AI 没让我们更清闲,反而更忙了:哈佛这项研究戳破了一个幻觉

AI PM 编辑部 · 2026年02月11日 · 19 阅读 · AI/人工智能

正在加载视频...

视频章节

我们曾以为 AI 会把我们送上“每周工作两天”的海滩生活,但现实却正相反。哈佛商业评论最新研究发现:真正用上 AI 的人,反而在工作得更多、更快、更累。这不是 bug,而是 AI 正在改变工作的底层逻辑。

AI 没让我们更清闲,反而更忙了:哈佛这项研究戳破了一个幻觉

我们曾以为 AI 会把我们送上“每周工作两天”的海滩生活,但现实却正相反。哈佛商业评论最新研究发现:真正用上 AI 的人,反而在工作得更多、更快、更累。这不是 bug,而是 AI 正在改变工作的底层逻辑。

“AI 会让我们更轻松”这个共识,正在崩塌

过去两年,关于 AI 的主流叙事几乎只有一个版本:效率提升、时间解放、人类终于可以少干点活。但这项由两位伯克利哈斯商学院教授主导、发表于《哈佛商业评论》的长期研究,给了这个叙事当头一棒。

他们没有做大规模问卷,而是“潜入”一家约 200 人的科技公司,连续观察了 9 个月。结果非常反直觉:AI 并没有减少工作量,而是在真实工作场景中系统性地“放大”了工作。

更关键的是,这家公司并没有强制使用 AI,只是员工本身对 AI 持开放态度。这意味着结论并不是“被迫内卷”,而是“自发加速”。一句话总结研究结论(TL;DR):AI 在现实世界里,是一种工作强化器,而不是减负器。

不是你被 AI 取代,而是你突然“什么都能干了”

研究者拆解了三种最典型的“工作强化”模式。

第一种叫“任务扩张”。因为生成式 AI 能补齐知识盲区,很多人开始越界工作:产品经理写代码,设计师调接口,研究人员做工程实现。过去会外包、推迟、甚至直接放弃的事,现在都被一句 prompt 拉回了待办清单。这种感觉并不痛苦,反而很爽——AI 带来了一种强烈的“能力错觉”和掌控感。

第二种是工作与生活边界的模糊。AI 让“开始一项工作”的门槛低到几乎为零,于是原本的碎片时间、休息时间,被不断塞进“小活儿”。每一件都不重,但总量悄然失控。

第三种是多线程并行。人类在开会、写文档、做决策的同时,让 AI 在后台跑多个任务。结果不是更轻松,而是注意力被持续拉扯。

这也解释了一个有趣的转变:AI 带来的焦虑,已经从“我会不会没用”,变成了“我是不是还没把潜力榨干”。

从“辅助 AI”到“代理 AI”,压力只会更大

如果你最近在用 agentic AI,这种感觉可能更强烈。

研究还没覆盖最新一波代理式 AI(Agentic AI),但现实已经在给答案。Greg Brockman、Alli K. Miller 等一线从业者都公开提到:并行工作的 AI 虽然强大,却极度消耗心智。Anthropic 的代理编码趋势报告也指出,随着非技术岗位开始使用 agent,工作节奏会进一步加快。

关键变化在于:我们不再只是“用 AI 干活”,而是开始“管理 AI 干活”。单一工具正在变成协作团队,而人类成了这些高能力但永远“没干完活”的代理的项目经理。这种“永远可以再多做一点”的感觉,正在系统性抬高组织对速度和产出的期望。

真正的分水岭:AI 不是效率工具,而是扩张工具

研究者给出的最大洞见是:总工作量从来不是一个固定值。

当能力上限被抬高,系统会自然膨胀来填满新增的空间。也正因如此,AI 对就业的长期影响,可能和很多人担心的“用更少的人干同样的事”不同。真正“赢”的组织,不是用 AI 裁人,而是用 AI 做以前根本做不到的事。

但问题也很现实:任务扩张会给他人制造返工成本;速度预期会在不知不觉中升级;休息时间像“温水煮青蛙”一样消失。研究者提出了一些组织层面的应对方式,比如刻意设置停顿、重新设计节奏、强调人的边界感,但没有人否认:这场转变已经发生了。

总结

这项研究最重要的价值,不是告诉我们“AI 好或不好”,而是提醒一个更残酷也更真实的事实:AI 正在把“还能不能做”变成“为什么不多做一点”。

对个人来说,关键不是拼命扩张能力,而是主动设定边界,决定哪些扩张值得、哪些不值得。对组织来说,真正的竞争力不在于压榨 AI 带来的每一分效率,而在于是否能为这种扩张设计新的节奏和规则。

如果你最近总觉得“AI 越用越累”,那不是你一个人的问题——那是整个工作系统,正在被重新拉伸。下一步,不是逃离 AI,而是学会驾驭它带来的膨胀。


关键词: AI 工作强度, 生成式AI, AI Agent, 哈佛商业评论, Anthropic

事实核查备注: 需要核查:1)研究作者姓名 Aruna Ranathan、Shingchi Maggi 的拼写;2)研究发表于 Harvard Business Review 的时间与状态(ongoing);3)样本公司规模约 200 人、研究周期 9 个月;4)Greg Brockman、Alli K. Miller 的公开表态是否为原视频引用;5)Anthropic agentic coding trends report 的具体表述。