当企业因 AI 带来效率提升而欢呼雀跃之际，一项研究却揭示出意想不到的后果，AI 不但没有减轻员工负担，反倒使员工在这种赋能的幻觉里，心甘情愿地承担起更多工作，致使工作强度不知不觉增加，工作界限愈发模糊不清。这给管理者提出了警示，在欣然拥抱技术之时，愈发需要确立明确的 AI 使用规范，协助团队在高效与可持续发展的状态之间寻得平衡，防止过度消耗未来的活力。
当下，好多企业都被怎样使更多员工去利用AI这件事给困扰着。毕竟，AI是能够减轻一部分工作的负担的，好比起草常规性文件、汇总各类信息、调试那代码，如此一来就能让员工获有更多时间去处理高价值任务，这样的前景真的是很吸引人的哦。
然而，到底他们有没有准备好去迎接成功之后有可能发生的所有状况呢？当领导者们把注意力集中在预期的生产率提高方面时，他们搞不好就会对复杂无比的现实情形大感意外，甚至或许一直到事情已经无可挽回的时候，才弄明白这些收益背后所蕴含的代价究竟是什么。
在正进行的我们的研究里，我们发觉，AI工具没减轻工作负担，反倒持续加大了工作强度。在一项为期八个月、针对一家约200名员工的美国科技公司的生成式AI怎样改变工作习惯的研究中，我们发现员工工作节奏变快、承担任务范围拓宽，且把工作延伸到一天中更多的时段——通常并非受命去做。重要的是，该公司没强制使用AI（尽管提供了商用AI工具的企业订阅）。员工会主动去承担更多的任务，这是由于人工智能使得“完成更多”这种情况变得轻易能够触及到，而且还充满着各种可能性，并且在大多数的状况之下，此类拓展自身就会带来一种内在的具有满足意味的感受了。
这对于领导者来讲，也许听起来仿若梦境般虚幻不实，然而，因热情接纳人工智能所带来的改变，有可能难以持续下去，并且会引发后续一系列问题。当实验时那种新鲜感逐渐褪去之后，员工就会发觉工作量已经不知不觉地有所增加，并且会因为突然要应对所有任务而感觉力不从心。这样一种悄然间出现的工作负荷增长，进而有可能会致使认知疲劳、职业倦怠现象出现以及决策能力下降。在初期所享受到的生产率急剧增长的情况，可能会被工作质量降低、人员流动以及其他诸多问题所取代。
这使得领导者置身于两难之境，他们究竟该如何去做呢？要求员工进行自我调节并非是一个妥善的策略，与之相反，企业应当围绕AI的使用去制定出一套规范以及标准，我们将其称作“AI实践”。以下是领导者需要去了解的相关内容，以及他们能够采取怎样的措施从而帮助员工获取成功。
生成式AI如何加剧工作强度
去年四月起，一直到十二月，我们针对生成式AI工具怎样改变这家科技公司工作习惯展开了研究，我们借助每周两天的实地观察，跟踪内部沟通渠道，还针对工程、产品、设计、研究以及运营部门施以40多次深度访谈来达成此项研究。
我们识别出三种主要的加剧形式。
任务扩张
因为AI能够填补知识方面的空白，所以员工越发多地承担起了原本是属于别人的职责来。产品经理以及设计师开始着手编写代码，研究人员承接了工程任务，组织里的个人尝试起了过去会进行外包、推迟或者完全予以避免的工作。
伴随生成式AI的出现呀，这些任务呢才变得仿佛容易触及一般地轻松到达，这些工具呢给好多人带去了那种具有赋能性质的认知方面的提升，它们呀使得人们针对他人协助的依赖程度下降了，并且呢在工作的整个进程中为人们呈上立刻就有的反馈以及修正方面的作为，员工们把这样的体验描绘成是“仅仅只是跟AI一块去尝试某些事情”，然而这些尝试是慢慢堆积起来的哟，最终达成了工作范畴的有着实质意义的拓展，事实上呢员工在不知不觉之中承担了以往或许得增加人力配置或者增添岗位才能够完成呢工作量。
