效率悖论

过去半年，我的工作方式发生了根本变化。写代码、写文章、做调研、搭原型，这些事情以前各需要几天，现在半天就能完成。工具变强了，产出变快了，按理说我应该更轻松。

但我没有。我比以前更累。

不是身体上的累，是认知上的。以前一天做一件事，可以专注。现在一天做四件事，每件事都需要审查 AI 的输出、调试它的错误、对齐它的理解。生产的时间变短了，但审查的时间变长了。总量没有减少，密度大幅增加。

我一开始以为是自己时间管理的问题。后来发现不是。这是效率本身制造的陷阱。

我观察到一个模式。每次效率提升，节省下来的时间不会回到我手上。新的任务立刻填满它。AI 让我半天完成以前两天的工作，但组织很快就会期望我在同一天交付四倍产出。系统立即吸收效率提升，个人没有获得任何剩余时间。

这个现象不是新的。经济学家 William Jevons 在 1865 年就发现了关联。蒸汽机的效率提高后，煤炭消耗量没有减少，反而增加了。效率降低成本，低成本刺激需求，需求增长抵消了效率节省。这条逻辑在能源领域叫 Jevons 悖论。它同样适用于时间和注意力。AI 降低了「产出单位成果」所需的时间成本，但这个成本降低转化为更高的产出期望。系统不会因为工具变快了就让你少做，它会让你在同样的时间里做更多。

德国社会学家 Hartmut Rosa 在《加速：现代社会中时间结构的改变》里把这个机制说得更透。他认为技术加速改变时间的使用方式。人在同等时间内要处理更多的任务、做出更多的决策、回应更多的信息。生活节奏在持续加速。AI 是这一逻辑的最新形态，也是目前最极端的形态。

具体来说，AI 改变的是做事的密度。以前我写一篇文章，需要自己查资料、组织结构、写初稿、修改。每一步都有自然的间隔，大脑在间隔中休息。现在 AI 帮我完成初稿和资料整理，我的工作变成了连续的高强度审查。这段信息准确吗？这个论点成立吗？这个措辞恰当吗？

认知负担没有消失，它从「生产」转移到了「评估」。评估的强度比生产更高，因为它需要持续的判断力和专注力。你不能放空，不能走神，因为每一个疏忽都可能放过一个错误。

更深层的问题是节奏。以前的工作节奏有自然的波动，难的阶段慢，简单的阶段快。AI 把一切都压缩到同一个高速节奏里。你需要在这个高速节奏里保持判断力。这比以前更消耗精力。

我试过主动减速。少接任务，给自己留缓冲时间。有效，但持续不了多久。因为整个系统的节奏在加速，你减速就意味着相对落后。组织不会因为你效率高就让你慢下来，它会因为你效率高而给你更多。循环持续加速，效率越高，期望越高，任务越多，越需要更高的效率。

这不是说 AI 没用。它当然有用。问题在于，效率提升的收益分配不均。系统拿走了大部分收益，个人承担了大部分成本。系统得到的是更高的产出，个人付出的是更高的认知负荷。

出路在哪里，我不确定。但第一步是看清效率本身在制造这个问题。看清这一点，至少可以停止在「我为什么不能更高效」这个方向上继续消耗自己。