夜雨聆风
（图片由HRflag用Midjourney生成，编号f2c8bd88-0a5a-4008-99bb-c23b83ffc23d_1）
当AI从“效率工具”变成“工作默认配置”，组织真正要追问的，不是员工有没有使用AI，而是AI是否正在把节省出来的时间，重新填满为更密集、更碎片、更难停止的工作。
过去，企业担心员工不用AI；现在，真正成熟的企业开始担心：员工用了AI之后，工作是否变得更不可持续。
过去一段时间，全球HR圈里有一条讨论突然热起来。
一位数据与AI领域从业者在LinkedIn上转发了一则《哈佛商业评论》的案例：一家约200人的美国科技公司给员工提供AI工具。8个月之后，结果并不像许多管理者想象的那样——员工没有因此更轻松地下班，也没有自动把省下来的时间转化为清晰的业务增长。相反，很多人工作更久、同时处理更多任务，也更疲惫。
更有意思的是，这场讨论之所以引发大量HR从业者共鸣，并不是因为它证明“AI没有用”，而是因为它说出了很多企业正在经历、却很少被正式讨论的现象：AI确实提高了个人执行速度，但如果组织没有重新设计工作，速度提升很容易变成工作强度提升。
这可能是当下AI落地中最容易被忽视的管理问题。
数据来源：Upwork Research Institute 2024；Microsoft Work Trend Index 2025；《哈佛商业评论》2026年AI工作强化案例。
过去两年，企业谈AI，往往围绕三个关键词：降本、提效、自动化。管理层关心工具覆盖率、使用频次、节省工时、单人成本、流程压缩。员工则被鼓励学习提示词、使用Copilot、尝试智能体、把AI嵌入日常任务。表面上看，双方都在朝同一个方向努力：让组织变快，让人从重复劳动中解放出来。
但现实开始变得复杂。
很多员工发现，AI并没有简单地拿走工作。它拿走了一部分低摩擦的执行动作，却同时制造了更多新任务：要写提示词，要判断输出，要修改内容，要复核事实，要解释AI结果，要学习新工具，要追踪别人用AI生成的新材料，还要承担“既然AI可以帮你做，那你是不是可以多做一点”的隐性期待。
《哈佛商业评论》的那项案例观察，最值得警惕的地方，不是“员工用了AI之后更忙”，而是“这种更忙并不是来自上级明确命令”。
公司并没有强制所有人必须使用AI，也没有下达“每人每周必须用多少次”的硬指标。企业只是提供了可商用AI工具的订阅。员工出于好奇、效率感、成就感和自我驱动，主动把AI带入工作。
一开始，这看起来几乎是所有企业梦寐以求的AI采用曲线：员工愿意用，学习速度快，跨职能尝试多，日常任务推进更快。产品经理开始写代码，设计师尝试做原型，研究人员参与工程任务，很多过去需要别人协助、需要排期、需要预算的事项，因为AI的存在突然变得“我自己可以先试试看”。
问题也正是在这里开始出现。
过去需要找人、排期、申请资源的任务，现在可以先让AI生成一个初版。
员工开始尝试跨角色、跨职能、跨专业的工作，原本不会启动的任务被重新激活。
更多AI初稿进入协作链条，工程、法务、品牌、数据等岗位承担更多复核责任。
当AI降低了任务启动门槛，员工的角色边界会自然外扩。过去不会写代码的人，现在可以让AI生成一段；过去不会做数据分析的人，现在可以让AI帮忙跑一个初版；过去不会写方案的人，现在可以在十分钟内生成几种结构。工具让更多事情“看起来可以做”，于是更多事情真的被拿起来做。
但组织往往只看见了前半段：任务被启动了，输出变多了，响应速度更快了。组织没有马上看见后半段：谁来判断这些输出是否值得做？谁来复核质量？谁来承担错误？谁来处理由低质量初稿带来的返工？谁来决定这些新增任务是否真的服务于业务目标？
AI带来的第一个悖论是：它让工作更容易开始，却不一定让工作更容易结束。
在传统工作模式中，任务启动本身有成本。你要找人、排期、写需求、申请资源、开会对齐。高启动成本虽然低效，但它也会天然过滤掉一部分不重要的事。AI出现后，启动成本骤降，很多原本会被搁置、推迟、放弃的任务被重新激活。组织看似获得了更多创新试验，实际上也可能获得了更多“半成品”“伪需求”和“无人负责的新增工作”。
