科学实验，但“上游变快、下游堵住”的结构很熟悉。

AI十分钟能产出五个活动方案，可你只有时间验证一个预算；它能起草十封客户邮件，但每一封仍需核对承诺和事实；它能总结一堆资讯，但你还没决定明天到底行动哪一步。

接下来一周，你可以做一个不需要付费新工具的小实验。

1）选一项反复发生的工作，例如周报、选题、会议纪要或客户回复。

2）把流程拆成四段：收集、生成、验证、执行。只记录你实际投入的分钟数，不凭感觉估计。

3）AI只用于其中一段。记录它让这段快了多少，同时记录新增的核查、返工和等待时间。

4）到第七天，看哪一段排队最久。如果验证成了瓶颈，先减少生成量、提高输入质量或写清验收标准；如果执行成了瓶颈，就从“再要十个想法”改成“先完成一个最小行动”。

这个实验要比较的是完成一件事的总时间与可靠性，不是AI吐出第一稿的速度。

我越来越怀疑，下一阶段真正稀缺的不是“生成更多”，而是把注意力稳稳放在下一处必须由人判断、验证和承担后果的环节。

来源与延伸阅读

1）Google官方报道（2026-09-15），New insights from Google’s AI & Economy ATLAS

2）Google、Google DeepMind与MIT FutureTech研究原文，AI in Science: Early Insights

边界说明：文中主要百分比来自637名英美受访研究者的非代表性、自报问卷；不同指标的回答人数可能略有差异。研究不能据此证明AI导致了假设积压、瓶颈转移或产出增长，也不能直接外推到中国职场。本文的七天实验是面向个人工作流的建议，不是论文验证过的干预方案。