夜雨聆风
你的AI助手可能是个时间小偷，而且它偷走时间的方式，是让你心甘情愿地觉得自己赚了。这大概是过去一年里，关于人工智能最反直觉、也最让人不安的一个发现。
想象一下这个场景:你坐在电脑前，面对一道30秒就能心算出来的算术题。你的手指却像条件反射一样，打开了ChatGPT。提示词打进去，等三秒，答案弹出来，核对一遍，复制粘贴。你觉得自己高效极了
秒表说:你比直接自己做，还慢了10秒。
这组结论来自斯坦福、纽约大学、MIT和普林斯顿的七位研究者。他们用2691名受试者、三项预注册实验，一秒钟一秒钟量出了差距。那篇名为《效率收益幻觉》的论文已经在arXiv公开。
而这还只是冰山最尖的那一角
▲ 科技博主Rohan Paul的长帖概括了论文的一个判断:依赖可能源于便利错觉，与真实生产率无关
55.7秒的幻觉:你的大脑是怎么被AI"骗"的
研究者干了一件非常"残忍"的事他们找来一帮人，先问:你觉得用AI做这道题能省多少时间?
平均答案:55.7秒人们信心满满
然后他们真的让另一拨人做了这些题，一组可以用AI,一组只能自己干。结果让人大跌眼镜:用AI的人实际只省了7.5秒。预期收益是实际收益的7.4倍
注意，这还算是"省了"的情况在那些被归类为"简单变体"的任务上，比如查个单词拼写、算个两位数加法，AI协助组平均比独立完成组慢了整整10秒。因为写提示词这个动作本身，平均就要花48.7秒。
读、处理AI返回的答案?平均37.6秒。
写提示词比读答案还费时间而41%的提示词，不过是把题目说明直接复制粘贴进对话框。研究者冷冷地写道:"复制粘贴提示所花的时间，已经超过了自己动手做题。"
但没人觉得自己被坑了用AI的人报告的主观心力负荷更低，感觉更轻松。你的努力没有被外包，它只是被重新包装成了"打字、等待、核对"，然后你的大脑给这个新包装贴了个标签:"省事"。
▲ 有评论者一针见血:当AI从"显式写提示"变成环境化建议，摩擦趋近于零，幻觉只会更强，因为使用成本再也感觉不到了
开发者慢了19%,却集体坚称自己快了20%
如果你觉得"普通人做算术被AI骗了"还不够刺激，那我们来聊聊专家程序员被AI骗得更惨这件事。
2025年7月，非营利评估组织METR拉来了16名有经验的开发者，都是长期给数万星标、百万行代码的开源大仓库做贡献的老手。他们在真实开发任务上做了随机对照试验:有些任务允许用AI,有些不行。秒表架好，开始
结果:用了AI的任务，完成时间平均慢了19%。
另外三组数字更惊悚开赛前，开发者们预测AI能让自己加速24%。干完活，他们依然坚称自己快了20%而墙上挂着的秒表，全程冷冷地记着:-19%。
感知与现实的误差，高达40个百分点。
他们其实没有撒谎因为AI接管了最烧脑的部分，主动编码和搜索信息的比重下降了，时间被重新填进了提示、等待、审阅模型输出。你以为自己在"开车",AI让你变成了"监工"。而在极熟的代码库里，这帮高手本来的速度,AI根本挤不出多少空间。
▲ METR的官方研究页面，带着一条醒目的黄色警告:"结果已过时，见后续更新。"那个-19%的数字已经在技术社区被反复引用
96%的高管在欢呼,77%的员工在加班
如果说个人被AI"感知欺骗"是一场心理实验，那它被放进公司里，就变成了一场无人踩刹车的加速游戏。
Upwork研究院的数据冷酷到了荒诞的程度:96%的C级高管相信AI会提升公司生产率，与此同时,77%的用AI的员工报告说工作量不降反增。39%的人把时间耗在了审核AI生成的内容上,23%在学怎么用工具,21%的人表示"因为AI,我被要求做更多工作"。
