AI 替我做了更多事,我却开始感到无聊

最近，我在工作中遇到一种矛盾的体验。

过去，写程序需要持续投入注意力。理解需求、设计架构、写代码、调错误，遇到问题可能花几个小时找原因。过程并不轻松，但解决后的满足感很强。

现在，越来越多工作交给 AI Agent。我描述需求，它读代码、定方案、改文件、跑测试。过去 AI 只能处理简单任务，我还需要不停跟它对话；如今它能做的事越来越复杂，一跑就是很久，留给我的常常只剩等待。虽然可以同时处理别的事，这种间隙还是免不了。

效率高了，完成的事也多了。但在等待 AI 的间隙，我经常感到无聊。

等待时的无聊，换一件事做也许就能缓解。但顺着这种感受想下去，我注意到另一个问题：过去让我投入其中的那些过程，也跟着一起让出去了。

以前自己花半天定位一个困扰很久的错误，把一段混乱的逻辑理清楚，我能从中感到自己确实理解了什么、掌握了什么。如果越来越多问题都由 AI 解决，项目仍然是我的，但那些具体的理解过程我并没有经历。

技术帮我们摆脱一部分繁重的脑力工作，也可能把工作过程中的投入感和满足感一起带走。

于是我想：如果未来大部分脑力工作都能交给 AI，人会不会变得更无聊？

对这个问题，一种直觉的回答是：不会。

人似乎需要持续的认知刺激。我们喜欢探索未知、寻找规律、解决问题，在混乱中建立秩序。数学、哲学、科学研究，下棋、游戏、创作，都在不同程度上满足这种倾向。

心流理论认为，当挑战和能力匹配时，人容易进入高度投入的状态。几个小时可能转瞬即逝，注意力完全被眼前的问题占据。

一个数学爱好者可能花整个下午研究一道题，最后结论没有实际用途，但探索过程足以让他满足。即使随手就能翻到答案，他也可能刻意避开，因为他想自己推导出来。

这也是对前面那个问题最直接的反驳：答案早就存在，人照样可以享受思考。AI 能解题，为什么就会让人无聊？

但在兴趣活动中，我们可以按自己的意愿保留过程。工作却有期限、成本和竞争。一件事自己做需要三天，交给 AI 只需几个小时，我们很难一直按照自己的兴趣选择。

当周围的人都在用 AI 提高产出，你选择自己从头做完，就得跟人解释为什么不用。即使是自己的项目，也容易想：既然可以更快完成，为什么还要花时间慢慢做？

人享受过程，却又希望尽快得到结果。这两种愿望一直并存。AI 让后一个愿望越来越容易实现。

过去几天才能写出的程序，现在可能只需一段自然语言描述。大量阅读才能整理出的知识框架，现在一次对话就能生成。但拿到一份框架，与自己理解其中的概念和局限，是两回事。

成果可以交给 AI 生成，真正的理解和掌握却需要自己经历。当我们不断跳过这些过程，也就减少了从中获得满足的机会。

叔本华在《作为意志和表象的世界》里提出：人生像钟摆，在痛苦与无聊之间来回摆动。

在他那里，人受欲望驱动。欲望意味着欠缺，欠缺带来痛苦。我们追求尚未拥有的东西，一旦欲望满足，原先支撑生活的目标就消失了。短暂满足之后，无聊出现，于是人又寻找新的欲望。

把这套理论放到今天，会看到一个变化：AI 正在缩短某些欲望从产生到满足的时间。

假设你有一个软件创意。过去需要几个月学习、设计和开发，现在可能几天就能做出原型。你很快得到想要的东西，却发现类似产品别人也能轻易做出来，于是开始找更复杂的项目。AI 又帮你迅速完成。

这种循环可能带来“成就感通胀”。完成得太快，投入不足以换来充分的满足；别人也能轻易做到，同样的成果不再让人觉得有什么特别。

当成就感主要来自“我完成了别人做不到的事”，AI 就会不断抬高这份成就感的门槛。过去独立开发一个应用，足以证明自己掌握了一套复杂技能。如今仅凭一个生成出来的应用，已经很难得出同样的结论。想获得相似的认可，就需要不断提高目标。

这与参与过程带来的满足，是两回事。

别人也能解出一道题，并不会妨碍我享受自己推导的过程。一个应用开发得更容易，也不会削弱它帮助用户时带来的喜悦。满足感可以来自理解和表达，也可以来自解决了一个自己在意的问题。重要的是经历这些事的人有没有真正投入，而不是这些体验本身是否稀缺。

但如果我们最熟悉的奖励方式一直是“我很擅长这件事”“这是我花很大力气做成的”，AI 就会改变这套奖励机制。成果更容易获得，投入与成果之间的联系变弱了。理解的喜悦、创造时的专注、解决问题后的踏实，这些满足仍然存在，只是需要我们自己主动地去辨认，去回过头来寻求，而不会自己浮现出来。

