别再把工作变糟怪给AI：问题其实在人和组织

这支视频的核心观点很反直觉：当工作质量下降、产出变“空”，真正的问题并不在AI，而在人类如何设计目标、流程和激励。作者通过MIT研究、企业案例和组织行为的反思，解释了为什么“work slop”是老问题，以及管理层该如何应对。

95%的效率提升，为何换来更糟的工作体验？

这一切的讨论，源于一项被频繁引用的研究：MIT的“95%研究”。视频中提到，该研究测算出，在某些办公场景下，AI工具可能带来高达95%的效率提升。但紧接着，演讲者抛出了一个刺眼的现实数字：这种看似高效的应用，折算下来可能意味着“每名员工每月186美元的成本”，对于一家1万人规模的公司来说，年化成本约为900万美元。

这正是矛盾的起点。一边是效率指标的飙升，另一边却是员工和管理者普遍感受到的“工作变空了”“产出变水了”。演讲者坦言，他真正感兴趣的并不是这些数字本身，而是数字背后引发的情绪与组织反应：为什么工具更强了，工作却更让人疲惫？这不是一个简单的ROI问题，而是一个关于人如何被要求去工作的深层问题。

他在视频中明确指出：“Now， I am much more interested in the conversation generally… I think it is instead a human and organizational problem.” 这句话为后续所有论证定下了基调——AI只是放大器，而不是根源。

Work slop不是AI发明的，这是个老掉牙的组织病

为了打破“都是AI惹的祸”这种直觉反应，演讲者先做了一件重要的事：界定什么不是问题。他直言，“So let’s talk about what isn’t the issue here… accomplishing the goal.” 真正的目标往往并没有改变，改变的只是我们完成目标的方式。

他随后抛出一个颇具画面感的类比：25年前的电影《Office Space》。那部电影讽刺的正是毫无意义的汇报、重复劳动和对指标的盲目服从。演讲者说：“This is the entire substance of the movie Office Space from 25 years ago.” 换句话说，work slop——低质量、低意义但占满时间的工作——早在没有AI之前就已经存在。

AI的出现，只是让这些问题暴露得更快、更明显。当组织本来就缺乏清晰目标、质量标准模糊、激励机制错位时，AI会把“交付垃圾”的速度提升到前所未有的水平。问题不在工具，而在于组织从一开始就没有认真定义：什么才算是好的工作。

别指望AI修复空洞感，那是人类必须面对的东西

在视频中，有一段非常反常识的表述。演讲者明确表示：“Consequently， I don’t think the solution is an AI solution.” 当人们感到工作空洞、产出没有意义时，本能反应往往是再引入一个新工具、一个新模型，希望用技术来“填满”这种不适。

但他的观点恰恰相反：这种空洞感本身是有价值的。“That feeling of a sort of hollowness also helps ground us as well.” 它提醒个体和组织去反思：我们为什么要做这些事？这些产出真的重要吗？如果AI让人更快地产出无意义内容，那问题显然不在AI，而在目标设定。

这也是为什么他反复强调，这不是一个“用更好的模型”就能解决的问题。如果管理层没有能力区分高质量输出与“看起来完成了”的输出，那么任何AI系统最终都会被用来批量生产平庸。

真正的解法：先定义质量，再给人学习空间

在给出建设性建议时，演讲者把重点放在了组织层面的“基本功”上。第一步，是“model quality outputs versus outputs that are insufficient”——管理者必须清楚地示范什么是合格的、什么是不合格的产出，而不是只看是否按时提交。

第二步，是给员工时间和支持去学习如何与模型协作。他指出：“Second， people need space and support to learn how to interact with the models.” AI介入流程后，工作的认知负担、审核方式和责任边界都会发生变化，如果组织假设员工可以无缝适应，那几乎注定失败。

他还提到，团队需要认真评估：“whether the new challenges that an AI mediated process creates are worth it.” 并不是每一个流程都值得被AI重构。视频中引用了此前讨论过的Google Cloud相关研究，强调目标导向的重要性——技术选择应服务于目标，而不是反过来。

总结

这期视频最有价值的地方，不在于对AI工具的评价，而在于一次清醒的责任归位：当工作变得空洞、低质、令人厌倦时，AI只是加速器，而不是罪魁祸首。真正需要被检视的，是组织是否定义了清晰目标、是否尊重质量、是否给了人学习和适应的空间。对读者而言，这也是一个提醒：与其不断更换工具，不如先问一句——我们到底想把工作做好，还是只是把事情做完？

关键词： AI工作流， work slop， 组织管理， MIT研究， Google Cloud

事实核查备注： MIT的“95%研究”及其带来的成本估算（每人每月186美元、1万人公司约900万美元/年）；视频作者明确观点：问题是人和组织，而不是AI；引用电影《Office Space》作为类比；作者原话包括“human and organizational problem”“I don’t think the solution is an AI solution”“people need space and support to learn how to interact with the models”；提及Google Cloud相关研究但未给出具体数据。