Harvard 研究: AI 不會讓你工作變少，只會讓你更忙
Harvard Business Review 今年二月刊出一篇蠻有料的研究文章 AI Doesn’t Reduce Work—It Intensifies It，由 UC Berkeley Haas 商學院的 Aruna Ranganathan 和 Xingqi Maggie Ye 撰寫。他們花了八個月時間，深入一家約 200 人的美國科技公司，實地觀察 AI 工具如何改變員工的工作方式。
結論蠻反直覺的: AI 並沒有讓人工作變少，反而讓工作強度更高了。員工工作節奏更快、承擔更多任務、工時延長到更多時段——而且這些都不是老闆要求的，是員工自願的。
三種工作強化模式
研究團隊每週兩天到公司實地觀察，追蹤內部溝通頻道，做了超過 40 場深度訪談，涵蓋工程、產品、設計、研究和營運部門。他們歸納出三種 AI 帶來的工作強化模式:
1️⃣ 任務膨脹
因為 AI 能補足知識缺口，員工開始做原本不屬於自己的事。PM 開始寫程式碼、研究員做工程任務、設計師動手搞技術實作。AI 讓這些任務「感覺做得到」，而且過程中有即時回饋，讓人覺得很有成就感。
但代價是: 工程師得花更多時間審查同事用 AI 產出的程式碼，在 Slack 上指導 vibe coding 的同事，幫忙收拾半成品的 pull request。這些隱性工作量不斷堆積。
研究裡有句話蠻到位的:「員工逐漸吸收了原本可能需要額外人手或編制才能完成的工作。」——聽起來像是生產力提升，實際上是每個人默默承擔了更多。
2️⃣ 工作邊界模糊
AI 大幅降低了「開始做一件事」的門檻。面對空白頁不知從何下手？丟個 prompt 就能開始。結果就是，員工在午餐時間、開會空檔、等檔案載入的時候都在跟 AI 互動。有人甚至養成習慣: 離開座位前丟一個 prompt，讓 AI 在背景跑。
因為跟 AI 對話的感覺更像在「聊天」而不是「工作」，工作不知不覺滲透到晚上和清晨。很多人事後才意識到，習慣性地在休息時間跟 AI 互動之後，休息已經不再有恢復精力的效果了。
3️⃣ 多工超載
AI 創造了一種新的工作節奏: 一邊手動寫程式碼、一邊讓 AI 產生替代版本、同時跑好幾個 Agent、順便把擱置很久的任務撿回來做——因為「反正 AI 可以在背景處理」。
表面上覺得有個得力夥伴，實際上是不停地切換注意力、頻繁檢查 AI 輸出、同時管理越來越多進行中的任務。一位工程師的總結很精準:
「你原本以為，用 AI 提高生產力就能省下時間、少工作一點。但結果是，你沒有少做。你做一樣多，甚至更多。」
自我強化的飛輪
這三種模式形成了一個自我強化的循環: AI 加速了某些任務 → 對速度的期望提高 → 更依賴 AI → 嘗試更多任務 → 工作範圍持續擴大。
沒有人明確要求你做更多，但「做更多」變成了組織裡可見的、被正常化的行為。當大家都在用 AI 加速產出，你不加速就是相對落後。短期看是生產力爆發，長期看卻可能帶來認知疲勞、倦怠和決策品質下降。
研究建議: 建立「AI Practice」
研究者認為，讓員工自我調節不是好策略。組織需要建立一套有意識的 AI 使用規範——他們稱之為「AI Practice」:
🔹 刻意暫停: 在重大決策前，要求提出一個反論點並連結回組織目標。不是放慢整體速度，而是防止加速失控時的判斷品質下降。
🔹 工作排程: 把非緊急通知集中處理、在自然斷點才推送更新、保護專注時段不被打斷。讓工作以「階段」推進，而不是對每個 AI 產出即時反應。
🔹 人際連結: 保護對話和人際互動的時間。AI 提供的是單一的合成觀點，但創意洞見需要接觸多元的人類視角。
社群迴響
這篇文章在社群上引起非常大的迴響。X 上 Rohan Paul 的貼文超過 159 萬人看到，Harj Taggar（YC 前合夥人）也轉推說:「我認識的每個用 AI 的人，工作時數都變多不是變少。」以下整理幾個有代表性的觀點:
