每周花大量时间修正AI输出,企业AI落地缺失规范治理

AI最大的宣传卖点之一，就是员工能把借助AI省下的时间投入到各类高价值工作中，但现实情况却与之相去甚远。

一项全新研究显示，尽管IT从业者和其他岗位员工每周确实能靠AI节省数小时工作时间，但超过半数的省下来的时间，都浪费在人工看管、调校AI工具这类琐事上。

AI工作研究院开展的一项调研显示，数字化从业者平均每周能通过AI节省11小时工时，但实际净节约时长要低得多，因为他们每周要花费6.4小时用于“人工看管机器人工具(botsitting)”。

该研究院由AI辅助编程工具与搜索服务商Glean创立，其对botsitting的定义包含以下工作：为AI工具补齐缺失业务上下文、核查AI生成的内容、修复AI产出的错误、重新运行提示词，以及修正AI给出的看似笃定实则错误的回答。

多名IT负责人均表示，人工看管机器人工具的问题真实存在，且会给IT部门带来严重负面影响。数字化落地平台服务商WalkMe的CIO TalCarmi称，多数企业并未针对AI高效使用为员工开展专项培训。

Carmi提到，WalkMe发布的《2026数字化落地现状报告》也得出了相似结论：员工每周因看管调校AI工具损耗近8小时工时，该报告同时指出，绝大多数员工仅用AI处理写邮件这类浅层简单工作，并不信任AI能完成复杂度更高的业务任务。

Carmi表示，这直接导致企业无法收回采购AI系统的全部投资回报率，这对于各企业CIO及所有机构而言都是严峻难题。

工时无端损耗

AI工作研究院创始人Rebecca Hinds称，调研启动前，院内研究人员就预判人工看管机器人工具是诸多企业的共性问题，但调研结果依旧超出所有人预期。

“最出人意料的是该现象的普及程度，”她表示，“事实上，员工耗费在看管调校AI工具上的工时占比，几乎和他们借助AI推进本职工作的工时占比持平。”

此外，87%的数字化从业者、97%的IT从业者表示日常工作会使用AI，但仅有13%的受访者认为使用AI工具大幅提升了自身工作成效与产出质量。

Hinds将其中一部分根源归结为“协同忽视”现象，她解释，员工往往只关注个人工作效率，忽略工具给企业整体带来的综合收益，这就导致不同员工借助AI完成的工作时常互相冲突。

“举个例子，我可以用AI把一条要点扩写成五页报告，”她说，“再把这份五页报告发给同事，但同事面对冗长内容，又会用同款AI工具把整份报告压缩回简短要点。”

Hinds坦言，确实有部分员工会把AI节省的工时用在私事上，但调研受访者反馈，节省下来的时间最主流的用途是打磨工作成果质量。不过整体来看，企业并未看到工作质量出现显著提升。

AI工作研究院的报告指出，员工直接交付未经核验、自身不完全理解、无法充分兜底负责的AI生成内容，是一大突出隐患。

除此之外还存在“AI切换损耗税(AI toggle tax)”：员工工作时需要在多款AI工具间频繁切换，由此产生大量未经复核的衍生工作，同时，市面上AI工具泛滥让员工应接不暇，进而习惯性把思考工作转嫁交给AI处理。

报告写道：“员工会将大量思考判断工作交由机器承担，做事开始偷工减料，不再核验输出内容、核对信息来源，也不再判断AI给出的建议是否具备合理性。”

核心根源：治理机制缺失

数字化转型咨询公司contraco的CEO Frank Meltke表示，耗费人力看管AI工具、放任低质量AI产出泛滥，都是表象，背后本质是企业AI治理体系存在重大漏洞。

“员工要耗费近一整天时间核验AI生成内容，根源在于系统上线前，企业没有明确核验标准、核验责任归属，以及可流转至下游环节的合格输出标准，”他说，“这属于治理机制缺口，并非工具本身的问题。”

Meltke还提出质疑：即便单人每周净节约4小时以上工时，一旦下游同事需要返工修正其AI产出，企业整体根本不存在实际工时收益。

他提到，超三分之二受访数字化从业者承认曾交付未经核验的AI辅助产出内容。“这些内容流转到下游对接人员手中时，通常缺少配套业务上下文，难以修正，”他说，“个人层面看似节省的4.6小时，会以无预算返工的形式，悄无声息消耗掉团队整体工时。”

他补充道，这一现象也解释了为何员工个体感知到的工时节约，无法转化为企业整体业绩提升。“所谓效率提升根本不是真实工时结余，”Meltke说，“只是工作量从内容产出者转移到了下游承接者身上。”

不过人力资源平台Click Boarding的CTO Adam Wachtel认为，并非所有人工看管调校AI的工作都毫无价值，他表示，规范开展产出核验、迭代优化提示词、为AI补充行业业务上下文，都是标准优质研发操作。

“核心问题在于企业无法区分：哪些调校工作具备实际业务价值，哪些只是AI部署不完善催生的额外负担，”他说。

他提出，AI工具缺少业务上下文支撑是核心痛点之一：“如果AI工具无法获取精准业务数据，底层架构设计也不支持产出可用内容，员工就被迫充当中间集成层，反复向各类工具复述项目背景、修复各类报错问题。”

他同时表示，每周6.4小时的AI看管调校工作并非平均分摊，负担大多落在资深工程师这类本身负责精细复杂工作的员工身上。

“部分员工跳过全部核验步骤，自以为省下11小时工时，却不用承担后续衍生问题——往往是下游出现代码故障、业务流程中断后，问题才暴露出来。”他补充道。

Wachtel还提到，个人效率提升无法简单累加形成企业整体效率增益。举例而言，工程师借助AI提速编码，就需要其他人员额外完成代码核验工作；一人省下的工时，会转化为另一人的新增工作量。

他补充，多数企业也缺乏衡量AI产出质量的有效手段，他建议IT负责人向全体高管层重点普及核心评估指标，而非只统计AI工具调用次数。

“各大企业都在大肆宣扬效率提升，但很少有人讨论智能体的准确率、持续迭代优化、成本压降这类更具实际价值的核心指标，”他说，“大量AI产品在研发上线时只追求交付速度，而非实际业务价值，相关关键岗位人员既未参与前期设计，也未接受配套培训。”