# 效率悖论 日期: 2026-05-03T05:00:00.000Z 摘要: AI 让我在半天内完成以前两天的工作。但我没有因此更轻松。效率越高，期望越高，任务量同步膨胀。这不是个人的时间管理问题，而是效率本身的结构性陷阱。 关键词: - AI - 效率 - 罗萨 - 加速理论 - Jevons 悖论 - 效率陷阱 - 认知负担 --- 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。 波士顿咨询集团在 2026 年 3 月发表了一项研究，调查了 1,488 名美国全职员工。他们发现 14% 的 AI 工具使用者经历了一种特定的认知疲劳，研究者称之为「AI brain fry」。症状很具体：精神恍惚、注意力下降、决策变慢、头脑里有持续的嗡嗡感。这种疲劳不是普通的工作倦怠，它是持续监督和纠正 AI 输出导致的认知过载。 研究里的数字更说明问题。经历 brain fry 的员工，小错误增加 11%，重大错误增加 39%，决策疲劳增加 33%。对雇主来说最值得关注的一点是：重度 AI 用户中有 brain fry 的，离职意愿高出 39%。 这不是个别现象。YuLife 基于 YouGov 对 1,100 名英国员工的调查发现，26% 的 AI 用户说工作压力增加了，23% 说工作量增加了。在伦敦，AI 采用率最高的地区，40% 的用户报告绩效压力增大。McKinsey 在 2026 年 4 月的报告中指出：到 2025 年底，近九成公司至少在一个业务功能中部署了 AI，但 94% 的受访者表示没有从这些投资中看到「显著」价值。 这些数据描述的是同一个现象：AI 确实加快了工作速度，但节省下来的时间没有被归还给个人。它被新的任务立刻填满。 我观察到一个模式：每次效率提升，节省下来的时间不会被归还给我。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。效率提升被系统立即吸收，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 年就观察到了：蒸汽机的效率提高后，煤炭消耗量没有减少，反而增加了。原因很简单：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。但这个成本降低没有转化为个人闲暇，而是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 把这个机制说得更透。他认为社会加速有三个维度：技术加速、社会变迁加速、生活节奏加速。三者形成自我强化的反馈循环。技术变快了，社会变化就更快，人被要求在更短时间内处理更多事务，生活节奏持续加速，又反过来推动技术加速。AI 是这个循环的最新环节，也是目前最极端的环节。Rosa 用了一个精确的比喻：我们站在「滑动的斜坡」上，地面本身在移动，要求我们跑得更快。 具体来说，AI 改变的不是做一件事的时间，而是做事的密度。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。 BCG 的研究里有一个发现特别值得注意：生产力在同时使用三个 AI 工具时达到峰值，超过三个就急剧下降。原因不是工具本身的问题，而是监督负担。每多一个工具，就多一个需要监控、纠正、提供上下文的 AI 助手。你不是在使用工具，你是在管理一个 AI 团队。软件工程师受影响最深，因为 AI 编码 agent 可以在短时间内生成大量代码，而这些代码全部需要人工审查。 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。这是一个正反馈循环：效率越高，期望越高，任务越多，越需要更高的效率。 BCG 的数据也指向一些解法。管理者支持，哪怕仅仅是回答 AI 工具使用问题，也可以降低 15% 的精神疲劳。明确的工作与生活边界信息可以降低 28%。把 AI 用于消除重复性日常任务可以降低 15% 的倦怠。反过来，没有人指导、自己摸索 AI 工具的员工，疲劳增加 5%。团队内 AI 使用方式不一致的，比有协调方案的团队承受更大压力。 但这些是组织层面的干预。个人能做的很有限。核心问题在于效率提升的收益分配是不均等的。系统拿走了大部分收益，个人承担了大部分成本。 出路在哪里，我不确定。但第一步是认识到这不是个人的问题。不是你时间管理做得不好，不是你效率还不够高。是效率本身在制造这个问题。认识到这一点，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。 ## 参考来源 - Julie Bedard et al. [When Using AI Leads to "Brain Fry"](https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry). Harvard Business Review, Mar 2026. - Hartmut Rosa. Social Acceleration: A New Theory of Modernity. Columbia University Press, 2013. - McKinsey. [Where AI Will Create Value—and Where It Won't](https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/where-ai-will-create-value-and-where-it-wont). Apr 2026. - Tal Gilbert. [The AI Productivity Paradox](https://aijourn.com/the-ai-productivity-paradox-ai-is-a-superpower-heres-how-not-to-waste-it/). AI Journal, Apr 2026. (YuLife/YouGov survey of 1,100 UK employees) - William Stanley Jevons. The Coal Question. Macmillan, 1865. ## 相关文章 - [智能体时代人的位置](https://fanshikun.com/智能体时代人的位置/) - [职业规划已经没有意义，我不再做职业规划](https://fanshikun.com/职业规划已经没有意义/) - [从如何做到做什么](https://fanshikun.com/从如何做到做什么/)