前沿｜AI 提高效率后，为什么人更累了？

AI 工具已经替不少人省下了时间。

奇怪的是，很多科技从业者并没有因此轻松下来。写代码更快、做分析更快、整理材料更快，交付量确实上去了，疲惫感也在上升。省出来的时间没有变成思考、学习或休息，而是很快被更多任务填满。

这不是一句情绪化抱怨。Noam Segal 与 Lenny's Newsletter 连续第二年调查科技行业从业者，2026 年的样本接近 6000 人，覆盖产品、工程、设计、研究、数据、营销和销售等岗位。调查里，82% 的受访者认为 AI 明显提高了生产力；与此同时，显著倦怠的人从 2025 年的 44.7% 升至 55.7%。

两个数字放在一起，暴露出 AI 进入组织后的一个现实问题：效率工具能缩短任务时间，却不会自动改善工作。它把团队带到哪里，取决于公司如何分配这份效率红利。

AI 省下的时间，如果立刻被换成更高的交付预期，生产力提升就会转化为新的工作压力。

效率涨了，时间却没有还给人

这份调查里，受访者担心的头号问题并不是“AI 会不会抢走我的工作”。

担心失业的人占 22%；担心“同样的薪酬要做更多工作”的人占 51%。另有 46% 的人担心工作节奏不可持续，41% 担心工作质量下降。

科技行业过去常把 AI 生产力描述成一笔简单的账：一个人原来一天完成三件事，现在可以完成五件事，公司获得更多产出，员工摆脱重复劳动。

现实里的账没有这么整齐。

当三件事变成五件事，五件事很快会变成新的基准。下一轮计划不再按过去的能力安排，团队也很少把节省下来的时间明确留给复盘、试错或休息。工具越快，承诺越多；承诺越多，个人越难保留缓冲区。

Noam 在访谈里把这种变化概括得很直接：AI 带来的速度，被重新写进了组织预期。

问题不在于员工抗拒效率，而在于效率的收益和成本落在了不同地方。公司获得了更高的吞吐量，个人承担了更密的任务、更短的反馈周期，以及持续在线的压力。

一年之内，显著倦怠上升 11 个百分点，职业乐观度则下降 6.1 个百分点。

更多产出，不一定带来更好的工作

调查中的另一组变化更值得警惕。

显著倦怠从 44.7% 升到 55.7%，职业乐观度从 54.8% 降到 48.7%。有受访者形容自己的状态是：“我能做得更多、更快，但不一定做得更好。”

AI 很擅长减少摩擦：补全代码、整理资料、生成初稿、归纳会议、搭建分析框架。这些能力确实有价值。可一旦团队把“更快”当作唯一指标，工作中不容易量化的部分就会被挤压。

比如，设计师需要留时间判断一个功能是否真的适合用户；研究人员需要辨别样本是否可靠；产品经理需要处理相互冲突的需求；工程师需要确认生成的代码能否长期维护。这些工作不会因为模型输出更快就消失，反而需要更强的判断。

调查中，设计和研究岗位的负面感受尤其明显。这不等于这些岗位一定更容易被替代，也不能直接推导出某种职业结论。它更像一个提醒：当组织只奖励可见的交付速度，那些负责提出异议、验证质量和理解用户的人，会更容易感到自己的价值被压缩。

AI 可以减少完成任务的时间，却可能增加检查、筛选和承担后果的负担。产出变多之后，质量责任仍然留在人身上。

受访者更担心工作预期和节奏被抬高，而非直接失去工作。

同一套 AI，为什么有人兴奋，有人失控

这项调查把受访者对 AI 的感受分成了几种状态。41% 的人感到兴奋，认为 AI 放大了自己的能力；更大的中间地带则同时感到期待和不安。只有 3% 的人认为 AI 没有改变自己的职业身份。

