夜雨聆风
不知道大家是不是和我有一样的感觉——自从公司上了AI工具，工作不但没变轻松，反而更累了。
不是累在"学不会用"，是累在"用上了之后"。
上周我和一个做产品的朋友吃饭，他说他现在每天的工作状态是这样的：早上让AI生成一份竞品分析，AI呼啦啦写了两万字，他得花一个半小时核对数据、修正AI一本正经胡说八道的地方、调整格式；下午让AI写代码，AI啪嗒啪嗒给他跑出来，他再花两个小时review，因为里面埋了三个隐藏bug；晚上让AI帮他写周报，AI写得工工整整，他得把里面那些虚话套话全部删掉重写，"不然领导看了觉得我在糊弄"。
他最后跟我说了句话，让我印象特别深：
"你知道最累的是什么吗？不是我干活。是我给AI干活擦屁股。"
这个感受，正在变成一种集体共识。
哈佛研究说了一件让打工人心寒的事
今年2月，哈佛商学院在《哈佛商业评论》上发了一篇研究，结论很直接：AI工具没有减轻工作负担，反而让工作强度持续攀升。
研究团队在一家约200名员工的美国科技公司蹲了8个月，从去年4月到12月，每周两天实地观察，跟踪内部沟通渠道，做了40多次深度访谈。他们发现了一个让管理层听起来很爽、但让员工听起来很心酸的规律——
员工在AI的加持下，开始自愿承接更多工作。
产品经理开始写代码了。设计师开始接工程任务了。研究人员开始上手以前外包给别人的活儿了。
原因也很朴素：AI让"试试看"变得没有代价了。
以前你不会写代码，你得找人、得排期、得等。现在你直接让AI生成，"试试嘛，反正试试又不丢人"。试了一次，感觉还行；试着试着，你就习惯自己动手了；习惯着习惯着，你就成了那个活儿的主要负责人了。
工程师呢，也没闲着。他们开始花更多时间review同事用AI生成的代码，纠正错误，指导那些"直觉式编码"的同事怎么把活儿改对。这种指导往往不是正式的code review，而是Slack里顺嘴说两句、工位旁边搭一句，但加起来时间惊人。
研究里有一句话特别扎心，是一位工程师自己总结的：
"你原以为，哦，因为AI能让你更高效，你就能节省一些时间，工作得少一些。但实际上，你并没有工作得更少。你只是工作了相同甚至更多的时间。"
这句话我读了三遍，觉得他简直把我们所有人的心声说出来了。
三把刀，砍向打工人的精力
哈佛这项研究，把AI加剧工作强度的机制拆成了三种。很清晰，每一种都扎扎实实砍在打工人的精力上。
第一把刀：任务扩张。
你本来只做A，现在顺手把B也做了。不是老板逼你的，是AI让你觉得"这也没多难嘛"。
产品经理试了一次AI写代码，觉得挺顺；设计师试了一次AI做数据分析，发现也没那么难。一次次"试试"累积起来，就成了有意义的工作范围扩张。
问题是，每多接一个活儿，就多一个需要review和兜底的地方。扩张到最后，你自己都搞不清楚自己的职责边界在哪儿了。
第二把刀：工作与非工作的边界被悄悄抹掉。
AI降低了你开始一个任务的阻力——说人话就是，它让你面对空白页面时不那么慌了。
于是，工作开始渗透进你的生活缝隙。午餐的时候给AI发一条指令；等文件加载的那30秒给AI提个需求；离开工位前发一条"最后一个快速指令"，让AI在你自己下班后继续跑。
这些行为单独看都不算什么。但它们共同造成的结果是：工作日里自然的停顿变少了，深度休息变少了，你永远处于一种"可以再推进一点"的状态。
更微妙的是，向AI发指令的体验很像在聊天，不像在工作。你跟领导说"我下班了"有心理压力，但跟AI说"继续跑"没有。这种对话式交互悄悄软化了工作与非工作之间的那道墙。
研究里有人事后才反应过来： "当在休息时间给AI发指令成为习惯，我的周末不再有以前那种恢复感了。"
第三把刀：多任务处理变成了新常态。
你一边手动写代码，一边让AI生成另一个版本。
你同时跑三个AI智能体，让它们分别处理三件事。
你把那个半年前放弃的项目重新启动了，因为"反正AI可以帮我处理后台"。
你感觉有了一个超级伙伴，什么都能帮你扛。但现实是，你自己的注意力在不断被打断，你得不断切换上下文，你得频繁查看AI的输出质量，你手头永远有一堆半成品。
研究里有一句话很诚实： "尽管工作看起来富有成效，但人们总在应对多任务的感觉挥之不去。"
更扎心的是，随着这种节奏变成日常，人们对"速度"的期望也在悄悄被抬高——不是老板明确要求的，而是在日常中变得显而易见、习以为常了。以前一天完成3个任务，现在不完成5个就觉得落后了。
那个质检员的比喻，细思极恐
哈佛的研究是从组织行为学角度切入的。如果从一线打工人的视角来看这个问题，有一个比喻特别精准。
我在一篇36氪的报道里看到一位开源项目维护者siddhantkhare的真实吐槽，他说了一个质检员的比喻，我看完直接拍大腿：
