生成式人工智能救不了你的倦怠

我们以为自动化能解放双手，却忘了它可能正在吞噬最后一点喘息空间。

一个产品经理的观察

作者朴俊熙（Joonhee Park）在硅谷做了八年产品，亲历过三次"效率革命"。他发现一个悖论：每次新工具承诺减少工作量，最终都变成更多任务的理由。

生成式人工智能（Generative AI）也不例外。团队用上了自动写代码、自动出文案的工具，OKR却从季度四个变成每月六个。「工具越快，期望越高」，朴俊熙这样总结。

效率陷阱的运作机制

这不是技术问题，是激励机制问题。

当一个人的产出成本趋近于零，组织不会让他少干点，而是让他干更多。朴俊熙举了身边的例子：设计师用图像生成工具把出图时间从三天压到三小时，结果接到的需求从五张涨到三十张。

省下来的时间没有变成休假，变成了更多迭代、更多版本、更多"试试看"。

倦怠的本质被误读了

朴俊熙区分了两个概念：工作量大和倦怠感强。前者是时间分配，后者是意义感流失。

生成式人工智能解决的是前者——把重复劳动外包给机器。但它无法回答"我为什么要做这件事"。当机器接管了执行，人类反而更直接地面对这个问题，却得不到组织的回应。

他引用了自己团队的数据：引入人工智能辅助工具六个月后，员工自评的"工作意义感"下降了19个百分点。

产品设计的盲区

朴俊熙认为，当前的人工智能产品有一个共同假设：用户想要更快完成任务。这个假设漏掉了后半句——然后去做更有价值的事。

现实是，更快完成任务后，用户得到的通常是更多同质化的任务。产品没有设计"停止机制"，没有帮用户守住时间边界。

他提出一个反直觉的建议：下一代效率工具应该内置"减速功能"——比如强制留白时段、产出上限提醒、任务价值评估模块。

给科技从业者的判断

朴俊熙的判断很直接：如果你正在用生成式人工智能工具，先别问"它让我多快"，要问"它让我多做多少"。

区分这两个指标，是避免被效率反噬的第一步。工具本身无罪，但默认设置往往服务于组织的产出目标，而非个人的可持续状态。

下次评估一个新工具时，把"单位时间产出"和"单位产出所需时间"分开看——前者是老板关心的，后者才是你真实的生活质量。