當(dāng)企業(yè)為AI帶來的效率提升而歡呼時，一項研究卻揭示了意想不到的后果：AI非但沒有減輕負擔(dān)，反而讓員工在賦能的幻覺中自愿承擔(dān)了更多工作，導(dǎo)致工作強度悄然增加，界限日益模糊。這提醒管理者，在擁抱技術(shù)的同時，更需要建立明確的AI使用規(guī)范，幫助團隊在高效與可持續(xù)之間找到平衡，避免透支未來的活力。

當(dāng)前，許多企業(yè)正苦惱于如何讓更多員工使用AI。畢竟，AI能夠減輕部分工作的負擔(dān)——例如起草常規(guī)文件、匯總信息、調(diào)試代碼——讓員工有更多時間處理高價值任務(wù)，這前景著實誘人。

然而，他們是否準(zhǔn)備好迎接成功之后可能發(fā)生的一切？當(dāng)領(lǐng)導(dǎo)者們專注于預(yù)期的生產(chǎn)率提升時，他們可能會對復(fù)雜的現(xiàn)實感到意外，甚至可能直到為時已晚，才看清這些收益背后的代價。

在我們正在進行的研究中，我們發(fā)現(xiàn)AI工具并未減輕工作負擔(dān)，反而持續(xù)加劇了工作強度。在一項為期八個月、針對一家約200名員工的美國科技公司中生成式AI如何改變工作習(xí)慣的研究中，我們發(fā)現(xiàn)員工工作節(jié)奏加快、承擔(dān)任務(wù)范圍擴大，并將工作延伸到一天中更多的時間——通常并非受命而為。重要的是，該公司并未強制使用AI（盡管提供了商用AI工具的企業(yè)訂閱）。員工之所以主動承擔(dān)更多任務(wù)，是因為人工智能讓“完成更多”這件事變得觸手可及且充滿可能，并且在多數(shù)情況下，這種拓展本身就帶來一種內(nèi)在的滿足感。

這對領(lǐng)導(dǎo)者而言或許聽起來如夢似幻，但由熱情擁抱AI帶來的改變可能難以持續(xù)，并會引發(fā)后續(xù)問題。當(dāng)實驗的新鮮感消退，員工會發(fā)現(xiàn)工作量已悄然增加，并因突然需要應(yīng)對所有任務(wù)而感到力不從心。這種工作負荷的悄然增長進而可能導(dǎo)致認知疲勞、職業(yè)倦怠和決策能力下降。初期享受的生產(chǎn)率激增，可能讓位于工作質(zhì)量降低、人員流動和其他問題。

這讓領(lǐng)導(dǎo)者陷入兩難。他們該怎么辦？要求員工自我調(diào)節(jié)并非良策。相反，企業(yè)需要圍繞AI使用制定一套規(guī)范與標(biāo)準(zhǔn)——我們稱之為“AI實踐”。以下是領(lǐng)導(dǎo)者需要了解的內(nèi)容，以及他們可以采取哪些措施幫助員工取得成功。

生成式AI如何加劇工作強度

去年四月至十二月，我們研究了生成式AI工具如何改變這家科技公司的工作習(xí)慣。我們通過每周兩天的實地觀察、跟蹤內(nèi)部溝通渠道，以及在工程、產(chǎn)品、設(shè)計、研究和運營部門進行的40多次深度訪談來完成這項研究。

我們識別出三種主要的加劇形式。

任務(wù)擴張

由于AI可以填補知識空白，員工越來越多地承擔(dān)起原本屬于他人的職責(zé)。產(chǎn)品經(jīng)理和設(shè)計師開始編寫代碼；研究人員接手工程任務(wù)；組織內(nèi)的個人嘗試過去會外包、推遲或完全避免的工作。

生成式AI讓這些任務(wù)變得觸手可及。這些工具為許多人帶來了賦能式的認知提升：它們減少了對他人協(xié)助的依賴，并在工作進程中提供即時反饋與修正。員工將這種體驗形容為“只是和AI一起嘗試些事情”，然而這些嘗試逐漸累積，最終實現(xiàn)了工作范圍的有意義拓展。實際上，員工無形中承接了過去可能需要增配人力或增設(shè)崗位才能完成的工作量。