这也是为什么案例中会出现一个很典型的画面：产品经理写出了代码，但工程师要花更多时间检查、修正、解释和指导。表面上，AI让非技术岗位具备了技术尝试能力；实质上，如果没有清晰的任务边界和质量门槛，AI只是把一部分工作从正式流程中提前释放出来，再以审核、返工、协调的形式转嫁给其他人。
AI让员工更疲惫，最深层的原因不是工具本身，而是组织默认值发生了变化。
过去，员工一天能完成多少工作，受到时间、能力、流程、协作资源的共同限制。AI进入之后，至少有三个限制被削弱了。
不会写、不懂、不熟悉、不知道从哪里开始，被AI部分解决。
过去需要等待他人支持，现在可以先由AI给出一个版本。
AI随时在线，工作更容易渗入午休、通勤和下班后的碎片时间。
第一个限制是能力限制。不会写、不懂、不熟悉、不知道从哪里开始，这些过去会阻挡任务启动的问题，被AI部分解决了。员工可以通过AI快速进入一个陌生领域，生成初稿、补齐知识、模拟专家意见。
第二个限制是协作限制。过去很多任务需要等待别人支持。现在员工可以先让AI提供一个版本，于是等待减少了，自主性提高了。但这也意味着员工更容易把本来属于团队协作的事项，先转化为个人任务。
第三个限制是时间边界。AI是24小时在线的。它不会下班，不会休息，不会说“这个明天再看”。当一个工具随时响应，人就更容易在任何碎片时间里继续推进工作。午休时让AI改一段，会议前让AI生成几个问题，下班路上让AI总结文档，睡前再让AI跑一版方案。每一次都很短，每一次都不像真正加班，但加在一起，工作就变成了一种持续存在的背景噪音。
AI疲惫最隐蔽的地方，不是连续加班，而是工作不断渗入生活的缝隙。
员工不是坐在电脑前从早到晚写报告，而是在一天中反复启动微型工作回合。一次prompt，一次检查，一次修改，一次再生成。看似轻松，实则大脑一直没有真正退出工作状态。
更麻烦的是，这种疲惫往往带着一种“积极”的外观。
员工觉得自己更有掌控感，更有创造力，更能解决问题。管理者看到员工产出更多，也更愿意鼓励这种行为。于是，AI使用逐渐从“工具选择”变成“职业态度”。不用AI，好像不够先进；用得少，好像不够努力；用AI做出更多东西，好像才证明自己跟得上变化。
过去，很多企业衡量AI落地，喜欢看使用率。多少员工开通了账号，多少人完成培训，多少任务使用了AI，多少提示词被调用，多少内容由AI生成。
这些指标有价值，但它们很容易把企业带向错误方向。
因为使用率只能说明工具被打开了，不能说明业务被改善了；生成量只能说明内容变多了，不能说明判断更好了；节省时间只能说明某个动作变快了，不能说明整体流程更短了。
AI时代最危险的管理误区之一，是把“更多输出”误认为“更高绩效”。
一名员工用AI一天生成十份方案，未必比过去手写一份方案更有价值。一个团队用AI产出更多邮件、报告、原型、代码、会议纪要，也未必意味着客户更满意、风险更低、收入更高、决策更快。很多时候，组织只是把信息洪水从一个阶段转移到另一个阶段。
AI时代，企业要少问“这个岗位能不能用AI”，多问“这个岗位的哪些工作不值得继续存在，哪些工作值得被重新放大”。
企业需要从“AI使用率管理”转向“AI价值密度管理”。所谓价值密度，不是看员工生成了多少，而是看每一次AI使用是否减少了低价值动作，是否提升了关键决策质量，是否缩短了端到端流程，是否降低了返工成本，是否让人有更多精力处理真正重要的问题。
这要求HR和业务负责人一起重新定义工作。
广告
很多管理者容易低估AI疲惫，因为它不像传统加班那样容易被看见。
员工没有一定坐在办公室到深夜，也不一定在系统里留下连续工作时长。但他们可能在一天里被多个AI工具、多个任务线程、多个输出版本不断打断。大脑一直处于判断状态：要不要相信这个结果，要不要再问一遍，要不要换个模型，要不要补充背景，要不要把AI生成的内容发出去，要不要承担它可能出错的后果。
这类疲惫更接近“认知过载”。
疲惫状态下，员工更容易接受表面流畅的AI答案，减少事实核查和反向思考。
个人可以独立完成更多工作，但组织中的必要讨论、隐性知识传递和共同理解可能被削弱。
最会用AI的人，往往也最容易承担额外试错、内部培训、复核纠偏和流程改造任务。
传统疲惫来自做了太多事，AI疲惫往往来自同时监督太多半自动化任务。你不是亲手完成每一步，但你要为每一步负责。AI像一个永远在产出、但需要你不断审阅的下属。问题在于，一个员工可以管理一个AI助手，也许会感觉更轻松；当他同时管理多个工具、多个智能体、多个自动化流程时，他就变成了一个微型管理者。工作从执行转向监督，但组织并没有承认这种监督本身就是工作。
