用了AI，为什么我更累

晨枫

韩咏梅：用了AI，为什么我更累？

新技术刚引入的时候，人们往往只把它当作现有工作方式的加速器，而没有改变工作流程本身，更没有改变人的认知模式。结果就是电脑让文字处理更快，但我们要处理的文件也更多了。“AI生产力悖论”真正提醒我们，新工具不会自动带来轻松，它只会更快地放大我们的能力，也更快地暴露我们的局限。对于知识和创作型工作者来说，未来最重要的能力，不只是会不会用AI，而是能否在机器大量生成的时代，仍然保有判断、取舍和慢下来的能力。

经济学里的一个谜题，最近好像在我身上应验——生产力悖论。

以前写一篇专栏，从零开始，一个概念一个概念地思考、调整、优化。虽然慢，但思维节奏和打字节奏是同步的。现在有了人工智能（AI），我可以先把初步的概念写成指令（prompt），让它生成文字，我再修正指令，让它继续完成一个初稿。这听起来轻松了，实际上和AI一来一往，审核产出、调整偏差、修正指令的过程中，需要不停的判断，脑力负荷更重。

这个过程中也产生出很多过不了自己这关的文字，自己看了都嫌弃的“工作废料”，只能毫不犹豫地删除。来来回回一段时间，最后还是“我手写我脑”，自己一个字接一个字，一段又一段地把文章写出来。这期间所花的额外时间，是流失的生产力。

相信我不是唯一因此感到迷惘的人，经济学家早就给这种现象取了名字，叫“生产力悖论”（Productivity Paradox），而在生成式人工智能井喷式发展两年多后，我们开始感受到“AI生产力悖论”。

生产力悖论是诺贝尔经济学家索洛（Robert Solow）提出的经济学术语，指的是像1990年代个人电脑刚普及，新技术刚出现的头几年，生产力往往不是立刻飞升，而是先下滑一段时间，像一个“J”型曲线。

新技术刚引入的时候，人们往往只把它当作现有工作方式的加速器，而没有改变工作流程本身，更没有改变人的认知模式。结果就是电脑让文字处理更快，但我们要处理的文件也更多了；电邮让沟通更便捷了，但我们要处理的邮件也爆炸了。工具能力的提升，并没有直接转化为人的轻松，反而带来了新的负荷。当年的主角是电脑，现在是AI。

如今我们大概处于J型曲线的底部。我们看到各种模型和相关的应用层出不穷，如不甘落后的科技人在养的“小龙虾”OpenClaw、GLM-5、Claude Opus、Codex等等，人们花了钱订阅一堆服务、上了一堆课程、看了无数解说视频，开始能有效和安全地把这些新模型应用得好的却不多，反而因为AI的产出太旺盛，检查的工作也相应增加。

对知识和创作型行业来说，情况也一样。因为AI可以处理繁琐和重复性工作，比如可格式化和有结构的数据整理、基本文件摘要，然而在知识和创造性工作方面却很难生产有深刻见地的内容。举个例子，我的AI助理可以帮我写文告式的新闻，但是没有办法单独写出优质的特写和评论文章。就算它写出一篇洋洋洒洒的长文，语法上很流畅，但是内在逻辑却经常接不上。

明明很多人都说，AI能够帮他们生产内容、写短文、做视频，我自己也这么说过，为什么现在又说AI会制造工作糟粕，这不是自相矛盾吗？

进一步想，这其实一方面是用水平式工具去处理垂直型问题，另一方面又把“做得快”和“做得好”这两个要求重叠在一起。

举个例子，我们要设计一款问答游戏，让AI产出问题。这个步骤并不困难，把提示词写了，问题范围定好、资料的范畴也给它，然后规定好输出格式就行。因为AI是个不会在量方面发出任何怨言，可以做牛做马的员工，所以就大胆地要求它出超过需要的1000道题。只需要倒一杯茶的时间，它就完成任务，但是产出的问题，90%不能直接用，需要仔细选择再逐题修改和优化。

“做得快”和“做得好”这两个不同的要求叠在一起，用只有一般能力和水平的横向工具，去处理各种对垂直领域有专业要求的问题。AI是通用工具，但很多工作是高度专业化的。通用能力可以快速铺开，却很难直接满足专业标准。是构成这个时代的“AI生产力悖论”的原因之一。

好比以前自己是巧手工匠，现在成了管工，过去自己专注做好一件事，现在不需要动手但需要时刻保持警觉，不断做微决策，在AI生成的许多选项里，判断哪个最好。这种高频的微决策，比单纯执行更消耗心力。换言之，你在用AI撬动更高难度的问题，自己未必能够休息。这是一种“转型之痛”：工具越强，人越累。不是工具错了，是我们还没学会和它共处。

以写专栏来说，过去的写作方式是慢慢一步一步去越来越接近最后成稿。现在借助AI，是更快抵达“很多版本”的结果，但却不容易达到我们心中的标准。

这篇专栏是第六个版本，我的AI助理不是接受指令，生成文章的员工，我让它扮演一位博士水平的对谈伙伴，接我提出的问题一起讨论，最后完成这篇文章。AI没有替我把文章写完，却逼我更清楚地知道，哪些句子不能要，哪些概念必须重想，哪些判断不能偷懒。