人们职责范围的扩大引发了连锁反应，比如工程师们转而耗费更多时间去审查，乃至纠正，还要指导同事所完成的AI生成或者AI辅助工作，而这些要求是超出正式代码审查范围的，工程师们越来越需要去指导那些开展“直觉式编码”且完成部分代码合并请求的同事，这类指导常常以非正式的形式呈现，像在Slack讨论串里，或者临时的工位旁答疑，这在无形中就增加了工程师的工作负荷。
工作与非工作界限模糊
因为AI使得开启一项任务这般轻易，它降低了直面空白页面或者未知起始点的阻碍，员工把少量工作偷偷放进原本属于休息的时间段里。好多人在午餐之际、会议期间，抑或是等待文件加载之时向AI下达指令。有人讲述在离开工位之前发送“最后一个快速指令”，目的是自己离开的时候AI能够持续工作。
这种行为极少让人觉得像是在从事更多的工作，然而随着时间的推移，它们致使工作日里自然的停顿有所减少，工作的持续参与度则相对更高了。指令输入所具有的对话式风格又进一步使这种体验得到了软化；向AI系统输入一排文字，感觉更像是参与聊天，而非执行正式的任务，进而让工作很容易容易在不经意间就渗透到了夜晚或者清晨。
有些员工讲，他们往往事后才发觉，当休息时段下达指令成了习惯，空闲时候就没法再有同样的恢复状态之感。所以，工作变得界限更不清晰、更处处都存在——始终能够再往前推进一些。工作跟非工作的界限没有消失，然而变得更易于跨越了。
更多多任务处理
受助于AI，一种新节奏被引入，员工需同时管理多个活跃线程，在手动编写代码之际，还要让AI生成另一版本，并行运行多个智能体或者重启长期闲散的任务，鉴于AI能够于后台“处置它们”，他们这般行事，部分缘由是感觉存在一个可协助自身推进工作量的“伙伴”。
虽说这种有着“伙伴”般感觉所带来的是动力感，然而实际情况却是注意力不停地持续切换，还要频繁地去检查AI输出，并且未完成任务也是越来越多。这就导致了认知负荷的产生以及一种始终都在应对多任务的感觉，哪怕工作看起来好像是富有成效的样子。
长时间过去后，这般节奏提升了对速度的期望，并非借助明确无误的要求达成，而是依靠于日常工作里显现且成为常态化的状况。好些员工表明，跟运用AI之前相比较，他们与此同时处理更多的任务，还体会到更强烈的压力，虽说自动化起到的时间节省本应是为了缓解这种压力。
这对组织意味着什么
形成了一个自我强化的循环，所有这些。AI加速了某些任务，进而提高了对速度的期望；对速度期望的提高，使员工更加依赖AI。员工对AI依赖的增加，扩大了其尝试的工作范围，工作范围的扩大，进一步增加了工作的数量与密度。几位参与者提到，他们虽感觉效率更高，却并不觉得更轻松，某些情形下甚至感觉比之前更忙。正如一位工程师总结的：“你原以为，哦，因AI能让你更高效，你就能节省些时间，工作得少些。但实际上，你并没有工作得更少”。你只是工作了相同甚至更多的时间。”
组织兴许会把这般自愿性质的工作拓展当作显著的胜利，毕竟，要是员工是自主而行的，那又有何不妥呢？这难道不正是我们始终遭到允诺的生产力激增吗？
但我们展开的研究，揭示出了会让工作出现非正式形式扩张以及加速的风险，那种短期内看似更高的生产力，有可能会将员工在同时处理多个受到AI赋能的工作流时，默默增加的工作负荷以及日益增长的认知压力给掩盖住。因为这种额外的努力属于自愿性质的，并且常常被当作是愉快的实验，使得领导者很轻易就忽视了员工究竟承担了多少额外的负担。时间一久，过度工作便可能会损害判断力，增加错误发生的概率，也会让组织更难以区分真正起到生产力提升作用的因素与不可持续的高强度工作。就员工来讲，累积效应呈现为疲劳，呈现为倦怠，还呈现为日益强烈的工作难以脱身之感，特别是在组织对速度以及响应能力的期望有所提高的时候。