这对HR很重要。
因为许多企业正在鼓励员工成为所谓“AI power user”。这本身没有问题。真正的问题是，企业是否重新评估了这些人的工作负荷、心理消耗和责任边界？当一个员工熟练使用AI后，组织往往会自然给他更多任务，因为他“效率高”。久而久之，最会用AI的人，反而可能成为最容易被压垮的人。
组织如果没有明确边界，就会把AI带来的能力增量全部转化为任务增量，而不是恢复时间、学习时间、创新时间和深度思考时间。
在很多企业内部，AI的语言是积极的：释放生产力，赋能员工，提升效率，减少重复劳动。但员工真实感受有时更接近另一套语言：期待变高了，边界变模糊了，任务变多了，反馈变快了，休息变少了。
这中间存在一个管理断层。
管理层看到的是“能力扩张”，员工感受到的是“责任扩张”。管理层看到的是“工具可用”，员工感受到的是“必须跟上”。管理层看到的是“AI帮你节省时间”，员工感受到的是“节省出来的时间又被新任务填满”。
这不是管理层有意施压，而是组织系统的自然倾向。
在没有明确规则的情况下，任何效率工具都会把节省下来的时间吸回工作系统。邮件让沟通更快，于是邮件更多；即时通讯让协作更快，于是打断更多；线上会议让开会更方便，于是会议更多；AI让生成更快，于是生成物更多。技术不断降低动作成本，组织却很少主动减少动作数量。
提效工具最容易变成工作膨胀工具。真正需要被管理的，不只是AI能力，而是效率收益如何分配。
高管真正需要建立的是“效率收益分配机制”。AI节省出来的时间，不能默认全部归组织继续加任务，也不能默认全部由员工自由支配，而应该根据业务目标重新分配。
一部分可以用于提高客户响应，一部分可以用于缩短流程，一部分可以用于创新试验，一部分应该明确返还给员工，用于恢复、学习、复盘和深度思考。否则，AI提效会形成一种非常隐蔽的加压：员工没有被要求工作更久，但工作密度越来越高；员工没有被要求承担更多岗位，但任务边界越来越宽；员工没有被要求随时在线，但工具让工作随时可以继续。
对HR来说，AI疲惫不是一个简单的员工关怀议题。它不是发几条心理健康提示、开几场减压讲座、提醒大家注意休息就能解决的问题。它要求HR更深地进入组织运行系统。
不是所有任务都适合AI加速。HR应与业务、IT、法务、风控一起建立AI场景分级。
提示词设计、结果复核、模型比较、错误纠偏、内部辅导，都应被视为真实劳动。
明确哪些任务可以AI生成，哪些必须人工复核，哪些场景不应继续无限优化。
不奖励“用得多”，而奖励“用得准”：流程缩短、返工减少、质量提升、风险下降。
AI越深入工作，越需要保留高质量复盘、同伴评审、经验传递和管理者对话。
第一，HR要参与AI场景选择，而不是只负责培训落地。
很多AI项目失败，不是因为员工不愿意使用，而是因为场景选择太粗糙。企业把AI当作通用能力推给所有人，却没有判断哪些工作最适合AI，哪些工作需要强人工判断，哪些工作不应被随意自动化，哪些工作看似可加速但会给其他团队制造返工。
第二，HR要重新定义岗位负荷，而不是只看岗位产出。
AI进入工作后，很多隐性劳动会增加。提示词设计是劳动，结果复核是劳动，模型比较是劳动，错误纠偏是劳动，跨系统搬运信息是劳动，教同事使用AI也是劳动。如果绩效系统只记录最终产出，不记录这些认知劳动，组织就会低估员工真实负荷。
第三，HR要帮助管理者建立AI工作规范。
什么任务必须先定义业务目标再使用AI？什么内容可以由AI生成初稿但不能直接发送？什么情况下需要同事复核？什么时候不应该继续让AI改？会议、午休、下班后是否允许默认推进AI任务？团队是否有固定的无打扰时间？是否允许员工拒绝由AI引发的非优先级新增任务？
这些看似细碎，却决定AI是减负还是增压。
AI转型的成败，最终不取决于企业买了多少工具，而取决于企业是否能把工作重新设计得更清楚。
清楚什么是目标，什么是手段；清楚什么需要更快，什么需要更慢；清楚什么可以自动化，什么必须由人负责；清楚节省出来的时间流向哪里；清楚新增任务由谁决定、谁承担、谁有权拒绝；清楚什么叫高质量工作，而不是只看高频产出。
