AI会减少你的工作量——你相信过这个说法吗?
行业里已经讲了三年同样的故事：AI是生产力倍增器，用更少的时间做更多的事，皆大欢喜。但UC伯克利研究人员追踪这个前提到底会走向哪里，得出的结论却大相径庭。最热情拥抱AI的人，最先陷入职业倦怠。
核心逻辑
这是什么?
2026年2月，UC伯克利研究团队在《哈佛商业评论》发表了一项长达8个月的研究，追踪一家200人规模的美国科技公司。没有人被施压，没有人收到新的业绩目标。公司只是提供了AI订阅账号，员工开始自发使用。
随后，三件事同时发生了。
| 维度 | 引入AI前 | 引入AI后 |
|---|---|---|
| 工作范围 | 仅限本职角色 | 吸收相邻职能领域 |
| 工作时间 | 午休和下班后是休息时间 | 休息时间也发送"快速提示词" |
| 多任务处理 | 一次专注一件事 | 并行运行多个AI智能体 |
关键：AI让更多事情变得可行，工作密度在不知不觉中攀升
一位工程师这样描述："我以为用AI提高效率后可以节省时间，工作会更轻松。但实际上并没有减少工作量，工作时间一样，甚至更多。"
有什么不同?
关键洞察：这种倦怠不来自外部压力，而来自研究团队所称的"自愿扩张"。没人强迫你多做，AI只是让更多事情变得可行，而可行的事情会不断积累。
- 你在午休时发送"一个快速提示词"
- 以前属于其他团队的工作，因为"AI能搞定"被你吸收了
- 你在后台运行AI智能体的同时做其他工作
- 你做得更多，感觉变快了，但实际上休息更少了
- 休息后感觉没恢复，比以前更难从工作中抽离
METR在2025年开展的随机对照试验提供了更直接的数据。16名有经验的开发者被随机分为AI使用组和非使用组，完成真实的开源问题。使用AI的组平均多花了19%的时间。关键在于：同样这批开发者事后表示感觉"快了20%"。实际更慢，感觉更快——这正是悖论所在。
BCG在2026年3月对1,488名美国员工的研究中为这一现象命名："AI Brain Fry"（AI过脑伤）。AI过度使用或持续监控AI输出导致精神疲劳，进而引发错误增多→决策超载→离职意向上升。
- AI拓宽了可能性边界
以前需要借助他人的任务，现在可以独立完成，职责范围开始模糊扩大。 - 工作密度悄然攀升
休息时间变成"快速提示词时间"，工作与生活的边界逐渐消融。 - 速度成为新常态
更快的节奏成为基准，团队对响应速度的整体期望水涨船高。 - 恢复能力开始失效
休息后不再感到恢复，职业倦怠的早期症状开始显现。 - 生产力反而下降
判断力减弱，错误增多，工作质量下滑——与最初目标背道而驰。
如何开始
HBR研究团队提出了"AI实践(AI practice)"的概念：围绕如何使用AI、何时停止、如何限制工作范围扩张，建立一套有意识的规范。
- 设计有意识的暂停(Intentional Pause)
重大决策前，要求提出一条反驳意见，并明确与战略目标的关联。这不是降速，而是防止负荷悄然积累。 - 规划工作顺序(Sequencing)
不要对每个AI输出立即响应。批量处理非紧急通知，保护专注时段。 - 预留无AI的人际对话时间
AI只提供单一综合视角。创意洞察与恢复需要多元人类观点，结构性地安排团队沟通时间。 - 明确划定职责边界
"AI能做到"不代表自动成为你的工作。更新职责范围并与团队共享。 - 确保真正的恢复时间
将"午休不发提示词"设定为规则而非目标。AI停工，你也停工。
深入研究
AI Doesnt Reduce Work It Intensifies It UC伯克利研究团队的HBR原文，详述三种工作强化机制：任务扩张、边界模糊和多任务处理。hbr.org
Measuring the Impact of Early-2025 AI on Experienced Developer Productivity METR的随机对照试验全文，16名开发者、246个任务随机分配，方法论完全公开。metr.org
When Using AI Leads to Brain Fry BCG对1,488名员工的研究，涵盖错误率、决策超载和离职意向数据。hbr.org
AI Fatigue Statistics 2026 企业视角下AI工具过度扩张对生产力和员工满意度影响的数据报告，包含95%企业未实现AI投资回报的数据。shibumi.com
