夜雨聆风
打开电脑，改一封邮件，顺手把草稿丢给AI。等上几十秒，扫一眼回复，修几个字，发送。你觉得刚才省了至少一分钟
你错了那分钟从没被省下过 它只是从你的指尖转移到了你的等待里，并且顺手在你脑子里装了一个“我离不开AI”的开关。
这来自实证研究斯坦福、MIT、纽约大学与普林斯顿的七位研究者，包括Dan Jurafsky这样计算社会科学领域的重量级学者，在2691名被试身上测出了这个结果。论文预印本挂在arXiv上，编号2605.22687，标题冷峻得像一纸判决：The efficiency-gain illusion，效率增益幻觉。
55.7秒与7.5秒之间，隔着你自己讲给自己的谎言
先交代一个前提这些研究者不关心ChatGPT能不能写小说。他们设计的是24项“简单任务”：说出一位奥运奖牌得主的名字、改写几个拼写错误的句子、做一道初级算术、总结一小段文字。所有任务，正常人五分钟内都能独立完成。
然后他们问被试：如果用AI辅助，你觉得能快多少？
受试者平均预期：节省55.7秒
研究者打开秒表，实测：节省7.5秒
预测与现实的差距是七倍AI仿佛从案头抢回了近一分钟，秒表记录的却只有七个半秒。到了“简单变体”任务，方向干脆逆转：独立完成平均60.2秒，AI辅助70.2秒，AI反而让你慢了10秒。
时间丢在哪了？研究者拆开AI路径的内部一看，答案乏味到令人沮丧：写提示平均48.7秒，读回复、判断靠不靠谱、必要时再改prompt，又烧掉37.6秒。还有一个数字：约41%的提示词是直接从任务说明里复制粘贴来的。也就是说，将近一半的人，连“想怎么问AI”这一步都在无脑搬运。
这叫界面摩擦（interface friction）。模型不笨，时间败在对话框本身
▲ Rohan Paul 的高赞摘要帖概括了论文的四个要点：感觉高效、反馈环、界面摩擦、安静的再校准
人的感知错位也很明显受试者对“独立完成要多久”估计得相当准，对“用AI有多轻松”估计得也相当准。偏就偏在两点：他们严重低估AI路径的耗时，又严重高估独立完成的痛苦。幻觉的根源落在心理层面：你不相信自己的手，于是夸大了手的沉重。
AI在训练你“想用”，却没让你“会用”
论文里最像一个恐怖片情节的设定，藏在Study 3。
研究者先让一部分人只用AI完成了两个任务，就两个，不多。然后进入测试阶段，观察他们在后续任务里是否继续选AI。
结果：暴露过AI的人，44.5% 继续选择AI；没暴露、纯独立完成的人，只有27.7% 再选。
两次只要两次 习惯的齿轮就开始转动而且，这些“用过AI”的人对“独立做可能更快”这一事实的判断认可度显著下降。他们的速度未必改变，对自己速度的信任却开始消退。研究者用的词精确得令人后脊发凉：AI use can train its own justification，AI的使用会训练出它自身的合理性。
这就解释了一个广泛存在但很少有人点破的体验：你明知道那件事自己做只要三十秒，手指还是滑向了对话框。此时，速度已经让位于心理上的“外包感”。
Timur Yessenov在Rohan Paul帖子下的回复，被顶上了热评。他说55.7秒对7.5秒的落差“painfully familiar”，然后补了一句刀：有时候问AI，只是带着进度条的拖延。
▲ “有时候问AI只是带着进度条的拖延”，这条评论道出了不少使用者的熟悉感
连天才程序员也被自己的“感觉”骗了
如果你觉得“简单任务”的发现只适用于不用脑子的琐事，那请看METR在2025年7月爆出的另一组数据。
他们招募了16名长期贡献大型开源仓库的资深开发者，对，就是GitHub上写出百万级代码行的那帮人。给他们246个真实的项目issue，随机禁止或允许使用早期2025年的AI工具。结果：允许AI时，完成时间反而慢了19%。
