AI 越好用,工作为什么越做越多?

READING MAP

每一个 AI 动作都更快了，员工却更难准时下班。

很多老板看到这个结果，会觉得员工不会用工具。很多员工也说不清。写邮件更快，查资料更快，做图更快，每一个动作都轻了，为什么一天反而塞得更满？

因为便宜下来的不只是工作时间，还有启动一项新工作的门槛。

一家 200 人公司的八个月

伯克利研究者在一家科技公司进行了八个月的田野观察。图源：UC Berkeley Haas，截于 2026 年 8 月 12 日

*伯克利研究者在一家科技公司进行了八个月的田野观察。图源：UC Berkeley Haas，截于 2026 年 8 月 12 日*

UC Berkeley Haas 在 2026 年介绍了一项仍在推进的田野研究。研究者在一家约 200 人的美国科技公司进行了八个月观察，并完成 40 多次半结构访谈。

他们没有先设定 AI 会让人更轻松或更辛苦，只观察员工怎样安排每天的工作。最后看到三种很具体的变化。

第一，员工开始接下过去属于别人的任务，或者过去根本不会尝试的任务。

会写文案的人顺手做了配图，会做产品的人顺手查了市场，会写代码的人又开了几个 Agent 并行测试。每件事都变得容易开始，岗位边界随之扩大。

第二，工作进入了原来的空隙。

午餐时想到一个点子，顺手发条提示。开会前还有五分钟，再让 AI 跑一版。晚上收到结果，忍不住继续改两轮。以前会被留到明天的工作，现在随时都能启动。

第三，并行任务越来越多。

员工一边参加会议，一边让 AI 生成文档；一边审代码，一边等多个 Agent 返回。机器没有闲着，人也很难真正停下来。

这是一家公司的在研田野研究，不能代表所有行业，也无法给出普遍的平均幅度。它的价值在于，帮我们看见提效统计里很少记录的工作强化过程。

为什么一开始感觉很好

工作增加并不总是来自老板直接命令。

AI 给人一种很强的能力扩张感。以前不会做的事情现在可以尝试，以前拖一周的任务现在当天有结果。员工会感到兴奋、主动和有掌控感。

问题出在成功之后。

本周多做三件事，管理者下周就会把三件事当成正常产能。一个人能同时跑两个流程，很快会被期待同时跑四个。最初的额外努力，慢慢变成最低标准。

研究者把这个过程概括为一个循环。能力提高带来更多产出，更多产出抬高预期，更高预期继续扩大工作。

国际劳工组织 2026 年关于 AI 与工作场所的研究也把工作强化、自治减少和心理社会风险列为需要关注的问题。它并没有证明所有 AI 使用都会造成伤害，只是提醒管理者，效率不能只看短期产出。

多做，不等于多创造价值

研究总结了任务扩张、停点消失和并行工作三种强化形式。图源：UC Berkeley Haas，截于 2026 年 8 月 12 日

*研究总结了任务扩张、停点消失和并行工作三种强化形式。图源：UC Berkeley Haas，截于 2026 年 8 月 12 日*

AI 让一份报告可以轻松多出五个版本，让会议可以顺手多做三份摘要，让一个想法可以同时跑四条分析。

数量增加以后，选择成本也增加。

谁来比较五个版本？谁来决定哪份继续？谁来关闭没有价值的探索？如果公司只奖励启动和产出，不奖励删除和停止，工作会不断堆高。

员工看起来一直在动，管理者看到满屏结果，客户真正需要的那一个决定却可能更晚出现。

这才是 AI 越好用，工作越做越多的管理原因。工具扩大了可做事项，组织却没有同步规定什么不做。

给新增能力装上四个边界

第一，给并行任务设上限。

一个人同时推进的正式事项不能因为能开多个 Agent 就无限增加。超出上限，先关掉一项再开新项。

第二，给省时设归属。

省下的时间是用于缩短交付、提高质量，还是留给员工恢复？公司要明说，不能默认全部换成更多任务。

第三，给探索设停止条件。

每个 AI 尝试开始前写清楚，达到什么结果继续，出现什么结果立即停。没有停止条件的实验，最容易变成永久待办。

第四，给工作日保留停顿。

批量处理非紧急 AI 返回，保护午餐、专注时段和下班后的边界。机器随时能跑，不代表人随时都要接。

AI 的价值不该是把同一个人塞得更满。真正的提效，是用更少的消耗稳定交付更好的结果。只看这个月多做了多少，可能正在透支下个月的判断力。

资料来源：UC Berkeley Haas 八个月田野研究介绍、ILO 关于 AI 与工作场所心理社会风险的研究说明