AI不减负，让人更忙碌

当前，许多企业都在为如何让更多员工使用AI而发愁。毕竟，关于AI应用的前景极具吸引力：它能够通过起草常规文档、总结信息、调试代码等方式，减轻工作负担，从而让员工腾出更多时间去处理高价值工作。

但如果领导者成功让更多员工使用AI，他们是否准备好面对接下来发生的一切？当领导者只关注潜在的生产力提升时，AI所带来的复杂现实可能会令他们始料未及。等意识到这些成果背后的代价，可能为时已晚。

在一项正在进行的研究中，我们发现AI工具并没有减少工作量，反而增加了工作强度。我们针对一家约有200名员工的美国科技公司，开展了一项为期8个月的研究，考察生成式AI如何改变员工的工作习惯。结果发现，与不使用AI的员工相比，使用AI的员工工作节奏更快、承担的任务范围更广、工作时间也更长，而且很多情况下并非公司要求他们这样做。重要的是，这家公司并未强制员工使用AI（尽管公司确实为员工提供了商用AI工具的企业订阅服务）。员工之所以主动承担更多任务，是因为AI让“做得更多”变得可行且容易，并且在多数情况下，这种主动还能带来一种内在满足感。

这听起来或许是领导者梦寐以求的局面，但员工积极使用AI所带来的变化，未必具有可持续性，长期来看，反而会引发一系列问题。当尝试新工具的热情消退后，员工会发现，自己的工作量在不知不觉中增加了，而面对突然堆到眼前的各种任务，他们会感到力不从心。不断累积的工作量可能进一步导致认知疲劳、职业倦怠，以及决策效率下降。最初的生产力激增，最终可能演变为工作质量下降、员工流失等其他问题。

这让领导者陷入两难境地。他们该怎么做？要求员工自行调节并非良策。相反，公司需要围绕AI的使用制定一套规范和标准，即“AI准则”（AI practice）。领导者可以采取以下方式，帮助员工成功运用AI。

生成式AI如何增加工作强度

在这项研究中，我们考察了生成式AI工具如何改变科技公司员工的工作习惯。我们每周有两天进行实地考察，追踪企业内部沟通渠道，并对工程、产品、设计、研究和运营部门的员工开展了40多场深度访谈。研究发现，工作强度的增加主要体现在三个方面。

1. 任务范围变广。由于AI能够填补知识空白，员工开始承担原本属于他人的职责。产品经理开始编写代码，研究人员接手工程任务，组织中的许多人尝试了过去他们会外包、推迟或完全回避的工作。

生成式AI让这些任务变得前所未有地容易。AI工具为许多人赋能并提升其认知，使员工减少了对他人的依赖，并在过程中提供即时反馈和修正意见。员工将这种体验形容为“只是用AI随便试试”，但这些尝试实际上扩大了他们的工作范围。事实上，员工承担了更多工作，而这些工作原本可能需要额外雇用临时帮手或增加人手才能完成。

职责范围的扩大带来了一系列连锁反应。例如，工程师需要花更多时间审查、修正和指导同事的工作，因为这些工作通常由AI生成或辅助完成。这些需求超出了正式代码审查的范畴。工程师们越来越多地发现自己需要去指导那些进行“氛围编程”（vibe coding）的同事，并帮他们完成未做完的工作。这种监督往往发生在非正式的场景，比如在Slack跟帖或工位旁的快速请教中，这进一步增加了工程师的工作量。

2. 工作与非工作之间的界限变得模糊。由于AI让开启一项任务变得十分轻松，让人不再因无从下手而倍感压力，员工便把少量工作塞进了休息时间。许多人在午餐时或会议期间都会向AI发出指令。有些人会在离开工位前发送最后一条快速指令，以便在自己离开电脑后，AI仍能继续工作。

这些行为很少让人感觉自己做了更多的工作，但久而久之，这让工作日中的休息时间变得更少，同时让人们更持续地投入到工作当中。以对话的方式向AI输入指令，这个过程不像是在工作。换言之，向AI系统输入一行文字，感觉更像是在聊天，而不是在执行一项正式任务，这让工作很容易在不经意间延续到夜晚或清晨。

一些员工往往事后才意识到，随着他们习惯在休息期间向AI输入提示词，原本属于休息的时间不再像以前那样能让人恢复精力。结果，工作不再有明确的界限，同时变得无处不在，使得人们随时都想再推进一点工作。实际上，工作与非工作之间的界限并未消失，但变得更容易跨越。

3. 更多的多任务处理。AI带来了一种新的工作节奏，员工现在需要同时管理多条并行的任务线程：一边手动编写代码，一边让AI生成另一个版本的代码；同时运行多个智能体；又或是重启那些长期搁置的任务，因为AI可以在后台处理。他们之所以能这样做，部分原因是感觉自己有了一个“伙伴”，可以帮助他们推进手头的工作。

虽然这种“有伙伴相助”的感觉创造了工作动力，但现实情况是，员工不得不持续转移注意力，频繁检查AI的输出结果，并面对越来越多未完成的任务。这造成了认知负荷，让人们陷入一种疲于应付的状态，虽然工作本身看起来很高效。

随着时间的推移，这种工作节奏提高了人们对速度的期待，这并非源于明确的要求，而源于日常工作中那些逐渐显现并被视为常态的现象。许多员工指出，与使用AI之前的状态相比，他们现在需要同时处理的任务变多了，并感到更大的压力，尽管以自动化的方式节省时间的初衷本应是减轻这种压力。

