为什么AI能力越来越强,我们却越来越累

写方案、写代码、回消息，现在丢给 AI 往往只要几秒钟。按理说，苦力活有人替了，我们早该提前下班了。

可我跟身边不少做产品、写代码的朋友聊起最近的状态，大家都有同一种感受：每天关上电脑的时候，手确实没以前酸了，脑子却比以前自己干活时还要累。

这并不是少数人的错觉。Upwork Research Institute 调查了美、英、澳、加 2500 名职场人，结果非常有意思：96% 的公司高管都觉得 AI 能帮团队大幅提效，但真正每天在一线用 AI 的员工里，有 77% 的人表示，AI 反而增加了自己的工作量，近一半人根本不知道怎么达到老板预期的提效目标。

明明工具越来越强，多出来的这股累，到底是从哪来的？

省下了敲字的手，累坏了挑错的眼

回想一下，没有 AI 之前我们是怎么写一份方案或者一段代码的。

那时候从零开始，脑子里顺着一条线往下想，手跟着把字敲出来。虽然慢，但你的思路和屏幕上的字始终在同一个频道里，哪里拿不准，写的时候自己心里就有数。

现在不一样了。你把要求丢给 AI，十秒钟不到，它给你吐出一篇两千字的初稿，或者两百行代码。看着挺通顺，结构也像模像样，大概能打个八十分。

但问题恰恰出在这个“八十分”上。它大概率不能直接交差：长文里可能顺嘴编了一个不存在的日期，代码里可能漏判了某个边界条件。为了不背锅，你得把这几千字从头到尾读一遍，顺着它的逻辑倒推，把藏在通顺句子底下的小毛病一个个揪出来。

拿我自己做这个账号来说，每次让 AI 帮忙整理资料或写脚本，有些细节我都得盯着它：英文产品名就留英文，别擅自音译成中文；引用研究数据先去翻原始发布日期，别把去年的旧闻当今天的新闻；画图排字还得查一遍文字有没有超出卡片、字幕有没有盖住底下的标签。它替我省了敲键盘的工夫，可我核对这些细节的精力，一点都没少花。

Upwork 的那份调查里，员工反馈 AI 让工作变累的第一大原因，占了 39%，就是得花更多时间去审阅和修改 AI 生成的内容。我们不知不觉从自己动手的执行者，变成了专门替 AI 半成品挑错、改稿、兜底的审查员。

觉得快了 20%，实测反而慢了 19%

更让人意外的是，有时候我们觉得 AI 帮自己省了时间，实际算总账未必如此。

2025 年 7 月，AI 评估机构 METR 发布了一项随机对照实验。他们找来 16 位经验丰富的资深开源开发者，在各自维护多年、平均超过 100 万行代码的大型真实仓库里，完成了 246 个日常开发任务。每接一个任务，系统随机决定这一单允不允许用 Cursor Pro、Claude 3.5 或 3.7 Sonnet 这类工具。

实验开始前，开发者们预测 AI 能让自己快 24%。等任务全部做完，研究人员再问大家的主观感受，大家依然觉得 AI 帮自己提速了 20%。

可等研究人员回看屏幕录像、统计真实耗时，结果却倒了过来：允许用 AI 的那组任务，实际完成时间反而比不用 AI 慢了 19%。

这并不意味着 AI 写代码没用。METR 在报告里写得很清楚，这批开发者改的是自己非常熟悉、质量要求又极高的百万行级老项目。要是换成写个新原型、搭个自己不熟的小工具，AI 依然能帮上大忙。

但这个实验揭示了一个平时很难察觉的现象：看着屏幕上代码一行行飞快滚出来，手指不用敲键盘了，大脑很容易产生“我变快了”的爽感。可把写提示词、等它生成、逐行检查代码风格、发现不对再推翻重来的时间全算进去，省下的那点敲字时间，早就赔进去了。

同时当三个 AI 的主管，专注力被切碎了

除了给单个半成品挑错，现在还有一种更耗神的工作方式：多窗口并行。

因为 AI 生成一段东西通常要等十几秒到半分钟，很多人为了不浪费这点空当，习惯同时开三四个窗口。左边窗口让它写报告，趁它还在转圈，赶紧切到中间窗口让它查资料，再切到右边窗口回工作消息、改另一段代码。

微软在 2025 年工作趋势指数报告里，给这种新角色起了个名字，叫“Agent Boss”，也就是每个人都变成了管着好几个 AI 助理的主管。听起来挺风光，可微软同期基于 Microsoft 365 活跃用户的遥测数据显示，在核心工作时段，高频办公人群平均每 2 分钟就会被会议、邮件或消息打断一次，一天下来累计被打断 275 次。

人类的大脑非常不擅长这种高频切换。你每从一个窗口跳到另一个窗口，脑子都要先把上一件事的背景卸掉，再把下一件事的要求装进来。哪怕每次只切十几秒，连着转一上午，工作记忆就像被反复拔插的硬盘。

