AI还没有取代我,为什么我已经开始焦虑了?

不妨想象这样一个晚上。

一个做运营的人，把活动需求交给AI，来回讨论、调整几轮，很快有了可用的方案。他核对细节，发进工作群。领导回复：“这次不错。”

原本准备加班的他，终于可以早点回家。

但关上电脑前，一个念头冒了出来：

“以前最费力的部分，现在几轮对话就有了。那我的本事，还值多少？”

工作还在，也刚得到表扬。他却有点高兴不起来。

你可能也熟悉这种别扭：AI确实好用，自己也愿意学。工作做得更快了，心里却没有更踏实。

一、以前大家会找我，现在先找AI

如果你一直是团队里那个“写材料很厉害的人”，这种变化可能格外明显。难写的开头、不顺的汇报，别人常拿来请你看看。

后来，同事们开始先找AI。过去常来请教的人，消息慢慢少了。

你也在用，而且用得不差。哪些表述太空，哪些判断不符合实际，你一眼就能看出来。可还是有点失落：过去那种“这件事得找你”的感觉，淡了。

你有点怀念，帮人改完材料后听到的那句：

“还是你有经验。”

一项关于工作场所“AI身份威胁”的研究发现，工作内容变化、地位损失感等，与这种威胁感有关。研究没有证明因果关系，但职业角色的变化，是理解这类担忧的一条线索。^[1]

材料最后还是要交出去，你对业务的了解仍然有用：哪句话不能这样写，哪项承诺根本做不到，哪些数字需要再核一遍。AI能给出一稿，这些地方仍得有人把关。

麻烦在于，过去别人能看见你从头写了一份材料；现在，他们可能只看见“AI写得不错”。

纠错、取舍、拿捏分寸，这些工作没消失，只是没有写出一整篇材料那么显眼。

二、成果更好了，我却更怕被追问

汇报时，最怕的可能是一句没准备过的追问。

设想一位刚入职的年轻人：他用AI整理思路、完善表达，还准备了可能被问到的问题。报告很完整，他逐页看过，觉得自己都懂了。

直到有人问：

“这里为什么选择这个指标？换成另一个，结论会不会不同？”

他愣住了。这个问题不在准备好的答案里。他能复述报告上的解释，却说不清最初为什么这么选。

回过头再看报告，他反而没那么有把握了：

“报告是我交的，可这件事，我到底懂了多少？”

把报告做出来，只是过了一关。别人再追问两句，还能不能解释清楚，是另一关。

沿途的地图、方法和意外发现，也属于探索的收获。借用这个比喻来看工作，报告做好了，自己却未必已经弄懂那些关键判断。

2026年发表于《Scientific Reports》的一项职业写作实验发现，直接复制AI内容，会削弱独立完成任务的信心、成果归属感和工作意义感；先自行起草，再让AI修改完善，则较好地保留了这些感受。

这些结果来自特定写作任务，还不能说明长期焦虑会怎样变化。^[3]

下次汇报前，他可以挑一个最重要的判断，关掉报告，试着讲清楚为什么这么选。讲不下去的地方，再查资料或请AI帮忙解释，随后核对依据。

三、效率提高了，生活却没有更轻松

OECD关于韩国劳动力市场的报告，记录了一位游戏角色设计师使用AI后的变化：制作一个角色，从十多天缩短到一两天。

但他需要反复调整提示、筛选和修正输出，还承受着让成品看不出AI生成痕迹的压力。他报告说，手工作业减少了，精神压力却没有明显降低。^[4]

这只是报告中的一个个案。不过，花在手工制作上的时间少了，提示怎么写、结果怎么改，仍要耗费心力。

也可能遇到这样的安排：你把一天的工作压缩到半天，想留出时间仔细检查方案，也能准时接孩子。主管看到效率提升，说：

“既然现在这么快，那这周再多做三套吧。”

你学会了新方法，却又接到更多活儿。原本以为能准时下班，最后还是得加班。

OECD的研究材料同时记录了两种结果：AI能减少重复劳动、改善工作体验，也可能伴随更高的绩效目标和更复杂的任务。效率提升后会发生什么，也取决于公司的安排。^[4]

喜欢AI带来的方便，也担心工作要求越抬越高，这两种感受可以同时存在。

问题也就变得很实际：活儿做得更快了，能不能早点下班？多出的任务，要不要重新商量工作量？

这些事，很难靠个人再学一个工具来解决。怎么安排工作量，怎么评价贡献，省出的时间由谁支配，都得在团队里谈。

四、越关注AI，为什么越觉得自己落后？

如果你常在睡前刷AI教程，可能熟悉这样的过程。

一段视频里，有人用新工具做出了应用。你收藏教程。另一段展示自动完成工作的流程，你想，这个也得学。

刷了半个多小时，收藏夹越来越满，明天的工作怎么做，却还是没想清楚。

放下手机时，甚至有点内疚：今晚怎么又只是看，没有开始学？

视频里的新进展，看着看着就变成了对自己的催促：

“别人已经做到这里了，我是不是又落后了？”

