一、这不是错觉：AI 并没有把时间还给你

最近跟不少朋友聊天，大家都有一种奇妙的共鸣：AI 来了之后，本以为会轻松一些，结果反而比以前更忙了。

这真不是错觉。UC Berkeley Haas 商学院学者在《哈佛商业评论》上追踪了一家 200 人科技公司 8 个月后，得出一个直接结论：AI 不但没减少工作，反而让工作变得更密集了。

研究指出，这种Workload creep（也就是工作量一点点往上“长”的现象）主要表现为三种形式：

一是任务扩张。因为 AI 能补上短板，员工开始接手原本不属于自己的活（如产品经理写代码、研究员做工程），甚至吸收了“本该多招一个人”的工作量。同时，老员工还要花大量时间帮同事审查、指导、收尾 AI 生成的内容。

二是边界模糊。“开始一件事”变得太容易，午饭时、开会中、甚至离开工位前的间隙都被 prompt 填满。当碎片化操作成为习惯，“闲下来”带来的恢复感便彻底消失了。

三是多任务并行。一边自己手写，一边让 AI 跑替代版本，或者开着多个 Agent。这种“拥有搭档”的错觉，实际导致的是注意力的持续切换与高额认知负荷，带来“永远在抛接球”的疲惫感。

这三者最终形成了一个自我强化的循环：AI 加速了任务 → 速度预期变高（如同事一晚上出三版方案） → 标准被悄悄抬高 → 工作密度进一步膨胀。

研究者指出，它最终会导致认知疲劳、倦怠，以及判断力的减弱——一开始享受到的生产力飙升，最后换来的却是更低的工作质量。

二、我自己，也曾踩过这个坑

有阵子我也觉得有了 AI 的加持，自己好像无所不能。窗口开得飞起：这边让它处理数据，那边写方案，顺便再做个旅行规划、或者拆解一个育儿难题。哪个跑完了就切过去看一眼、回复一句，再切到下一个。以为自己产能翻倍，结果一天下来，所有任务都卡在半空，脑子糊成一片，感觉非常疲惫。

波士顿咨询（BCG）和加州大学河滨分校（UC Riverside）的团队研究过这种状态，他们把它叫做“AI 脑疲劳”（AI brain fry）——指的是因为高强度使用或频繁监督 AI，导致心理认知超载引起的疲劳感。

研究数据里显示：使用 AI 的人里有大约 14% 会出现这种状态，这部分人的决策疲劳度会明显偏高。而且研究还特别强调了一点：高强度的“监督”会带来更多的心理疲劳。

换句话说，累人的不只是干活本身，时刻盯着 AI、给它审核把关，同样是个巨大的消耗源。

三、关于“AI 脑疲劳”，我的几点思考

结合我自己的体验、和AI重度使用者的讨论、以及学术界的研究成果，我觉得这种“AI脑疲劳”的状态，可以从三个层面得到解释：

进来的任务失去了天然的闸门以前只有两只手，它们就像一道闸门一样，把做不完的事挡在门外，忙有个天然的上限。现在开个对话框几乎没有成本，别人觉得你有 AI 应该能多干点，你自己也觉得能多扛一件，同时跑的事情就越来越多。这也是上文中提到的“工作量蠕变”。
Context Switching在默默消耗你的注意力事情一多，人就得不停地切。组织行为学者 Sophie Leroy 提出过一个概念叫“注意力残留”（Attention Residue）：当你从 A 任务切到 B 任务时，注意力不会瞬间全部转移过来，总有一部分滞留在上一件事上。特别是上一件事还没做完、被打断的时候，残留的注意力最多。而我们用 AI 的时候，往往是它跑了一半停下来问我们，我们切过去回一句再切回来。一天切换几十次，认知资源就被这么悄悄消耗掉了。
最深层的变化：我们从“思考者”变成了“审核员” 多个窗口一起开着的时候，其实不是我们在主动用 AI，而是几个 AI 在排队等着我们做决定。一天下来，我们很少有完整、主动的思考过程，全是在被动地接住它们扔过来的结果，判断行还是不行。这种节奏不在自己手里的感觉，会让人感到格外的累。

四、几个我正在实践的做法

所以现在，我会刻意守住三件事。这些也是我自己在做、也常和客户一起练习的。

第一，给自己留一点buffer time。

AI 让很多事情变得“顺手就能做”。以前可能因为不会、太麻烦而放弃的事情，现在都可以试试。问题是，做得到，不等于现在就应该做。

所以我会提醒自己，估一件事情需要多少时间和精力时，不要按“一切顺利”来算。比如觉得自己这周能做五件，也不要刚好把五件都排满，给临时任务、返工和意外留一点空间。

我也常和客户一起看：我们到底是在做一件真正重要的事，还是在用“我能做很多事情”证明自己的能力？

我会有意的提醒自己：不要轻易 overcommit，commit 了就尽量做到。因为一次没兑现的承诺，比十次超额交付更让人记得住。

第二，给自己留一点“不做事”的时间。

以前等孩子、吃饭、走路这些时间，我也会顺手发几个 prompt。一天看下来，好像没有浪费一分钟，但脑子也没有真正停过。现在我会刻意留一些什么都不输入的时间。吃饭就吃饭，走路就走路，等人的时候就发发呆。

这些时间看起来没有产出，却是在给注意力留一点恢复的空间。有时候和客户聊到这里，会发现我们真正缺的不是更多时间，而是一点没有被任务占用的空间。

第三，给自己的判断留一点空间。

以前很容易变成：AI 做一点，我看一下；它问一个问题，我答一句。看起来同时推进了很多事情，其实自己一直没有离开。

对于目标和要求比较明确、适合让 AI 独立完成的事情，我现在会尽量一次交代清楚，让它先跑完，我再回来验收。通过这种方式把有限的判断力留给真正需要判断的地方。

五、写在最后

在平时和客户、朋友的交流中，大家问得最多的一个问题就是：“AI 越来越厉害了，我以后是不是会被取代？”

我自己的看法是：AI 把执行变便宜了，所以“判断力”反而成了你身上最贵的东西。

但判断力这个东西，需要你完整地去想一件事，从头到尾经历那些卡壳、迷茫、绕弯路的痛苦过程。如果我们每天只是在各个窗口之间接住结果、判断行还是不行，我们其实是在慢慢丧失这种能力。

久而久之，人会习惯从 AI 给的三个选项里选一个，却再也想不出第四个选项。选择，不知不觉替代了思考。

不是说 AI 不好——恰恰相反，正因为它太好用了，我们才更需要警惕那种“不假思索的接受”。

把速度交给 AI，把思考还给自己。

参考来源

1 Ranganathan, A., & Ye, X. M. (2026, February 9).AI Doesn't Reduce Work—It Intensifies It.Harvard Business Review.https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it

2 Bedard, J., Kropp, M., Hsu, M., Karaman, O. T., Hawes, J., & Rosen Kellerman, G. (2026, March 5).When Using AI Leads to "Brain Fry".Harvard Business Review.

3 Leroy, S. (2009).Why is it so hard to do my work? The challenge of attention residue when switching between work tasks.Organizational Behavior and Human Decision Processes, 109(2), 168–181.