AI 越强大为何越疲惫：效率提升背后的隐形负担
随着 AI 工具普及，开发者与员工虽完成任务时间缩短，却因认知负荷增加、工作边界模糊及职责蔓延而陷入更深的疲惫。研究显示，AI 加速了工作节奏却延长了工时，导致职业倦怠和决策能力下降。解决之道在于设定使用边界、聚焦核心任务并主动沟通，避免被技术推着进入无休止的多线程状态。
事件概述
近期开发者社区密集涌现关于「AI 疲惫」的讨论。多位从业者反馈，尽管 AI 大幅缩短了任务完成时间（如从三小时缩减至 45 分钟），但整体工作负担并未减轻，反而因认知疲劳、职业倦怠及决策能力下降而感到更加疲惫。
加州大学伯克利分校哈斯商学院的一项研究跟踪了一家约 200 人规模的美国科技公司八个月，发现 AI 工具在加快工作节奏的同时，也延长了员工的工作时间。当新鲜感褪去后，工作量不降反增，新的任务压力持续积累。
核心成因分析
1. 学习成本与调试陷阱
- 工具迭代焦虑：模型、Agent、Coding 工具每天刷新，为不被落下，员工需花费大量时间学习新概念和新方法，有时甚至超过实际工作时间。
- 调试无底洞：安装只是第一步，增强记忆、添加技能、调整提示词和优化工作流需要持续投入。由于输入提示词心理成本低，人们容易在碎片时间（吃饭、通勤）不断调试，导致工作延伸至深夜。
2. 隐形的工作量蔓延
- 职责边界扩张：AI 降低了技能门槛，促使产品经理写代码、研究人员承担工程任务等跨职能工作成为常态。一旦尝试成功，组织隐性期待随之提高，导致工作范围显著扩展。
- 审查负担加重：工程师需花费更多时间审查和纠正同事利用 AI 生成或辅助完成的工作。
3. 注意力碎片化与心流断裂
- 多线程并行压力：AI 可 24 小时后台并行处理，迫使人类进入随时待命的多线程状态。每次 AI 生成结果都需人工检查、判断和调整，导致注意力频繁切换。
- 自然停顿消失：零散的 AI 操作压缩了工作日中的自然休息间隙，使工作与生活的界限模糊，让人始终处于紧绷状态，难以进入深度专注的心流模式。
应对策略与建议
1. 以任务为导向，而非工具导向
- 福布斯建议先明确工作中耗时、重复且消耗精力的环节，再针对性地引入 AI，避免在各种零碎场景中频繁切换，减少认知负担。
2. 设定明确的 AI 使用边界
- 时间限制：若一小时内 AI 未给出满意结果，暂停并改用手动方式。
- 80% 原则：当工具达到“够用”水平即停止优化，避免追求最后 20% 的完美度而付出数倍时间成本。
- 非 AI 工作日：每周预留一天专注于需要深度思考的任务，脱离 AI 辅助。
3. 主动沟通与反馈
- 工具无法察觉人类疲惫，长期忽视可能导致组织误判生产力提升与实际工作强度。建议主动与上级或同事交流，跳出独自调试的状态，获取人类视角的反馈与启发。