人們擴大職責(zé)范圍產(chǎn)生了連鎖反應(yīng)。例如，工程師們反過來花費更多時間審查、糾正和指導(dǎo)同事完成的AI生成或AI輔助工作。這些要求超出了正式的代碼審查范圍。工程師們越來越多地需要指導(dǎo)那些進行“直覺式編碼” 并完成部分代碼合并請求的同事。這類指導(dǎo)往往以非正式的形式出現(xiàn)——例如在Slack討論串中或臨時的工位旁答疑——無形中增加了工程師的工作負荷。

工作與非工作界限模糊

由于AI讓開始一項任務(wù)變得如此容易——它減少了面對空白頁面或未知起點的阻力——員工將少量工作滑入原本是休息的間隙。許多人在午餐時、會議中，或等待文件加載時向AI發(fā)出指令。有人描述在離開工位前發(fā)送“最后一個快速指令”，以便自己離開時AI可以繼續(xù)工作。

這些行為很少感覺像在做更多工作，但久而久之，它們導(dǎo)致了工作日中自然停頓減少、工作持續(xù)參與度更高。指令輸入的對話式風(fēng)格進一步軟化了這種體驗；向AI系統(tǒng)輸入一行文字感覺更像是聊天而非執(zhí)行正式任務(wù)，使得工作容易在不經(jīng)意間滲入夜晚或清晨。

一些員工描述道，他們常常事后才意識到，當(dāng)在休息時間發(fā)出指令成為習(xí)慣，閑暇時光不再能提供同樣的恢復(fù)感。結(jié)果，工作變得界限更模糊、更無處不在——總是可以再推進一點。工作與非工作的界限并未消失，但變得更容易跨越。

更多多任務(wù)處理

AI引入了一種新的節(jié)奏：員工同時管理多個活躍線程：手動編寫代碼的同時讓AI生成另一個版本，并行運行多個智能體，或重啟長期擱置的任務(wù)，因為AI可以在后臺“處理它們”。他們這樣做，部分原因是感覺有了一個能幫助自己推進工作量的“伙伴”。

盡管這種擁有“伙伴”的感覺帶來了動力感，現(xiàn)實卻是注意力的持續(xù)切換、頻繁檢查AI輸出，以及越來越多的未完成任務(wù)。這造成了認知負荷和一種總在應(yīng)對多任務(wù)的感覺，即使工作顯得富有成效。

隨著時間的推移，這種節(jié)奏提高了對速度的期望——不一定通過明確要求，而是通過日常工作中變得可見且常態(tài)化的現(xiàn)象。許多員工指出，與使用AI前相比，他們同時處理更多任務(wù)——并感受到更大壓力——盡管自動化的時間節(jié)省本應(yīng)旨在減輕這種壓力。

這對組織意味著什么

所有這些形成了一個自我強化的循環(huán)。AI加速了某些任務(wù)，從而提高了對速度的期望；更高的速度使員工更加依賴AI。依賴增加擴大了員工嘗試的工作范圍，而范圍擴大進一步增加了工作的數(shù)量與密度。幾位參與者提到，盡管他們感覺效率更高，但并不覺得更輕松，某些情況下甚至感覺比之前更忙。正如一位工程師總結(jié)的：“你原以為，哦，因為AI能讓你更高效，你就能節(jié)省一些時間，工作得少一些。但實際上，你并沒有工作得更少。你只是工作了相同甚至更多的時間。”

組織可能將這種自愿的工作擴張視為明顯的勝利。畢竟，如果員工是主動這樣做的，那有什么不好呢？這不正是我們一直被承諾的生產(chǎn)力爆發(fā)嗎？

但我們的研究揭示了讓工作非正式擴張和加速的風(fēng)險：短期看似更高的生產(chǎn)力，可能掩蓋了員工在同時處理多個AI賦能工作流時，靜默增加的工作負荷和日益增長的認知壓力。由于這種額外努力是自愿的，且常被當(dāng)作愉快的實驗，領(lǐng)導(dǎo)者很容易忽視員工承擔(dān)了多少額外負擔(dān)。久而久之，過度工作可能損害判斷力、增加錯誤概率，并使組織更難區(qū)分真正的生產(chǎn)力提升與不可持續(xù)的強度。對員工而言，累積效應(yīng)是疲勞、倦怠，以及日益強烈的工作難以脫身之感——尤其是在組織對速度和響應(yīng)能力的期望提高之時。