"这就像一家工厂，更换了一台冲压速度快10倍的零件生产机器，可流水线末端的质检员依旧只有一个。产能大幅提升后，质检员的工作量翻倍，次品率却没有任何变化，最终崩溃的只会是这个承担全部审核压力的人。"
你发现问题了吗？
AI负责生产，但它不负责质检。
谁来质检？人。
代码AI写出来了，谁review？工程师。方案AI生成出来了，谁核对数据？产品经理。文案AI跑出来了，谁改那些一本正经的胡说八道？还是你。
AI把产量拉高了，但质检环节的人力没有等比例增加。于是质检员——也就是你我——开始了承受不住的工作量。
siddhantkhare自己说了一个数字，很震撼：
以前他每周处理20到25个代码PR，现在这个数字暴涨到上百个。
以前那些PR是同事手写的，质量可控，review速度快。现在大部分是AI生成的，每一条他都得仔细过——因为AI会一本正经地给你埋雷。
他自己算了笔账：审核AI生成的内容，比自己做一遍还要累。
这个判断听起来反直觉，但做过类似工作的人应该秒懂。你自己做，你知道哪里容易出错，你会跳过一些明显OK的部分直奔重点。review AI的产出，你不能有任何省略，因为AI的错误往往藏在你最不会怀疑的地方。
这才是AI时代打工人的真实处境：不是被AI替代，是变成了AI的质检员。
那些没人告诉老板的隐性成本
我之前还看到另一组数据，来自一个叫ActivTrak的生产力研究平台，他们分析了超千家企业、超4.43亿小时的工作行为数据，结论是这样的：
AI工具使用率已经达到80%，比两年前增长52%。 但周末加班时长涨幅超过40%。 周六清晨7:11就开始出现高频工作活动——这个时间点让我看着都觉得累。 平均每12分钟就要切换一次工作场景。 专注工作时长创三年新低，只有15%的员工能保持45分钟以上的专注。 邮件沟通时长上涨104%，即时消息时长飙升145%。
而这个数据，我觉得是全文最值得截图保存的
数据太多了，我帮你翻译一句核心结论
AI让所有指标都在涨——除了你的精力。
为什么？
有个埃默里大学的金融学教授Wei Jiang说过一句话，我觉得很准：
"AI提升单位劳动产出后，公司期望值同步提高，员工陷入'干得越快，活得越多'的循环。"
这在管理学上有个名字，叫帕金森定律的数字化重演——工作会自动膨胀，占满所有可用时间。
以前人工写一份报告需要三天，现在AI两小时给你。你多了那一天时间，领导觉得你可以再接一个任务。下一个任务做完，你又多了一点时间，然后领导再塞一个。
省出来的时间，从来没变成你的休息时间。省出来的时间，变成了新的工作。
这就是为什么ActivTrak的高管说得那么直白：
"不是AI没有提升效率，而是它省出来的能力，立刻被拿去做更多别的工作，这就是工作量悄悄膨胀的地方。"
而且还有一层账，没人算过：
AI内容的人工审核成本。
几乎没有企业在引入AI工具的时候，会把这部分审核时间算进"提效"的成本里。他们只算了AI生成比人工快了多少，没算人审AI产出比人工做一遍慢了多少。
这笔账如果算清楚，很多企业的"AI提效"就是负数。
我们到底该怎么看AI？
我知道这篇文章写下来，好像在说AI不好、在反对AI。
不是的。
我在用AI写文章，在用AI写代码，在用AI处理大量信息。AI确实是好东西。
但我越来越觉得，有一个关于AI的前提假设是错的，而这个假设正在让无数打工人默默受累。
那个错误假设是：AI帮我做，我的活儿就少了。
现实是：AI帮我做，我的产出量被抬高了。以前我写5个方案是优秀，现在写10个才叫正常。以前我review 20个PR是正常工作量，现在review 100个加上每个都要仔细过，才能保住绩效。
AI确实让公司整体效率提升了，但那个效率提升的收益，大头被企业拿走了，小头变成了员工更多的任务。
这才是AI效率悖论的真相：AI是给公司提效的，不是给员工减负的。
你可能会说，那员工可以少干点啊。理论上可以，实际上做不到。因为绩效标准在那里，peer pressure在那里，老板对新效率的期待在那里。你少干，你的相对位置就往后了。
所以我觉得，与其指望AI帮我们减负，不如先想清楚一件事：
你用AI，省出来的时间，你打算怎么用？
如果你不主动管理这省出来的时间，它会自动被工作填满。这是人的本能，也是组织运作的规律。
下次你让AI帮你跑一个任务之前，先问自己一个问题：
"这个时间省下来，我想干嘛？"
如果答案是"我再接一个活儿"，那这个AI你用得越勤，就越累。
如果答案是"我想早点下班接孩子"，那这个AI才真的在帮你。
AI是放大器。它放大你的效率，也放大你的工作量。关键在于，你愿不愿意主动决定放大的是什么。
这不是一个关于AI的悲观故事。这是一个关于主动权的提醒。
工具变强了，人不能变得更被动。