也许，这就是“AI生产力悖论”真正提醒我们的事：新工具不会自动带来轻松，它只会更快地放大我们的能力，也更快地暴露我们的局限。对于知识和创作型工作者来说，未来最重要的能力，不只是会不会用AI，而是能否在机器大量生成的时代，仍然保有判断、取舍和慢下来的能力。

（作者是华文媒体集团副社长）

https://www.zaobao.com.sg/forum/ ... 88?ref=home-opinion

====================

在AI时代，人们容易有误解：

- 有了AI帮手，我可以舒服了
- AI知道得多，学习快，我可以不用学习了

这些都是错误的认知。

AI帮手再能干，使唤AI帮手的“主人”其实是更忙了，而不是舒服了。纸笔书信年代，办公桌上往来信件没有多少；电邮时代，每天邮箱里看不完的邮件；AI时代时，不仅有人类产生的邮件，还有AI自动产生的邮件，邮箱里邮件更多了。

当然可以用AI助手来处理邮件，问题是，你有多信任AI助手？

在某种程度上，AI助手好比秘书，秘书犯错的话，最终还是“你”负责，秘书只是秘书。有秘书的人都知道，秘书只是处理“不动脑筋”的勤杂工作，“艰难”的思考和决定还是得“你”来做。到头来，有秘书的人比没有秘书的人还要忙、还要辛苦，因为“容易”的事务秘书都帮你挡掉了，剩下在都是“艰难”的。

那要是“你”本来就只有“容易”的任务呢？那就该“你”被优化了，AI是“你”的完美替代。

AI助手还能帮着编程和处理“行动性”的任务，有了AI助手，其实相当于“你”一边在领导一个团队，一边还要自己打工，更辛苦了。

说到底，人不和AI竞争，与AI拼速度、拼体力是徒劳的。人要做指挥AI的事，或者AI干不了的事。但就像team leader一样，派任务的时候，首先要理解team member的能力和极限，其次要确保任务完成进度和质量，第三需要确保与其他成员或者团队的衔接。

也就是说，在AI时代，很多人都要既学会当team leader（只是team member是AI助手，但不需要考勤和写评语），又要当打工人，至少是架构师。

挺辛苦的。

有人问：在AI时代，入门级的活儿都交AI干了，高年资人才从哪来？

这可能和特种部队或者医生一样。

在美英，Navy Seal、Delta Force或者SAS从部队中选人，但这些人其实在部队也没干多久。要成为精锐中的精锐，只有长期严格训练，系统喜传授该做的、不该做的，将前人经验系统地灌输下去，而不是靠自己慢慢摸，没有那个时间。

医生也是一样，专科医生不是从全科医生里选拔的，而是医学院里直接进入时间更长、入门门槛更高的专科训练。从“低级”的全科医生“晋升”到专科医生的非常罕见。

在AI时代，理工科本科生可能占比越来越小，需要直接接着读硕博，像最精锐特种部队的长期严格训练一样，不再通过自身经验积累，而是通过系统教育和训练，学习前人经验和教训，毕业就直接成为高级专家。或者说，具备领导团队同时也自己做打工人的技能。

AI时代是个学习和工作都更辛苦的时代，也或许不再有工作、休闲的时间上的严格区分，永远像在读研时代一样，不再有真正的“属于自己”的时间。听说过那个team leader真那么闲吗？还不都是永远在想着工作上的事，永远随叫随到，还没有加班费的那种。

不想辛苦怎么办？

好办，自己出门向右拐，到被优化队伍尾巴去排队。

smileREGENT

尴尬的事情在于，leader太多，Team不够用了

俺的体会是，AI可以完成事务性的工作，但是需要交付的任务，首先需要一个review的过程，也就是唯一能放心交给他的，只有要么没人真的在乎（各种应付检查的笔记）、或者你大致知道该怎样做的事情（看的出它在哪里糊弄你）。

其次是，思考的步骤不能省略，比如说我做一个数据分析，领域同行们大多是采用什么办法，或者用说什么办法才能充分地说服同行相信你的结果。做哪些工作能够排除掉那些错误的路径、选择正确的路径。这些才是在一个领域内的专家必须认真学习，掌握的事情。也是那些道不贱卖，法不轻传，师不顺路，医不叩门的东西。

再然后，要学会使用AI进行快速总结、写日志报告、整理数据。总结和不断迭代自己的pipeline。

最后，即使在每次做上面这些你觉得需要亲历亲为的工作的时候，不妨抽出适当的时间问下AI，"你会怎么做。" 个人觉得使用AI的一大乐趣就是，把一个完全觉得它做不好的事情，交给他，发现做的还不错：https://linux.do/t/topic/1617620

无论怎么说，AI时代还是需要，适当地强迫自己、努力去做、那些自己觉得有意义（理想主义者），或者自己能做好（现实主义者），或者二者兼得（天选之子）的事情。

AI将是愿意做这件事情的人很好用的工具。

晨枫

smileREGENT 发表于 2026-3-23 03:50
尴尬的事情在于，leader太多，Team不够用了

俺的体会是，AI可以完成事务性的工作，但是需要交付的任务，首 ...

说得好。leader多、team不够用不会啊，不有一堆AI助手在听从调遣嘛。

其实我说的team leader和team member的关系还说得不大好，可能导师和研究生的关系更好。