更难的是，连要学什么都拿不准。继续钻研专业，怕行业变了；学一个新工具，又怕刚上手就过时。

关于焦虑的研究指出，对未来负面事件的不确定，会使人更难准备和应对。这是一种理解上述不安的思路；那项研究讨论的是一般机制，并没有专门研究AI。^[5]

刷更多教程，本来是想踏实一点，结果却发现：还有这么多没学。

这时，可以先给自己定一个小任务：

“这周工作里，哪件事最费时间？我能不能用刚看到的工具试一次？”

试完再判断：真省事了，还是核查、修改的时间更多？适合就用，不适合就暂时放下。至少这一次，你有了自己的结论。

五、先从手头这份工作开始

着急的时候，很容易又给自己加任务：再学两个工具，多看几篇教程。可如果任务永远加不完，学习本身也会变成压力。

先拿手头这份工作试试。

看看自己改过哪些地方。

完成方案后，翻一下修改记录。AI哪里说错了？哪处需要补上业务背景？最后采用的方案，是你按什么条件选出来的？

下次和同事讨论时，这些改动就是现成的依据。修改记录也方便你检查：哪些地方有把握，哪些只是看着顺，还没核实。

选一个关键问题，离开稿子讲一遍。

选这次任务里最重要的一处，试着给同事讲明白：为什么这么选？如果条件变了，结论还成立吗？卡住了，就从这里补。

讲不清的时候，也可以让AI反过来提问，或者列出另一个方案供你比较。回答完，再核对依据。

留意省下的时间，最后去了哪里。

英国NFER开展的一项学校随机对照试验发现，使用ChatGPT并获得使用指南的教师，在试验后期，特定科学课程的备课时间比对照组少约31%；专家盲评没有发现教学资源质量差异。

教师报告把省下的时间用于其他教学任务，或减少整体工作负担。

这不是全部工作量下降31%，也没有直接证明焦虑缓解。^[6]

省出的时间最后怎么用，这个细节比一个效率数字更贴近我们的日常。

如果工作安排允许，省下的一点时间可以用来再查一遍数据，也可以用来从容吃一顿午饭。效率有没有改善生活，有时就体现在这些小地方。

这些安排，也需要公司参与。OECD对七国制造业和金融业的调查发现，接受过培训的AI使用者，更常报告AI改善了工作表现和工作条件；公司会征求员工意见时，也有类似关联。调查不能证明因果关系。^[7]

用AI之后要多做多少事，培训算不算工作时间，岗位变化时能获得什么支持，都需要谈清楚。

回到那个收到“这次不错”的晚上。

那句表扬，当然可以收下。方案做得好，有AI的帮助，也有你核对、修改、拍板的那一部分。以后还会有哪些变化，现在未必能想清楚。

至少今晚，工作已经做完了。如果能早点回家，就早点回家。弄懂那几个还没弄懂的问题，是明天的事。

参考资料与阅读来源

[1] Mirbabaie等：The rise of artificial intelligence – understanding the AI identity threat at the workplace. Electronic Markets，2022。https://doi.org/10.1007/s12525-021-00496-x

[2] Terence Tao：Big Think访谈 The world’s greatest mathematician explains 6 essential concepts of math，The hiking analogy 小节。https://bigthink.com/series/full-interview/6-essential-mathematical-concepts/1280/

[3] Lee等：Relying on AI at work reduces self-efficacy, ownership, and meaning while active collaboration mitigates the effects. Scientific Reports，2026。研究包括269人的职业写作实验和270人的后续调查，正文讨论实验结果。https://doi.org/10.1038/s41598-026-42312-6

[4] OECD：Artificial Intelligence and the Labour Market in Korea，The impact of AI on the labour market 章节；设计师案例见 Box 2.8。https://www.oecd.org/en/publications/artificial-intelligence-and-the-labour-market-in-korea_68ab1a5a-en/full-report/the-impact-of-ai-on-the-labour-market_69793977.html

[5] Grupe与Nitschke：Uncertainty and anticipation in anxiety: an integrated neurobiological and psychological perspective. Nature Reviews Neuroscience，2013。https://doi.org/10.1038/nrn3524

[6] NFER：ChatGPT in lesson preparation – A Teacher Choices Trial，2024。68所学校、259名七八年级科学教师参加学校随机对照试验；干预包含使用指南，31%的差异对应试验第6—10周的特定课程备课时间。https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/

[7] Lane、Williams与Broecke：The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers. OECD，2023。调查涉及七国的制造业和金融业，相关结果属于关联性证据。https://doi.org/10.1787/ea0a0fe1-en