很多企业现在仍处于AI使用的兴奋期。大家都在尝试，工具不断更新，案例不断涌现，个人效率故事很容易被传播。但兴奋期之后，组织必须进入治理期。否则，AI会把原本就紧绷的工作系统进一步拉紧。
高管需要承认一个事实：员工不是不愿意提高效率，很多员工已经非常积极地使用AI。真正的问题是，组织是否准备好承接这种效率。
AI不会自动带来先进组织。它只会放大组织原有的运行逻辑。
如果流程不变，AI会加速旧流程；如果指标不变，AI会强化旧指标；如果文化仍然奖励随时响应和无限加码，AI会让这种文化更难抵抗；如果管理者没有能力判断优先级，AI会制造更多看似有用的工作；如果绩效系统只看产出数量，AI会放大低价值产出。
一个本来就目标清晰、授权明确、流程简洁、信任度高、重视员工恢复的组织，会用AI释放更多创造力。一个本来就目标摇摆、流程臃肿、会议过多、沟通碎片、崇尚忙碌的组织，会用AI制造更高密度的忙碌。
企业不应因为AI疲惫而放慢转型，也不应因为员工疲惫就把问题归咎于员工适应能力不足。更成熟的做法，是把AI转型从工具推广升级为工作再设计。
AI是否真正改变了端到端流程，还是只让每个节点生成更多材料？
AI是否减少了低价值工作，还是只是让员工承担更多边界外任务？
AI是否让人有更多时间做高价值判断，还是让人陷入更频繁的微判断？
对HR来说，应该把AI疲惫纳入员工体验监测。传统敬业度调查问“工作量是否合理”“是否有足够资源”“是否感到压力”，现在还应加入更具体的问题：AI是否让你的任务边界扩大？你是否花更多时间审核AI输出？你是否因为AI感到响应速度压力增加？你是否有权停止不必要的AI生成任务？你的团队是否有清晰规则定义何时使用AI、何时不用AI？AI是否让你有更多恢复时间，还是让碎片时间被工作填满？
这些问题会比单纯统计AI使用率更接近真相。
对管理者来说，未来的管理能力不只是会不会使用AI，而是会不会管理AI带来的工作膨胀。管理者要学会为团队设定停止规则，保护深度工作时间，识别伪效率，减少不必要产出，把员工从“持续生成”拉回“清晰判断”。
在AI时代，克制会变成一种重要的管理能力。
管理者还要敢于说：这个任务不需要AI；这个版本已经足够；这个想法不值得继续展开；这个输出不进入流程；这个节省出来的时间用于复盘和恢复，而不是继续加任务。
AI给组织带来的真正挑战，不是员工会不会用工具，而是企业能否重新理解“效率”的含义。
效率不是让每个人在同样时间里塞进更多任务。效率也不是让员工永远保持响应、生成、复核、优化的状态。效率应该意味着更少浪费、更少返工、更少低价值协调、更清晰的优先级、更好的判断质量，以及更可持续的员工能量。
如果AI只是让员工多做一点、快做一点、随时再做一点，那么它带来的不是组织升级，而是一种更精致的忙碌。
真正值得追求的AI转型，不是让员工像机器一样连续运转，而是让机器承担那些不值得消耗人的工作，让人重新回到判断、创造、连接和责任之中。
AI应该扩大人的能力，而不是吞噬人的恢复；AI应该提高组织价值密度，而不是提高工作噪音密度；AI应该帮助企业重新设计工作，而不是把旧工作推向更快、更满、更累的版本。
当员工开始说“AI让我更疲惫”，这不是转型的阻力，而是转型进入深水区的信号。
企业下一阶段真正要比拼的，可能不是谁拥有更多AI工具，而是谁更早学会管理AI之后的工作强度、认知负荷和组织节奏。
因为AI时代最稀缺的资源，未必是算力，也未必是模型，而是人还能保持清醒判断、持续学习和愿意投入的能力。
1. Harvard Business Review, “AI Doesn’t Reduce Work—It Intensifies It”, 2026.2. Harvard Business Review, “When Using AI Leads to ‘Brain Fry’”, 2026.3. Upwork Research Institute, “Employee Workloads Rising Despite Increased C-Suite Investment in AI”, 2024.4. Microsoft Work Trend Index, “2025: The Year the Frontier Firm Is Born”, 2025.
活动名称 | 时间 | 地点 |