“AI准则”如何让组织受益

所有这一切形成了一个自我强化的循环。AI加速了某些任务的处理，从而提高了人们对速度的期望；速度的提升使员工更加依赖AI；而对AI依赖程度的加深，又拓宽了员工尝试完成的工作范围，这进一步增加了工作量和强度。多位研究参与者指出，尽管他们感觉工作效率提高了，但并没有觉得更轻松，在某些情况下甚至感觉更忙了。正如一位工程师总结的那样：“你原本以为有了AI，你可以更高效并省下一些时间，这样就能少干点活。但实际上，工作量并没有减少。你的工作量和从前一样多，甚至更多。”

企业可能会将员工这种自愿承担更多工作的行为，视为一件稳赚不赔的好事。毕竟，既然是员工主动提出的，这有什么不好呢？这不正是我们一直期待的生产力大爆发吗？

但我们的研究显示，当工作在未经规范的情况下不断扩张、加速时，将带来一些风险：短期内看似更高的生产力，实际上可能掩盖了悄然增长的工作负荷，以及员工同时应对多条AI工作流时不断累积的认知压力。由于这种额外投入往往出于员工自愿，而且常被视为一种“愉快的尝试”，领导者很容易忽视员工正在承受的额外负担有多沉重。最终，过度工作会损害判断力，增加出错的可能性，并使组织更难区分真正的生产力提升与不可持续的高强度工作。对员工而言，其累积效应表现为疲劳、倦怠，以及一种越来越难以从工作中抽身的感觉，尤其是在组织对速度和响应能力的期望不断提高的情况下。

对企业和员工而言，与其被动地面对AI工具重塑职场的现实，不如主动采取一套“AI准则”，即一系列专门制定的规范和惯例，用以明确AI的使用方式、何时应停止使用，以及基于这种新能力，工作范围应如何扩张或避免扩张。如果缺乏这样的“AI准则”，AI辅助工作的自然趋势便不会减弱，而是进一步增强，从而对职业倦怠、决策质量和长期可持续性产生影响。

企业在构建自身的“AI准则”时，应考虑采取以下措施。

有意识地暂停。随着任务节奏不断加快、工作边界日益模糊，企业可以通过为员工提供短暂且结构化的时间来调节工作节奏。员工在继续推进工作之前，能够在这段不受打扰的时间里评估工作方向的一致性，重新审视既有假设，并充分消化吸收信息。

这些暂停并不会拖慢整体工作进度，它们只是为了避免在缺乏节制的加速过程中，工作负荷悄然加重。例如，在做出重大决策之前，组织可以要求团队花时间提出一个反驳观点，并明确指出该决策与组织目标之间的关联，这样就能将注意范围稍稍拓宽，从而防止决策偏离正轨。在日常工作流程中融入此类暂停环节，有助于组织在AI增强的环境中做出更明智的决策、建立更健康的界限，并形成更可持续的生产力模式。

对任务进行排序。考虑到AI能在后台持续运行，企业不应只追求速度，还应制定相关规范，有意识地把握工作节奏。这些规范包括：对非紧急通知进行分批处理、等到工作间隙再统一同步最新消息，以及保护员工的专注时段，使其免受干扰。

对任务进行排序的组织，会鼓励员工按照连贯、有序的阶段推进工作，而不是让员工对每一个AI生成的结果都保持即时响应。这样一来，员工的工作时间就不那么碎片化，也能减少在不同任务间切换所消耗的时间和精力。同时，团队整体也能维持较高的工作效率。通过管理工作的顺序与时机，而不是要求员工持续响应，组织能够更好地保护员工的注意力资源，降低认知负荷，并在AI导向型（AI-forward）工作环境中，做出更审慎的决策。

维系人际联结。在AI的支持下，越来越多的工作可以由个人独立完成，企业若能为员工保留用于人际联结的时间和空间，将大有裨益。无论是通过快速同步信息、共同的复盘时刻，还是结构化讨论，这些与他人建立联结的短暂机会，都能打破员工独自一人持续使用AI工具的状态，并帮助他们重新获得全面的视角。

社交互动同样能够激发创造力。AI提供的是一种经过整合的单一视角，而真正的创造性洞察则源于多元的人类观点。通过为倾听与对话保留时间和空间，组织便能让工作重新回归到人与人的联结之中，并缓解由AI驱动的快节奏工作对个人造成的精力消耗。

生成式AI的应用前景，不仅在于它能为工作带来什么，更在于企业如何审慎地将其融入日常节奏之中。我们的研究发现，如果缺乏有意识的设计，AI会让人们做得更多，却更难停下来。“AI准则”发挥出一种平衡的作用：即便工作节奏不断加快，企业也能为员工保留恢复精力和复盘的时间。企业面临的真正问题，并非AI能否改变工作，而是它们是想要主动塑造这场变革，还是任由AI悄然改变自己。

阿鲁纳·兰加纳坦（Aruna Ranganathan） 叶星琪（Xingqi Maggie Ye）| 文

阿鲁纳·兰加纳坦是加州大学伯克利分校哈斯商学院（Haas School of Business）副教授。叶星琪是加州大学伯克利分校哈斯商学院组织管理博士生。

本文来自微信公众号“哈佛商业评论”（ID：hbrchinese），作者：HBR-China，编校：周静怡，36氪经授权发布。