過去需要三週完成的專案，如今一週即可收尾。耗費整天工時的報告，午餐前就能完成。然而，在尚未就這種加速標準是否可持續、準確或公平達成共識之前，員工已開始被以此標準評估。效率的紅利流向了組織，加劇的壓力卻落在了個人身上。

在幾乎每個導入人工智慧的行業中，同樣的模式正在浮現。效率的提升並未以騰出的時間返還給員工，而是被轉化——通常即刻轉化——為更高的產出期望。這一鮮少被公開說出的底層邏輯十分簡單：如果 AI 為你騰出了下午的時間，那段時間便被分配給下一個交付任務。員工並未獲得更多時間，而是在同樣有限的工時內，被指派更多任務、以更快的節奏工作。

這並非第一次出現變革性技術承諾減輕負擔卻反而加劇壓力的情況。經濟學家 Robert Solow 在 1987 年就觀察到，電腦似乎無處不在，唯獨在生產力統計數據中缺席——這一現象後來被稱為「生產力悖論」。電子郵件、即時通訊和行動裝置都經歷了類似的軌跡：每一項技術的引入都是為了節省時間，結果卻擴大了員工被期望處理的工作範疇與節奏。本輪 AI 浪潮的獨特之處在於其採用的速度與廣度，加上 AI 正在承擔過去被認為需要人類判斷的認知任務。

研究結論一致：AI 正在加劇而非減輕工作

GoTo 與 Workplace Intelligence 的研究異常清晰地闡述了這一悖論。他們的 2026 年工作脈動研究調查了十個國家的 2,500 名員工和 IT 決策者，發現員工每天使用 AI 工具可節省超過兩小時。然而，同一項研究也顯示，60% 的員工感到被迫使用 AI 來提高生產力，50% 表示過度依賴 AI，39% 認為日益增加的依賴正在削弱自身的智力。生產力的提升與人力表現的代價正在同時浮現，但多數組織只追蹤了其中一面。

另一項由 ActivTrak 的分析涵蓋了超過 1,100 家組織的 4.43 億小時工作活動數據，發現 AI 使員工花在電子郵件和即時通訊上的時間翻倍，而深度專注工作下降了 9%。今年稍早發表的一項哈佛商業評論研究報告指出，AI 導入後，員工以更快的節奏工作，承擔了更廣泛的職責，並將工作延伸到一天中更多的時段——通常未經任何要求。這些工具在產生更多活動的同時，也在侵蝕那種使活動具有價值的高品質思考能力。

這些發現建立在當前 AI 浪潮之前就已存在的擔憂之上。世界衛生組織於 2019 年正式將職業倦怠認定為一種職業現象，Gallup 在 AI 普及前的研究也持續發現全球勞動力日益增加的疏離感。AI 並非從零開始創造這些壓力——它是在本已緊繃的職場文化之上，疊加了新的認知需求。

以速度為評估標準，而非判斷力

當 AI 壓縮工作時程時，最顯著的變化是速度。由於速度是 AI 導入中最容易辨識和量化的產出，它迅速成為績效的實質代理指標。Gallup 的研究發現，65% 的員工表示 AI 提升了他們的生產力，而管理者中頻繁使用 AI 的比例自 2023 年以來從 15% 翻倍至 30%。然而，日益擴大的採用正在造成受益者與承受壓力者之間不斷擴大的鴻溝：領導者回報了最強的生產力提升，而基層員工卻最不可能獲得有效使用 AI 的指導。同時，54% 的管理者表示工作場所的期望已因 AI 而直接上升。績效標準正在攀升，而衡量框架卻未能跟上步伐。

以速度為核心的評估所忽略的，恰恰是 AI 無法勝任的認知工作：驗證產出的準確性、在幻覺固化為決策之前加以攔截，以及應用模型所缺乏的情境判斷。審查 AI 生成內容中的錯誤，並將一份 80% 完成的草稿提升為真正高品質的成品，這並非可以靠自動駕駛模式完成的例行瑣事。這是全天在背景持續運作的高階判斷力。當員工主要被以產出速度來評估時，那些隱形的認知勞動便不被認可——並最終被耗盡。

由此引發的後果，研究人員開始稱之為「workslop」：當速度成為唯一衡量指標時，大量高速產出、低價值的工作便充斥組織。GoTo 與 Workplace Intelligence 的研究發現，43% 的員工曾在懷疑 AI 生成內容品質不佳或含有錯誤的情況下仍然提交，77% 表示審查 AI 生成的工作比審查人類創作的工作更為耗時。正如 Built In 的報導所述，當管理者將加速產出置於一切之上時，員工便預設以量取勝而非以質取勝，而下游的同事則需要額外花費時間修正 AI 生產的內容。實際上，更快的產出往往意味著更慢的淨進展。

無人打破的惡性循環

這一動態之所以尤其難以應對，在於它悄無聲息地不斷疊加。GoTo 與 Workplace Intelligence 的研究發現，65% 的員工表示雇主未能隨著 AI 承擔更多工作而為他們提供所需的技能培訓，80% 表示多數員工未接受適當的 AI 工具使用培訓。然而，近四分之一的 IT 領導者報告稱，AI 相關錯誤已對客戶或公司財務表現造成了影響。組織正在加速推動 AI 採用，卻同時低估了維持其運轉所需的人力基礎建設投資。

向董事會報告 AI 驅動的生產力提升的領導者，通常不會報告伴隨而來的認知負荷增加、專注工作時間減少，或這些成果所依賴的判斷力品質的侵蝕。在簡報中看起來亮眼的指標被凸顯，而那些能揭示人力代價的指標尚未被建立。

領導者需要做出哪些改變

第一項干預措施最直接也最罕見：真正將節省的時間返還給員工。當 AI 將三週的專案壓縮為一週時，組織的預設反應是再指派兩週的工作。替代方案是將騰出的產能用於 AI 無法勝任的任務——培養更深層的專業關係、進行更嚴格的品質審查、推動技能發展，以及運用那種能產出持久成果而非權宜之計的從容判斷力。將每一次效率提升視為增加更多工作之藉口的組織，將會發現自己建造的只是一個更快的倉鼠輪，而非一支更有能力的團隊。

第二項優先是重新設計績效衡量方式。產出量最高的員工不一定創造最大的價值。那些在 AI 錯誤固化為決策之前加以攔截、應用情境判斷使產出真正可用、以及在他人追求產量時維持品質的員工，才是組織最迫切需要識別和留任的人才。這需要衡量影響力而非產出量——這是一個更複雜的挑戰，但其答案的價值卻遠為更高。

第三項要務是在每個組織層級進行坦誠的期望設定。多數員工當初並非為了在現有職責之外管理一套 AI 系統而加入。他們是為了把工作做好而來的。當組織在引入 AI 工具時不調整工作量、截止日期或成功標準，他們並非在賦能員工。他們是在悄然重新定義「足夠」的基線——卻未檢視是否有人能夠持續維持。這樣的對話應該在公開場合進行，而非被埋藏在生產力儀表板之中。

Fortune.com 評論文章中表達的觀點僅代表作者個人立場，不一定反映 Fortune 的觀點和信念。

本報導最初刊載於 Fortune.com。