每次技术进步都会创造新挑战，AI 也让人有能力探索过去做不到的事。只是，目标越大、工作越复杂、完成越快，并不意味着成就感越强、生活越充实。

叔本华说的钟摆还在。但欲望的满足周期缩短了，我们也更频繁地面对完成之后的空白。

无聊还有一种更深的形式。

一个人可以有很多事做，却找不到值得投入的目标。他不缺娱乐，也不缺选择，只是无法从这些活动中获得持久的意义。

这接近萨特关心的问题。

萨特提出“存在先于本质”，认为人没有预先确定的本质，需要通过选择和行动塑造自己，并承担后果。

现代人常通过职业和能力建立身份认同。程序员因为能构建复杂系统而自豪，数学家通过解决困难问题确认自己的价值。这些活动同时也构成我们对自己的认识。

如果 AI 能完成绝大部分脑力工作，这种建立在能力上的身份认同就可能变得脆弱。

一个有二十年经验的程序员，即使没有失业，也可能因为大部分工作被 AI 接管而失落。他多年建立的专业能力，不再像过去那样稀缺。当机器能做得更好，他还愿意把时间投入在什么上？

2026 年 10 月 8 日，数学家 Álvaro Lozano-Robledo 在陶哲轩博客上发表客座文章，引用了一位数学本科生的来信。这名学生曾想从事数学研究，如今因 AI 的进展，对职业前景乃至人生意义感到迷茫。作者也写到，一些原本准备攻读博士的学生正在改变主意。对准备投入多年学习的人来说，被动摇的还有“我将成为什么样的人”这份期待。

AI 甚至可以帮我们寻找人生目标。你可以让它分析性格、经历和经济条件，比较不同选择，制定未来十年的规划。

但一个看起来合理的人生规划，未必让人真的想去执行。你可以理解某个目标为什么合理，却依然提不起劲去追求它。知道登山能带来成就感，与自己真的去爬一座山，是两种体验。

萨特强调的自由与责任，在这里仍然有意义。即使 AI 可以给建议，甚至替我们执行计划，我们仍然得自己决定愿意过怎样的生活，并承担选择的后果。

AI 可以帮我们完成目标，但一个目标值不值得追求，还是要我们自己来选择和确认。

加缪笔下的西西弗斯或许更能说明这种处境。诸神惩罚西西弗斯把巨石推上山顶，石头每次都会滚下。加缪说，必须想象西西弗斯是幸福的。他强调的是西西弗斯对自身处境的清醒，以及他在不可改变的命运面前仍然保持的反抗。

如果把 AI 放进这个故事，设想有一天，西西弗斯只需说一句“把石头推到山顶”，机器就能替他完成每一次劳作。

他终于不必再推石头了。

接下来，他愿意做什么？

回到开头。等待 AI 时的无聊，可以用另一项任务填满。但如果我们一直用更多任务填补空白，完成之后又立刻寻找下一个目标，成就感通胀的循环就还在继续。

我自己的一个变化是：写这篇文章时，我没有让 AI 生成初稿。

我不可能写得比它好。但我想自己理清这些想法之间的关系，想知道自己到底怎么看这个问题。写到某一段卡住、重新组织、删掉重来，这些磕绊本身让我更确信最终写下的是我真正想说的话。

如果交给 AI，我会更快得到一篇文章，但未必更清楚自己的想法。

我们仍然可以保留一些不讲效率的事。

就像汽车普及后，人们依然喜欢徒步和登山；即使一道数学题已经有了答案，仍有人愿意花一个下午自己推导。

编程、写作、创作也可以如此。某一段逻辑想自己理清楚，某一篇文章想亲自组织语言，某个作品想慢慢修改。选择这些过程，不需要先证明自己比机器更高效。

当然，困难本身未必值得保留。反复处理格式、寻找一个拼写错误，并不会因为耗时就变得有意义。需要仔细辨认的是，哪些过程让自己更理解一个问题，哪些只是通向结果的障碍。

在工作里，这种选择会受到期限和竞争的限制。我们也未必能立刻放下用职业成就评价自己的习惯。但至少在自己能决定的时间里，可以留下一些愿意亲自投入的事。

脑力工作的重心正在从执行转向判断。在 Agentic Coding 中，程序员的价值越来越多地来自提出问题、设计系统和验证结果，而不是亲手写每一行代码。这种转移可以创造新的挑战，但善于解决技术问题的人，不一定同样享受监督多个 Agent 的工作。

与此同时，当 AI 在越来越多领域超越人类，“我是做什么的”可能不如“我愿意把生命花在什么上面”更能说明一个人是谁。

我们可以想象两种未来。

第一种，AI 消除了大量繁重的工作，人们有更多时间探索自然、建立关系、参与创作。社会不再要求每个人通过经济生产证明自己的价值。AI 成为人类自由发展的巨大助力。

第二种，AI 同样消除了大量工作，但人们失去了原有的职业身份、能力增长路径和社会角色。娱乐和算法推荐不断提供即时刺激，让人越来越难以投入需要长期努力的活动。人同时拥有前所未有的自由时间和前所未有的空虚感。

两个未来在技术上可能十分相似，区别在于人的生活结构、社会制度和个人实践。

但无论走向哪种未来，一种新的矛盾可能变得普遍：技术极大地扩展了人的能力，人对自身生活的参与感却不一定跟着增加。

叔本华认为，欲望的满足最终让人陷入无聊，AI 可能使这种满足来得越来越快。萨特则说，即使外部世界不再提供明确的身份与目标，人仍然需要在自己的处境中选择和行动。这两种思想指向同一个问题：

当 AI 可以替我们完成几乎所有事情，甚至替我们决定什么事情值得完成时，我们还会愿意亲自经历什么？

AI 帮我们节省下来的时间，最终仍要由我们自己度过。