個人與組織不應(yīng)被動接受AI工具對職場的重塑，而應(yīng)主動建立“AI實踐”：一套有意識的規(guī)范與行動框架，用以明確AI的使用邊界、界定何時需要暫停依賴，并規(guī)劃工作應(yīng)如何（以及不應(yīng)如何）隨著技術(shù)能力的拓展而相應(yīng)調(diào)整。沒有這樣的實踐，AI輔助工作的自然趨勢不是收縮而是加劇，對倦怠、決策質(zhì)量和長期可持續(xù)性產(chǎn)生影響。

組織在構(gòu)建AI實踐時，應(yīng)考慮采用以下方法：

有意的暫停

隨著任務(wù)加速和界限模糊，員工將受益于短暫、結(jié)構(gòu)化的節(jié)奏調(diào)節(jié)時刻：受保護的間隔時間，用于評估一致性、重新考慮假設(shè)，或在繼續(xù)前進前消化信息。

這些暫停不會整體上減緩工作；它們只是防止在加速不受控制時悄然累積的超負荷。例如，決策暫?？梢砸笤谥卮鬀Q策最終確定前，提出一個反對論點和一個與組織目標(biāo)的明確聯(lián)系——足夠拓寬注意力范圍以防止偏離。將此類暫停融入日常工作流程，是組織在AI增強環(huán)境中支持更好決策、更健康的界限和更可持續(xù)生產(chǎn)力形式的一種方式。

有序推進

隨著AI支持后臺的持續(xù)運作，組織應(yīng)建立工作節(jié)奏調(diào)控機制——不僅關(guān)注執(zhí)行速度，更要有意識地管理任務(wù)推進的時機。具體而言，這包括：批量處理非緊急性通知、將進度更新保留至自然停頓點，以及設(shè)立受保護的深度工作時段，確保員工能免受不必要的干擾。

有序推進機制倡導(dǎo)工作按連貫的階段性節(jié)奏展開，而非對每個AI產(chǎn)出即時反應(yīng)。當(dāng)團隊以這種節(jié)律協(xié)調(diào)工作時，員工能減少任務(wù)碎片化與高成本的上下文切換，同時維持整體產(chǎn)出效率。通過主動規(guī)劃工作序列與執(zhí)行時機——而非被動追求即時響應(yīng)——有序推進有助于組織在AI驅(qū)動的環(huán)境中保持專注深度、降低認知負荷，并為更審慎的決策創(chuàng)造空間。

人際聯(lián)結(jié)

當(dāng)AI承擔(dān)起更多獨立且自成體系的任務(wù)時，組織更需要主動守護那些用于傾聽與人際連接的時間和空間。即便是簡短的交流、共享的反思時刻，或是結(jié)構(gòu)化的對話——這些看似微小的連接機會，都能有效中斷與AI工具的持續(xù)獨處狀態(tài)，幫助員工跳出局部視角，重獲整體視野。

不僅如此，社會性互動更是創(chuàng)造力的源泉。AI雖能提供經(jīng)過整合的單一視角，但真正的創(chuàng)造性洞見往往源自多元人類觀點的碰撞。通過將傾聽與對話的時間和空間制度化，組織能夠把工作重新錨定于社會情境之中，從而有效緩沖AI高速中介工作所帶來的消耗感與個體化效應(yīng)。

生成式AI的前景不僅在于它能做什么，更在于它如何被深思熟慮地融入日常節(jié)奏。我們的研究表明，若無意識，AI會讓“做更多”變得更容易——但讓“停止”變得更難。AI實踐提供了一種制衡：一種在工作加速時仍保留恢復(fù)與反思時刻的方式。組織面臨的問題不是AI是否會改變工作，而是他們是否會主動塑造這種改變——還是任由它悄然塑造他們。

關(guān)鍵詞：

Aruna Ranganathan 、Xingqi Maggie Ye | 文

Aruna Ranganathan 是加州大學(xué)伯克利分校哈斯商學(xué)院管理與組織學(xué)副教授。Xingqi Maggie Ye 是伯克利哈斯商學(xué)院管理與組織學(xué)方向的博士研究生。

周強 | 編校

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org