区别不完全来自工具熟练度。

拉开体验差异的，是一个人有没有选择权：能否决定 AI 用在哪些任务上，能否对交付节奏说不，能否保留审查结果的时间，能否从效率提升中获得更大的职责、认可或回报。

这也解释了为什么创始人的感受相对积极。调查中，71% 的创始人对职业前景保持乐观，但其中仍有 47% 处于至少中度倦怠。掌握方向会带来控制感，却不会消除工作强度。

对普通员工来说，AI 的影响更容易呈现为外部要求：工具已经有了，你为什么不能再快一点？别人都在用，你为什么还需要这么久？当使用方式由自己决定，AI 像能力放大器；当工作量由别人随之抬高，它就更像一套加速器。

管理者正在决定效率红利怎么分

Noam 给出的组织建议并不花哨：投资管理者。

调查中，只有 25% 的人认为自己的管理者非常有效，36% 的人认为管理者无效。拥有高效管理者的人，工作享受度高出约 65%，倦怠也明显更低。

AI 时代的管理者需要做的，不只是督促团队使用工具。他们要回答一组更麻烦的问题：

• AI 省下的时间，是继续加任务，还是留给质量检查和能力建设？
• 团队的目标按产出数量调整，还是按业务结果调整？
• 初级员工使用 AI 后，如何继续获得训练和反馈？
• 当一个人交付更快，他的职责、回报和成长机会是否同步变化？

工具决定任务能多快完成，管理机制决定这份速度会变成成长空间，还是持续加码。

很多公司正在尝试扁平化组织，让更少的管理者带更多人。短期看，这能降低沟通层级；长期看，如果管理跨度不断扩大，员工更难获得边界保护、职业反馈和冲突协调。

AI 越能加速执行，管理工作越不能只剩排期。管理者需要替团队守住质量标准，也要阻止每一轮效率提升都自动变成下一轮加量。

对个人来说，别把“什么都能做”变成“什么都要做”

这期访谈给个人的建议很实际：不要试图一次掌握所有 AI 用法，先选少数高频任务，把流程用到稳定、可复核。

如果你每天都要做资料整理，就把搜索、归纳、核对来源这一条流程跑顺；如果你负责产品工作，就把原型、用户反馈整理和评测标准串起来；如果你写代码，就明确哪些环节可以交给 agent，哪些改动必须人工审查。

使用范围越具体，越容易判断 AI 到底省了什么，也越容易发现它把哪些风险转移给了你。

同时要记录工作范围的变化。过去一周做三件事，现在做五件事，不该只被理解为“工具更好用了”。它也代表职责和产出的变化，应该进入绩效、资源和薪酬的讨论。

调查还提到一种“AI 愧疚感”：部分从业者，尤其是早期职业阶段的人，会觉得使用 AI 像作弊。这个心理没有必要。公司购买工具，本来就是为了改变工作方式。

也要防范另一个极端：把生成结果直接当成自己的判断。可持续的 AI 工作方式需要保留思考，把省下的时间留给核对、取舍和承担责任。

结尾

这份调查没有给出一个简单的“AI 乐观”或“AI 悲观”结论。

它说的是同一件事的两面：AI 已经让大量科技从业者变得更快；如果组织不调整目标、回报和管理方式，这份速度也会让人更累。

接下来，公司不只要统计多少人在用 AI、节省了多少工时、交付增加了多少。还要追问几件事：节省下来的时间去了哪里？质量有没有改善？员工是否拥有更大的判断空间？生产力提升之后，回报是否也发生了变化？

AI 不会替公司回答这些问题。

它只会把原有的管理方式放大。好的组织把效率变成更好的产品和更有余地的团队；粗糙的组织则把每一份效率，继续压成下一张任务单。

参考资料

1. Lenny's Newsletter, 2026-07-07, How tech workers are feeling in 2026.

2. Lenny's Podcast, 2026-07-12, How tech workers actually feel about AI, burnout, and their careers | Noam Segal.

3. Gensler, 2026, Global Workplace Survey 2026.

4. Associated Press / Gallup, 2026-04-13, AI use is rising at work, but concerns about job losses are growing.