个人和组织不该被动去接受AI工具对职场所进行的重塑，而是要主动去构建“AI实践”，这是一套有着意识的规范以及行动框架，能够用来清晰明解AI的使用边界，界定什么时候需要暂停依赖，还能规划工作应该怎样进行（以及不应该怎样进行）伴随着技术能力的拓展去相应做出调整。要是没有这样的实践，AI辅助工作的自然趋势不是收缩而是加剧，会对倦怠、决策质量以及长期可持续性造成影响。
组织在构建AI实践时，应考虑采用以下方法：
有意的暂停
循着任务加速以及界限模糊的趋势，员工会得益于那些短暂且具结构化特点的节奏调节时刻：有着受保护的间隔时间，能用来评估一致性，还可重新考量假设，或者在更进一步前行之前去消化信息。
这些暂停不会从整体层面减缓工作，它们仅仅是防止在加速不受管控时暗暗积累起来的超负荷状况，比方说，决策暂停能够要求在重大决策最终敲定以前，给出一个反对论点以及一条与组织目标的清晰联系，这足以拓宽注意力范围从而防止出现偏离，把此类暂停融入至日常工作流程当中，是组织在AI增强环境里支持更利于决策、更为健康的界限以及更具可持续性质的生产力形式的一种途径。
有序推进
伴着AI支持后台不断运作，组织则需构建工作节奏调控机制，此机制不但要留意执行速率，而且更要有意图地管控任务推进的时候节点。详细来说，这涵盖了：把非紧急性通知合并处理，将进度更新留置到自然停顿之处，同时设立防护到位的深度工作时间区段，以此保障员工能够不被没必要的干扰所影响。
有序推进机制倡导工作依连贯的阶段性节奏去开展，而并非针对每个AI产出进行即时反应。当团队按照这种节律来协调工作时，员工能够减少任务碎片化以及高成本的上下文切换，与此同时维持整体产出效率。通过主动规划工作序列以及执行时机，而非被动追求即时响应，有序推进有助于组织在AI驱动的环境里保持专注深度、降低认知负荷，并且为更审慎的决策创造空间。
人际联结
当AI承担起更多，具有独立性且自成体系的任务之时，组织愈发需要主动去守护，那些用于倾听以及人际连接的时间，还有空间。哪怕只是简短的交流，包含共享的反思瞬间，又或者是结构化的对话，这些看上去颇为微小的连接契机，都能够有效地中断，与AI工具的持续独处情形，助力员工跳出局部视野，重新获取整体视野。
不仅这样，社会性互动更是创造力的源头，AI 虽然能够给出经过整合的单一观点，然而真正具有创造性的深刻见解常常来源于多元人类观点相互碰撞，通过把倾听与对话所需的时间和空间进行制度化，组织能够将工作再次固定于社会环境当中，进而有效缓解 AI 高速中介工作所产生的消耗感觉与个体化影响。
我们的研究表明，生成式AI的前景，不只是在于它能够做些什么，更关键地在于它会怎样被慎重地融入日常的节奏之中 那么我们的研究还表明，要是没有意识的话，AI 既能促使“做更多”这件事变得更简单容易——而且还会致使“停止”变得更加困难 而AI实践提供了一个制衡存在：这是一种在工作速度加快的状况下，仍然能够保留恢复以及反思时刻的途径 组织所面临的问题并非AI会不会改变工作，而是他们会不会主动去塑造这样的改变——或者是任由它默默地塑造他们呢。
阿鲁纳·兰加纳坦、邢琪·玛吉·叶撰写 ，| 文字呈现 ，| 具体为 ，| | 此二人所创作。
Aruna Ranganathan任职加州大学伯克利分校哈斯商学院，是管理与组织学领域的副教授。Xingqi Maggie Ye于伯克利哈斯商学院，为管理与组织学方向的博士研究生。