AI 替我们接管了最不费脑子的机械输出，却把最耗神的上下文切换、真伪核对和拍板兜底，全留给了人。

杰文斯悖论：单次省下的时间，引来了五倍的活

说到这儿，你可能会问：有些常规工作不用那么高标准，以前写一版初稿要三小时，现在用 AI 二十分钟就能交差，就算加上检查时间，也实打实省下了两个多小时。那省出来的时间去哪了？

160 年前，英国经济学家威廉·斯坦利·杰文斯在《煤炭问题》里写过一个几乎一模一样的现象。

当时瓦特改良了蒸汽机，烧煤效率大幅提高。按常理推算，机器省煤了，全英国的煤炭消耗量应该往下掉才对。结果恰恰相反，英国的煤炭总消耗量不仅没降，反而迎来了爆发式暴增。这就是经济学里著名的“杰文斯悖论”。

原因其实很朴素：当烧煤获取动力的单次成本变得足够便宜，以前用不起蒸汽机的纺织厂、矿山、铁路全涌进来用，还顺手开出了比以前多得多的生产线。单次省下来的那点煤，全被暴涨的新需求吃光了。

今天我们在办公桌前遇到的，正是注意力版本的杰文斯悖论。

以前写一份方案初稿要三天，老板和客户知道这事费劲，通常让你先出一个方向，大家对齐了再往下推。现在大家都知道你有 AI，半小时就能拉出一版。这时候不管是老板、客户，还是我们自己，第一反应往往都不是“干完这件早点歇着”，而是“既然这么快，干脆一口气出五个不同方向的版本，放一起比一比”。

写代码的同学感触可能更深。以前手写一个功能得两天，现在半天跑通了，顺手又被塞进来三个新需求，或者自己手痒又多开了两个新坑。

Upwork 2025 年的追踪调查把这笔账算得很明白：借助 AI，员工的平均产出效率确实提升了 40%；可在那批用 AI 产出最高、跑得最快的员工里，高达 88% 的人正在经历职业倦怠，想离职的比例是普通同事的两倍。

因为 AI 降低的只是生成初稿的成本，并没有拓宽人类大脑的精力上限。当单次提速引来了五倍的版本和三倍的并行项目，每一版最后还是得靠你的眼睛去审、靠你的脑子去拍板。初稿越便宜，涌向你大脑的终审任务就越密集。

给自己留出脑力的三把标尺

那在日常工作里，我们怎么避免把自己活成一台高速运转的“人形审核机”？

翻看 Upwork 的两轮报告时，我注意到一个很有意思的对比：同样是用 AI，独立自由职业者觉得吃力和倦怠的比例，明显比公司全职员工低得多，近九成自由职业者觉得 AI 给自己带来了正向帮助。

两边用的工具并没有本质区别，真正的差别在于：自由职业者更清楚怎么给任务划边界，不会让工具牵着鼻子走。结合我自己的日常习惯，有三条挺管用的判断标尺，你可以直接拿去试。

第一把标尺：动手前先比一下“检查时间”和“自己写的时间”。

不是所有活交给 AI 都划算。像搜集公开资料、转换文件格式、写结构固定的基础代码，对不对一眼就能看出来，这种“容易验真”的事，放心交给它跑。

反过来，如果一件事背景特别碎、分寸要求极细，你心里清楚它吐出来的八十分半成品还得让你花一小时逐字返工，那不如一开始就自己动笔写主干，只让 AI 在旁边帮你查资料、打下手。别为了省十分钟打字，背上四十分钟改错的包袱。

第二把标尺：守住“单线闭环”，别同时给三四个窗口当监工。

尽量克制住“趁它生成这二十秒，我再去开个新窗口”的冲动。同一时间，只盯一个需要深度动脑的 AI 任务，把它彻底跑通、改完、收尾，再去开下一个。

对于每天都要反复核对的质量标准，比如格式规范、常见错漏、固定检查项，与其每次靠肉眼盯，不如花点时间把它们写成固定规则或者 Skill，让 AI 在交稿前先按清单自检一遍。把碎片化的盯梢，收拢成稳定的流程。

第三把标尺：主动给“杰文斯悖论”踩刹车。

当 AI 帮你把两小时的活压缩到二十分钟，先定好“够用即交差”的底线。只要这一版已经解决了核心问题，就果断停手，别因为生成太容易，就顺手再让它出八个备选版本来折磨自己的选择困难症。

AI 真正厉害的地方，是帮我们省下机械劳动，去换取思考和休息的空间，而不是让我们在单位时间里塞进更多半成品。下次当你觉得越用 AI 脑子越木的时候，不妨先关掉多余的聊天窗口，问自己一句：我现在是在用 AI 帮我干活，还是在给 AI 生成的半成品打工？

如果你也关心怎么在 AI 时代把工具用出真正的轻松感，欢迎关注「廖定强的AI笔记」。

资料来源：Upwork 2024：AI与工作量调查；METR 2025：资深开发者随机对照实验；Microsoft 2025：工作趋势指数；Microsoft 2025：Infinite Workday；杰文斯悖论背景资料；Upwork 2025：AI与人类工作。