效率悖論（Efficiency Paradox）：為什麼 AI 讓我們工作得更辛苦，而不是更聰明

在過去幾年中，圍繞著職場人工智慧（AI）的敘述是單一且誘人的：AI 是終極的省時工具。我們曾被許諾一個未來，大型語言模型（Large Language Models）和自主代理（Autonomous Agents）將處理單調乏味的工作，讓人類員工能夠專注於高層策略和創意——或者僅僅是為了能早點回家。

然而，本週發表在《哈佛商業評論》（Harvard Business Review）上，來自加州大學柏克萊分校（University of California, Berkeley）的一項開創性新研究打破了這個幻象。這項研究追蹤了一家美國科技公司的 200 名員工，時間長達八個月，揭示了一個截然不同的現實：AI 工具不僅沒有減少工作量，反而持續地使其加劇。

當我們在 Creati.ai 分析這些發現時，很明顯地，我們正在目睹一種「生產力悖論（Productivity Paradox）」的出現。雖然產出指標可能在攀升，但人類成本——以 認知疲勞、模糊的界限和飆升的倦怠率來衡量——上升得更快。

解析柏克萊分校的研究結果

這項研究由哈斯商學院（Haas School of Business）的副教授 Aruna Ranganathan 和研究員 Xingqi Maggie Ye 領導，提供了關於 AI 採用如何落地執行的最細緻觀察之一。與依賴自我報告情緒的廣泛調查不同，這項研究深入到了一個自願採用生成式 AI（Generative AI）工具的員工群體中進行觀察。

研究人員發現了一種他們稱之為「工作量蔓延」的現象。雖然單項任務的完成速度確實變快了，但節省下來的時間並未被員工用於休息或深思。相反，這些時間立即被「更多」的工作填滿，且通常與員工的核心職責性質不同。

根據該研究，工作強度的加劇是由三種特定的機制驅動的，而管理層往往在倦怠發生之前都未能察覺。

1. 任務擴張

AI 降低了進入複雜技術任務的門檻。在研究中，產品經理開始自己編寫代碼，用戶研究員開始處理工程工單。雖然這種「技能民主化」最初讓人感到充滿力量，但這意味著員工實際上是在吸收先前屬於其他部門的角色。其結果是工作範圍顯著擴大，而正式的職位預期卻沒有任何調整。

2. 「微休息」的消失

其中一項更為隱蔽的發現是 AI 如何侵蝕工作日中的自然停頓。在傳統的工作流程中，遇到瓶頸通常意味著停下來思考或諮詢同事。有了 AI，解決方案總是只需「一個提示詞」。員工報告稱，他們利用了每一個空閒時刻——包括午休時間和會議之間的幾分鐘——來進行「快速」的 AI 查詢。恢復所需的心理停頓被即時答案的誘惑系統地消除了。

3. 多工處理過載

研究描述了一種新的工作「節奏」，員工同時管理多個活躍的線程。開發人員可能正在手動偵錯一段腳本，同時 AI 代理生成第二段腳本，第三個窗口則運行測試套件。這種並行處理產生了沉重的認知負荷，使工人們變成了數位產出的高速交通管制員，而不是專注的創作者。

視覺化轉變：傳統 vs. AI 增強型工作

為了更好地理解工作日的質地發生了怎樣的變化，我們可以將 AI 出現前的工作流程與柏克萊研究中觀察到的加劇模式進行對比。

表格：AI 對工作流程動態的影響

「永遠在線」生產力的認知成本

柏克萊的發現與 AI 時代關於認知疲勞（Cognitive Fatigue）的日益增多的證據相吻合。當員工將例行任務外包給 AI 時，他們的工作中只剩下了高風險的決策和複雜的問題解決部分。雖然這在理論上聽起來很理想，但人類的大腦並非設計用於在沒有低價值任務作為「味覺轉換器」的情況下，連續八小時以峰值認知強度運行。

該研究指出，員工最初感到動力激增，將 AI 描述為幫助他們處理積壓工作的「合作夥伴」。然而，這種動力往往是虛假的。到研究的第六個月，關於倦怠、焦慮和決策癱瘓的報告大幅增加。研究人員警告說，第一季度看起來像是生產力奇蹟的現象，到第三季度往往會導致員工流失和品質下降。

此外，報告中提到的「多工處理過載」突顯了對人類注意力的嚴重誤解。我們並非真正的多工處理者；我們是任務切換者。每當員工在審查 AI 產出、提示新查詢和驗證事實之間切換時，他們都會產生「切換成本」。在一天當中，這些微小的成本會累積成深度的心理力竭。

給領導層的警示

對於企業領導者來說，加州大學柏克萊分校的研究提供了一個緊迫的警告：不要將忙碌誤認為可持續的生產力。許多公司目前用於衡量 AI 成功與否的指標——例如編寫的程式碼行數或關閉的工單數量——捕捉的是工作「量」，卻忽視了「強度」。

研究人員強調，這種工作強度的加劇很大程度上是自發的。員工並不一定是被命令去做更多工作；他們是被工具的能力所誘惑，從而承擔了更多。這使得問題更難被發現，也更難解決。

可持續 AI 策略的建議：

• 實施「AI 慣例」： 研究建議組織需要建立有意識的規範，或稱為「AI 慣例」。這包括強制性的停頓，以及關於何時「不」使用 AI 的明確指南。
• 重新定義生產力： 從基於產出的指標（AI 可以輕鬆誇大這些指標）轉向基於結果的指標。衡量工作的影響力，而不僅僅是生產速度。
• 防止範圍蔓延： 管理者必須警惕「範圍蔓延」。僅僅因為行銷經理「可以」利用 AI 生成 SQL 查詢，並不意味著他們應該在自己的工作之外還要承擔數據團隊的工作。
• 優先考慮人際連結： 隨著與 AI 代理的互動增加，必須保護人與人之間協作的時間——這通常能提供情感支持並激發創意火花。

導航工作的未來

在 Creati.ai，我們對人工智慧轉型產業的潛力保持樂觀。然而，轉型不能以犧牲勞動力的心理健康為代價。工具應該為人類服務，而不是反之。

加州大學柏克萊分校的研究並非是對技術的譴責，而是對我們目前部署技術方式的批判。如果我們繼續將 AI 僅僅視為一種從一天中壓榨出更多時間的機制，我們將面臨一場任何演算法都無法解決的倦怠危機。前進的道路需要對工作進行刻意的重新設計——承認我們的認知極限，並將可持續的長期創造力置於短期的效率爆發之上。

隨著我們步入 2026 年，競爭優勢將不再屬於那些利用 AI 跑得最快的公司，而是屬於那些利用 AI 走得最遠的公司。