开发者的自我报告更令人意外事前，他们预测AI能让自己快24%；事后，哪怕任务已经做完、数据已经摆在眼前，他们仍坚持自己变快了20%。慢了吗？没感觉 这正是校准失败最极端的形式：连客观数据都打不过主观幻觉。
▲ METR的研究显示：允许使用AI的资深开发者反而慢19%，但他们全都坚信自己变快了
问题不在于“他不行”人的认知结构正在和AI的便利感博弈，便利感赢得太容易了。
回到1987：为什么人人都觉得在飞，表盘却不动？
这就不得不提一个经济学上最令人抓狂的谜团：Solow悖论。
1987年，诺贝尔经济学奖得主Robert Solow半开玩笑地写下一句：“电脑时代到处可见，唯独统计上看不见生产力。”后来的IT投资高速增长期，宏观生产率增长反而一度放缓。这就好比每个人都在说自己变强了，但GDP的总账本上找不到指纹。
▲ “计算机无处不在，唯独在生产率统计里看不到”，Solow悖论困扰了经济学家整整一代人
今天，AI正在上演同一个故事的第二季。国际劳工组织（ILO）2026年5月的研究简报 The Aggregation Paradox of AI 给出一组对照：任务级增益常达10%到70%，但到了企业层已经变混，到了产业与宏观统计层，你几乎找不到AI留下的清晰签名。
局部的魔法，为什么加总不成全局的奇迹？答案不止一个，但有一条和我们的文章直接相关：当每个人都以为自己在加速时，组织就不会去改架构、改流程、改激励。 工具在跑，制度在躺于是微观上的那一点点“快”，被界面摩擦、期望通胀和组织惯性吃得干干净净。
也该替AI说句实话：效果取决于用在什么地方
当然，如果就此宣告“AI是假的”，那就从一种幻觉跳进了另一种幻觉。
Stanford HAI报道的研究里，生成式AI进入客服中心后，每小时解决的工单量确实上升了14%左右，而且收益高度集中在经验少的员工身上。两个月工龄的新人，配了AI之后，水平逼近干了半年的老手。在结构化、文本密集、结果易验收的任务里，AI的增益是真的，而且能让知识从专家向新手快速蒸馏。
所以，讨论应当落到“你觉得AI在帮你，这种感觉是否被反复夸大”。论文作者在讨论部分写下了一段适合放在AI产品开机画面上的提醒：
在简单任务上，隐藏的成本来自界面摩擦：写提示、等待、阅读、核对、判断是否合格。一旦这个循环开始，你会感觉脑力已经被外包了，哪怕实际上它只是被重新排列了一下。
▲ David Boyle说自己明知不更快仍用AI，为的是等草稿时喘口气。这是合法偏好，但别把它误当成客观加速
David Boyle式的生活美学，“不快，但更舒服、更开心”，没有问题。但问题在于：大多数人把“更舒服”记账成了“更快”，然后用这个错误的账本，指导下一次选择，形成反馈循环。 而那个循环的终点，是论文标题里那个寒冷的名词：quiet recalibration。
安静的再校准 能力与勤奋也许都没变，判断“什么时候该用自己的脑子”的能力却在慢慢流失。
所以下次，当手指又要滑向对话框……
问自己三个问题：
这件事我独立做完，真的要超过一分钟吗？ 如果不用，那“AI快”多半是错觉
我发出去之前，一样要读、要改、要核对，对吗？ 对，那省下的只是键盘敲字的时间，决策时间依然存在。
我想用AI，是因为它更快，还是因为我不想动脑？ 都是合法的但别骗自己
这份论文的价值，不在于劝你卸载AI。它说的是：你对时间的直觉已经被AI的便利感悄悄调包了。 而最危险的地方，恰恰是你感觉不到这种调包的发生。
效率增益幻觉像一面镜子你从中照见自己的数字，也照见整个AI时代尚未拆穿的底牌。当大语言模型每小时吃掉十万亿token时，我们甚至量不准“它到底帮了我几秒钟”。
科技在跑，表盘不动这与1987年，又有什么不同？