领导者看见的是上升曲线，执行层体验的是深夜的提示词输入框。
▲ Upwork的一手新闻稿:标题直指"员工工作量仍在上升"这个被增长故事淹没的事实
伯克利的研究团队在一家科技公司里蹲了八个月，观察到的东西更有灵魂:员工在午餐时间发提示词，在开会前发提示词，在深夜发提示词。*AI让一切感觉更快，于是人们用省下的每一秒缝隙，填进更多任务。*83%的人说AI增加了自己的工作量。研究者给了它一个名字:workload creep,工作量蠕变。
它是合法的、自愿的、甚至是令人兴奋的。它长着一张"我很高效"的脸，直到某天你发现，整个团队都在以没有人正式宣布过的新速度运转。
客服场景涨了14%:提效是真的，但它是道边界题
我们得说句公道话:AI提效并不全是幻觉。斯坦福的Brynjolfsson和MIT的团队在呼叫中心做的一项经典研究发现，接入AI助手之后，客服每小时解决工单数确实涨了14%,新手的改善幅度甚至接近34%。
差别在哪?任务结构客服对话是脚本化的、可示范的、有标准答案的。而"为一道简单算术打开聊天窗",或者"在自己写了五年的代码库里让AI来补一行",是另一个极端。
MIT Sloan对制造业AI采用的研究则画出了一条更完整的曲线:短期先掉效，长期才回升。J曲线工具先到，配套的数据、流程、组织设计后到。在这个空档期里，账面上的损失是真的，人的不适是真的，但它们会被"我们正在AI化"的口号盖过去。
所以，别急着把AI钉上审判台，也别急着把它捧上神坛。问题在于谁在什么任务上用它，以及那个"用了就更快"的感觉，有没有被任何一块秒表验证过。
▲ 那篇源头论文的arXiv页面:N=2691,三类预注册实验，把"感觉"和"实测"的裂缝量到了小数点
为什么我们集体算错了这笔账?
最让研究者警觉的发现，藏在第三个实验里。
他们让一部分人先"暴露"给AI完成两道题，然后测后续的AI使用意愿。结果用过AI的人，后续选择AI的比例是44.5%,远高于独立完成者的27.7%。而且，用过AI的人更不相信"自己独立做其实更快"。
幻觉在自我加固，使用行为在自我训练，错误的信念变得比秒表更可信。
这指向一个更深的洞:我们会给AI的收益算账，但很少算学习成本与机会成本，
第一，时间预测依赖你的经验库你对"自己花多久写好一段代码"有充分的记忆，但对"让AI改到能过审要来回几轮"缺乏体感。AI的隐性成本，藏在那些你从未认真计时的环节里。
第二，轻松感会扭曲时间感和AI协作时，你是"验收者",多巴胺来自"看，这活帮我干了"的快感。快乐的十分钟，在记忆里比痛苦的六分钟更短。
第三，组织里没有任何人会为"你没用AI"鼓掌。当AI使用率成为部门汇报的数字，理性的选择可能是:用AI,哪怕它更慢。因为至少看起来你对得起公司交的订阅费。
一位读者的评论像刀子一样扎中了这件事的本质:"很多时候，问AI不过是带进度条的拖延。"
下次在打开聊天窗之前
那篇论文的研究者把干预点指向一个出人意料的词:信念校准。他们给出的办法并非"少用点AI",而是让你对自己的速度判断回到地里。
一个具体的小练习:下次想打开AI之前，先自己默默估计一下,"这个活我自己做要多久，用AI实际会多久"。然后真的两个都试一次
大概率，你会被自己的误判吓一跳55.7秒和7.5秒之间的距离，踩中过每一个敲击键盘的我们。
AI不会停，工具会继续进化，界面摩擦会继续下降，大模型会越来越强。但那个"我到底有没有真的变快"的问题，会越来越响亮地悬在每个人的头顶上。
没有谁来替你校准秒表不会说谎，但买秒表的人得是你自己。
