夜雨聆风2026 年，企业界的 AI 转型已经进入了“军备竞赛”阶段。每一份管理周报都在谈论 AI 提效，每一个中层都在展示 AI 生成的完美 PPT。
但如果你仔细审视那些最先被 AI “武装”起来的场景——自动会议纪要、一键撰写周报、智能生成复盘模版、自动对齐 OKR——你会发现一个荒诞的现实：AI 正在提速的，往往不是价值的创造，而是包装价值的那套动作。
格雷伯的幽灵：当 AI 撞上“扯淡工作”
2013 年，人类学家大卫·格雷伯（David Graeber）给这些工作起了个名字：扯淡工作（Bullshit Jobs）。
这些工作不一定轻松，甚至可能让人精疲力竭，但它们的核心特征是：连做的人自己都隐约觉得这份工作不该存在。如果这些岗位明天突然消失，世界不仅不会瘫痪，反而可能变得更清爽。
1. 随从（Flunkies）：存在的唯一目的是让上级显得重要（如过多的助理）。
2. 打手（Goons）：因为竞争对手有，所以我们也得有（如过度的公关、法务）。
3. 胶带工（Duct Tapers）：修补本不应存在的组织缺陷（如手动搬运不兼容系统间数据的实习生）。
4. 打钩员（Box Tickers）：制造文书证据证明组织在做事（如各类合规报告、汇报表）。
5. 监工（Taskmasters）：管理本不需要被管理的人。
把生成式 AI 放进这样的组织里，场面非常有趣：AI 没有制造扯淡工作，它只是给扯淡工作装了涡轮增压发动机。
以前半天才能编出的“战略对齐材料”，现在十分钟能出三版。以前干巴巴的会议纪要，现在 AI 自动生成“背景—动作—风险—下一步”的完美格式。效率确实提高了，但提高的是什么的效率？是让事情看起来正在推进的效率。
扯淡 vs 脏活：一场资源错配的悲剧
格雷伯最狠的洞察是区分了 Bullshit Jobs（扯淡工作） 与 Shit Jobs（脏活）。
AI 资源正在优先流向扯淡工作，而真正的脏活却排不上队。
为什么？
因为扯淡工作的交付物主要是文本，而 AI 最擅长文本。
图：AI 资源错位 —— 文本工作 vs 现场脏活
所谓“脏活”不只是字面上的体力劳动。它包括一切难以包装、难以归功、出了事必须有人兜底的工作：坏数据要有人清，历史系统要有人修，客户情绪要有人接，现场例外要有人判断，跨部门烂账要有人慢慢对。
这些活有几个共同特征：
它们不适合写成漂亮案例。它们很难在季度会上用一个指标讲清楚。它们常常暴露组织过去欠下的债。它们需要具体的人承担后果。
所以很多企业 AI 项目从“写作助手”开始，而不是从“修复主数据”“重做知识库”“打通工单系统”开始。前者当天能演示，后者三个月都可能只是在还债。
更现实的原因是：扯淡工作者拥有预算。一个大企业中层愿意为减少文书痛苦的工具付费，而一个利润率 5% 的家政公司老板，根本没有余力为员工购买 AI 辅助工具。
脏活没有 Prompt（提示词），脏活需要预算。 真正能减轻痛苦的自动化，比如修复主数据、打通老旧系统，这些活麻烦、慢、且不容易在季度会上展示炫酷的 Demo，因此在“AI 转型”中总是被排在最后。
图：AI 更容易放大可文本化、可汇报的流程；真正依赖现场判断和复杂责任的工作，仍然卡在人身上。
当 AI 转型变成新的仪式
原本要减少流程，最后变成新的流程。
原本要降低汇报，最后变成新的汇报。
原本要解放人，最后要求人证明自己被解放了。
并不是说 AI 没用。相反，它非常有用。
NBER（美国国家经济研究局）的一项研究追踪了 5179 名客服坐席使用 AI 助手的情况，发现平均生产率提高约 14%。值得注意的是，AI 对新手和低技能员工的提升更明显。Microsoft Research 的相关研究也给出了类似的结论：在任务明确、反馈闭环清晰的场景里，AI 确实能把优秀者的经验快速分发出去。
但这里有一个关键的“分叉路口”：
客服解决问题是有硬约束的——处理时长和客户满意度是实打实的指标。然而，很多企业内部的“文字产出”并没有这种约束。它们的唯一目的是显得完整、显得积极、显得可管理。
如果一个岗位的产出主要是让上级觉得“事情在推进”，那么 AI 会让这种推进看起来比真的还像真的。这导致了一种“输出膨胀”：因为生成一份报告的边际成本趋近于零，组织对报告的需求不仅不会减少，反而会像气体一样自动填满所有可用的时间。
以前，一份会议备忘录只需要写一份；复印机发明后，要抄送十二个部门；AI 普及后，我们可能需要每小时一次的“动态情况同步报告”。
图：AI 扯淡工作膨胀循环，提效降低文档成本后，汇报、会议和 KPI 奖励继续推高组织副产品。
如果一个组织的激励机制本身就倾向于制造无意义的协调、地位展示和合规表演，AI 就不会消除这些工作，反而会加速它们。
AI 时代的“停产清单”
我们正在进入一个“输出过剩”的时代。判断一个 AI 项目是否有价值，不应该看它多生成了多少字，而应该看它让谁少受了苦。
真正的数字化转型，不应该是在聊天框里接个 AI 这么简单，而是愿不愿意面对那些没人认领的脏数据、烂流程和旧系统。
对于管理者和开发者，我们需要一份“AI 时代停产清单”：
1. 停止提效那些本该被删除的流程：如果一个审批流程只是为了留痕，别用 AI 自动填表，直接砍掉它。
2. 警惕“汇报生成量”KPI：AI 生成的 PPT 再漂亮，如果没有承载独特的判断，它就是一种“视觉污染”。
3. 把 AI 推向“现场”而不是“桌面”：问问一线人员，哪些重复性的脏活最让他们腰酸背痛，把算力花在那里。
4. 诚实地度量业务结果：如果生产率提高了 14%，但客户等待时间没减、系统故障率没降，那么这 14% 的“提效”大概率流向了组织内部的内耗。
效率如果没有价值方向，就只是更快地原地打转
AI 放大什么，取决于组织奖励什么。
如果组织奖励表演，它就放大表演。如果组织奖励留痕，它就放大留痕。
真正先进的企业，不是把废话变得更高效，而是有勇气删掉废话。
在 AI 时代，最稀缺的能力不是编写提示词，而是诚实地承认：哪些工作根本不值得被提效，它们应该被消失。
这句话问不出来，AI 越强，组织越忙。问出来了，AI 才有机会从一台“输出机器”，变成人类真正的减负工具。
