如果过去一年你读过任何科技业投资备忘录，大概率都会看到同一个叙事：AI大幅提升生产力，员工做更少的事、产出更多的成果。柏克莱大学哈斯商学院一项历时九个月的研究，给这套说法泼了一盆冷水。
经济学家Aruna Ranganathan和Xingqi Maggie Ye在《哈佛商业评论》发布的报告显示：从2025年4月到12月，他们追踪了一家美国科技公司200名员工日常工作中导入AI后的行为变化。结论直白——AI没有减少工作，AI加剧了工作。
“多线程并行”的新节奏，表面高效实则掏空
研究团队发现，AI工具并未让员工的实际任务量或工时减少。相反，它创造了一种全新的节奏——“多线程并行”。员工一边手动写代码，一边让AI生成替代版本；同时运行多个AI代理处理不同任务；甚至把长期搁置的项目重新捡起来，理由是“反正AI可以在后台处理”。
看上去是效率提升：每人同时推进的项目变多了，产出速度加快。但研究者观察到真实状况：持续注意力切换、频繁检查AI输出、堆积如山的待办事项，制造了高认知负荷和一种“永远在处理琐事”的感觉。员工确实做了更多事，但下班后像被掏空。
一线开发者的自白：一两个小时就精力耗尽
知名开发者Simon Willison在个人博客转载了这项研究，并承认自身经历高度吻合。作为全球最活跃的大型语言模型（LLM）实践者之一，Willison长期公开分享AI工作流程。他说自己确实能同时推进两到三个平行项目，但代价是在一到两小时内精力就会耗尽。他还观察到身边开发者类似模式：有人因为“再一个prompt就好”的心态，一路写到凌晨三点，严重影响睡眠。
问题不在AI，在于组织缺乏使用规范
研究团队最关键洞察在于对原因的诊断：组织缺乏AI使用的结构性规范。绝大多数企业导入AI工具时，做法是：买授权、发账号、附一个“最佳实践”PDF，然后期待员工自己摸索。研究者建议企业建立正式AI实践框架，明确AI该用在哪里、不该用在哪里，区分“真正效率提升”和“只是更用力踩原地”。
对估值逻辑的压力测试
过去一年，“AI提升生产力”是驱动科技股估值的核心逻辑。从Nvidia到Microsoft，从OpenAI到AI代理初创，整条产业链估值前提是：AI让知识工作者产出提高2到10倍。但若柏克莱的研究是对的——AI的真正效果不是“做更少的事”而是“做更多的事但更累”——这套估值逻辑就需要重新校准。生产力提升和工作强度加剧是两回事。前者降低成本提高利润；后者短期提高产出，长期导致倦怠、离职率上升、质量下降。
当然这不代表AI没有价值，但它的价值可能不是“让人做更少的事”，而是“让人做不同的事”。而不同不等于更轻松。
调适期：几十年工作习惯两年内被颠覆
AI在2023至2025年间的爆发性普及，等于在两年内要求整个知识经济重新学习如何工作。这种重新学习不会自动发生，需要有意识的组织设计、管理层认知更新，以及承认“更多产出”和“更好的工作”是两件完全不同的事。素材最后援引硅谷常说的“10x工程师”——AI承诺让每个人都变成10x，但这份研究提示：也许我们得到的不是10倍效率，而是10倍疲劳。