企业AI的隐性代价：员工每周耗费6.4小时"照看"AI机器人

尽管AI正在职场中迅速普及，但它却带来了一种新的生产力悖论：这项技术让工作表面上看起来效率更高，实则将更多负担转嫁给员工——他们需要不断为AI提供背景信息、执行质量检查，并在众多互不相通的工具之间反复切换。

这一现象来自Glean旗下Work AI Institute对6000名全职数字化工作者的最新调研。报告揭示了两种新兴行为："照看机器人"（botsitting），即员工为使AI真正可用而付出的大量隐性劳动；以及"机器人敷衍"（botshitting），即员工直接发布未经核实、理解不深甚至不可信赖的AI生成内容。该调研报告由Work AI Institute联合埃默里大学、斯坦福大学、加州大学伯克利分校、加州大学圣巴巴拉分校、北卡罗来纳大学夏洛特分校、伦敦大学学院及圣母大学的专家共同撰写。

"这在很多方面确实是一种恶性循环，会不断自我强化。"Glean研究中心Work AI Institute负责人Rebecca Hinds表示，企业必须开始正视并解决"隐藏在AI背后的庞大人力成本"。

AI已成职场核心助手，隐性负担不容忽视

毫无疑问，AI正迅速成为职场中的核心协作伙伴。Work AI Institute的调研显示，87%的数字化工作者正在使用AI，它已能自动化处理超过四分之一的工作内容，每周为员工节省约11小时。

然而，仅有13%的受访者表示AI的使用显著提升了公司绩效，而节省下来的时间又被同一技术所蚕食。员工每周约有三分之一的工作时间（即6.4小时）耗费在"照看机器人"上：为AI提供背景信息、监督输出结果、排查错误、清理AI生成内容，以及在不同AI工具之间来回切换。

"我们观察到工具使用数量非常多，而这些工具之间往往缺乏互联互通。"Hinds说道。

在背景信息输入方面，大语言模型通常基于海量互联网语料训练，但并不总是涵盖企业特有数据。因此，员工往往需要额外补充公司产品、客户、服务等方面的具体信息。

"当工具对日常工作的了解不足以真正发挥作用时，员工往往会感到沮丧。"Hinds说，"而且由于要同时使用多种工具，他们常常不得不反复输入相同的提示词。"

"这对工作者来说极为耗神，更令人无奈的是，这些付出在组织内部往往得不到认可，既无奖励，也无人察觉。"她补充道。

与此同时，员工还必须甄别那些表面看似完善、实则可能存在错误、遗漏或缺乏关键背景的AI输出内容。Hinds指出，调试排错是造成疲惫感的最大因素，因为这项工作往往由并非参与最初内容生成的人来承担，他们首先还要花时间挖掘背景信息。

不过，Hinds也强调，"并非所有的照看行为都是坏事。当然，我们希望员工对AI输出保有一定程度的主导权和监督意识。"

"机器人敷衍"现象：批判性思维正在被外包

然而，当这种照看行为演变为不必要的负担，就可能催生"机器人敷衍"现象——员工因不堪重负或时间压力而直接提交未经核实的AI生成内容。调研显示，69%的受访者承认曾有过这种行为，41%表示有时会提交自己无法解释的成果，还有28%的人将自身造成的失误归咎于AI。

"'机器人敷衍'就是将本该由人类承担的批判性思考、判断和理解外包出去，"Hinds解释道，"那些绝对应该留在人类手中的工作，就这样被转移出去了。"

她还指出，同时使用多个AI智能体的员工更容易出现这种情况，因为智能体的扩展性极强，一旦缺乏适当的控制机制和权限设置，就可能失控蔓延，最终让不堪重负的用户放弃核验工作。

"你往往要到第三步、第四步、第五步之后才会看到负面影响，"Hinds说，"到那时，就需要大量的清理工作和溯源排查，才能弄清楚智能体究竟在哪个环节出了问题。"

AI使用的"金发女孩困境"