「這就是傑文斯悖論」
X 上最多人提到的框架就是 Jevons Paradox (傑文斯悖論): 當某種資源的使用效率提高，總消耗量反而增加。Lex Sokolin 說:「AI 沒有把下午還給人們，它提高了產出的標準，所以每個人只是做更多。」LinkedIn 上 Petyo Pahunchev 寫了一篇深度分析，引用 Gartner 的數據指出 GenAI 正處在幻滅期低谷，預計還要 2-5 年才能到達生產力高原。他也引用了 Hacker News 上 400 多則留言中的一個觀察:「自從我們團隊全面擁抱 AI，期望值漲了三倍、壓力漲了三倍，實際生產力大概只提升了 10%。」
「問題不是 AI，是工作設計」
Kim Seeling Smith 寫了一篇文章，標題就很直接:「一點都不意外。」她認為這不是工具問題，是系統問題——AI 是放大器，放大的是組織文化、領導風格和個人野心。如果在一個高績效但缺乏邊界的文化裡導入 AI，它不會解放你，只會加速你直到崩潰。她的結論蠻有力的:「未來十年真正的領導力挑戰不是導入 AI，是學會克制。」
「認知負荷才是關鍵」
神經心理學家 Julie Hook 在 Medium 寫了一篇 AI 的效率陷阱，從認知科學角度分析。她指出重點不是「省了多少時間」，而是認知負荷的重新分配。工作在紙面上看起來更有效率，但體感上更密集、更耗神。邊界侵蝕、持續警覺、不斷切換情境——這些才是真正的代價。Carl Hendrick 則在 Substack 上引用了 1983 年 Lisanne Bainbridge 的經典論文《自動化的諷刺》，指出這個現象四十年前就被預言了: 自動化越強大，留給人類的工作反而越困難。
「但這很好玩啊」
X 上也有不少人覺得這根本不是問題。有人說「因為太好玩了啊」，有人說「現在工作就是比以前有趣」，Steven Cheng 甚至說「vibe coding 是新型態的滑手機，差別是你在創造而不是消費」。也有人說 AI 幫他保留了更多腦力，能工作更長時間卻更不疲倦。
這派人的感受其實正好印證了研究的觀察: AI 讓「做更多」這件事感覺有內在回報感，所以人們自願投入更多，直到某天回過頭才發現自己已經倦怠了。
「要區分自願和非自願」
Petyo Pahunchev 的分析裡有個蠻好的區分: 工作強化其實有兩種。一種是自願的——AI 讓人產出爆量但也很快精疲力竭，這是自己選擇的加速。另一種是非自願的——員工被丟進不理解的 AI 工作流，產出品質難以評估，反而製造更多低效。他認為兩者需要完全不同的應對策略: 自願的需要設定邊界和節奏，非自願的需要提升 AI 素養和改善工具流程。
小編觀點
這篇研究最有價值的洞見不在於「AI 讓人更忙」這個結論本身——老實說，很多天天用 AI 工作的人早就有這個體感了。真正值得注意的是那個自我強化的飛輪機制: 不是老闆逼你做更多，是 AI 讓「做更多」變得太容易、太有趣、太有成就感了，於是你自願跳上越轉越快的跑步機。
Danny Peck 在他的文章裡提到一個很實用的做法: 刻意保留摩擦力。不是每件事都需要即時完成，有些任務本來就該花力氣，那才是價值所在。
Stef Hutka 則把這個現象放到更大的歷史脈絡裡看: 1930 年凱因斯預測技術進步會讓人每週只需工作 15 小時，結果並沒有。1979 年第一個商用試算表軟體問世，被認為會讓會計工作大幅簡化，結果是改變了工作性質而非減少它。Email 被認為能減少開會，結果讓人隨時可被打擾。每一次「提高效率的技術」都沒有真正讓人工作變少，而是改變了對產出的期望標準。
AI 也不例外。工具本身不是問題，問題是我們有沒有意識到，當生產力的天花板被打開，填滿那個空間的往往不是休息，而是更多的工作。