耐人寻味的是，超过半数受访者表示，在日常工作中从AI那里获得的帮助多于管理者，且认为与AI协作比与人类协作更为顺畅。

尽管如此，他们在公开AI使用情况方面似乎面临一种微妙的平衡困境。在自我认定为AI高水平用户的群体中，54%的人正在使用未经批准的工具，或以不合规的方式使用已获批准的工具；36%的人则刻意隐瞒AI对自己工作的实际帮助程度。

Hinds解释说，是否公开AI使用情况，在很大程度上取决于组织所营造的心理安全感，这可能"因情况不同而产生截然不同的利弊"——既可能因展示AI能力而获益，也可能因过度依赖AI而被认为能力不足或价值降低。

这是一种复杂的平衡，她指出："许多组织都在给员工施加巨大压力，要求他们展示AI应用能力，证明自己是AI的深度使用者。"

领先企业的差异化策略

报告指出："那些走在前列的企业正在做一些与众不同的事。它们并没有把更多的AI时间用于使用AI本身，而是将更多精力投入到AI相关的配套工作上：设定使用背景、定义何为'优质输出'、培养判断力，以及厘清哪些任务根本就不应该交给模型处理。"

最具变革成效的组织会主动应对AI挑战：提供系统化的培训与支持，将AI视为重新设计工作方式的契机，并正式将AI技能纳入绩效奖励体系。报告同时指出，最难培养的能力，恰恰是判断何时不该使用AI。

"衡量标准不只是点击工具的次数或Token的消耗量，而是真实的能力和真实的学习成长，"Hinds说道。除了持续投入员工发展，这些组织还会清晰传达AI战略及其背后的"原因"。治理机制也应保持动态更新，企业需要持续审视和调整相关政策。

变革必须贯穿组织各个层级，高层管理者也不例外，Hinds强调："要让员工看到高管在使用这项技术，同时分享成功经验和失败教训。"

成效显著的企业还会积极建立与现有关键绩效指标（KPI）挂钩的评估体系，从质量、效率和员工参与度等多维度进行衡量，并将数据赋权给员工，使其能够自主评估个人的AI应用情况与成效。

"这不是要监控员工，而是提供反馈，帮助我们了解集体工作方式的整体状况，"Hinds说。

她还认为，"有趣但也许并不令人意外的是"，越来越多的员工开始将AI本身作为学习工具，且相较于其他学习渠道，他们更倾向于这种方式。这也凸显了低代码、零代码工具的重要性——这类工具学习曲线平缓，具备组织情境理解能力，并能直接嵌入工作流程中。

"这与我们在以往任何一项技术上看到的情况都截然不同，"她说。

Q&A

Q1：什么是"照看机器人"（botsitting）现象？它对员工有哪些影响？

A：

"照看机器人"是指员工为使AI真正可用而付出的大量隐性劳动，包括为AI提供背景信息、监督输出结果、排查错误、清理AI生成内容，以及在多个工具之间反复切换。根据调研，员工每周因此损耗约6.4小时，占工作周的三分之一。这些付出往往得不到组织认可，缺乏奖励机制，极易造成员工疲惫和挫败感。

Q2：什么是"机器人敷衍"（botshitting）？为什么69%的用户会这样做？

A：

"机器人敷衍"是指员工因过度劳累或时间紧迫，直接发布未经核实、自己也不完全理解的AI生成内容，本质上是将批判性思考和判断力外包给了AI。调研显示，69%的受访者承认曾有此行为，41%表示提交过自己无法解释的成果。主要原因是员工需要同时管理多个AI智能体，核验工作量过大，最终不堪重负而选择放弃验证。

Q3：企业如何才能真正发挥AI的价值，避免陷入生产力悖论？

A：

领先企业的做法是将更多精力投入AI的配套工作，而非单纯增加AI使用量，包括：为AI使用设定背景、明确"优质输出"标准、培养员工判断力，以及识别哪些任务不适合交给AI处理。此外，还需提供系统培训、将AI技能纳入绩效激励、建立动态治理机制，并向员工开放数据，让其自主评估AI应用成效。最关键的能力之一，是知道何时不该使用AI。