本文来自微信公众号： 听风译码 ，作者：安申国
周五下午，你把方案发出去。
3分钟后回复来了：“这版不错，再出两版对比一下”。
搁在两年前，这是个不合理的要求。
出3版，意味着3个下午。
现在，AI十分钟就能出稿，于是这句话变得轻飘飘的。
麦肯锡的全球调研里，八成受访者说AI提升了自己的效率。
但ActivTrak追踪一千多家公司后发现，日均工作时长只缩短了2%，周末加班时长涨了40%。
活确实干得更快了。
快的那部分，去哪了。
⑴效率涨了，时间没有
先把账摆平。
麦肯锡《AI现状2026》调研了97个国家、1719名受访者，八成的人说AI提升了自己的个人生产力，约一半的人说决策质量变好了，还有约一半说AI帮自己掌握了新技能。
这个数字放在任何一项技术身上，都算得上胜利。
Gallup的统计则从侧面印证了速度：美国职场的AI使用率在两年里从21%升到40%，几乎翻倍，普及速度快过此前任何一代办公软件。
问题出在另一边。
员工行为分析平台ActivTrak的生产力实验室，分析了1111家组织、163638名员工、超过4.43亿小时的数字化工作行为，得出的结论是：约80%的员工已经在用AI，日均工作时长缩短了2%，周末加班时长却涨了40%。
工作日短了2%，换算成八小时工作制，是九分三十六秒。
不到十分钟。
而周末加班涨的那40%，是几个小时。
这笔账不难算，难的是承认它。
需要说明的是，ActivTrak这份报告发布于2026年3月，测的不是员工的主观感受，而是键盘、窗口和应用层面的真实行为。
这也是它比多数问卷更有说服力的地方。
问卷里，人会说自己更忙了；行为数据里，人只是默默把周末打开了。
国家统计局的口径也在往下走。
2025年，全国企业就业人员周平均工作时间为48.6小时，除1月外，其余11个月都低于2024年同期水平；2026年上半年，这个数字继续降到48.2小时。
该指标的口径是实际工作时间，不含午休。
48.2小时，比标准周工时40小时多出8.2小时，几乎等于凭空多上了一天班。
把两组数字并排看会更清楚。
中国的AI普及率在全球名列前茅，ADP的数据里，73%的中国员工每周多次使用AI，接近全球平均水平的一倍半。
而与此同时，中国就业人员的周平均工时仍然稳稳站在48小时以上。
工具最普及的地方，工时并没有最先降下来。
这说明AI不是不能省时间，而是省下来的时间被分配去了别处。
也就是说，从国家级统计看，中国人确实少干了。
可你问问身边的人，有几个觉得自己变轻松了。
工时在降，密度在涨。
ActivTrak的另一组数字解释了这种体感：员工的协作沟通时长增加34%，多任务并行占比上升12%，专注工作时长跌到三年来最低。
邮件沟通时长上涨104%，即时聊天与消息沟通时长飙升145%。
工具越顺手，消息越多；消息越多，能连续做事的时间越短。
你一天里真正属于自己掌控的整块时间，正在被切得越来越碎。
还有一处细节容易被忽略。
ActivTrak发现，周末的工作活动已经提前到清晨，大量工作行为在周六早上7点11分就开始出现。
工作日和周末之间那条线，不是被取消的，是被一点一点磨掉的。
这就像一条八车道的高速路修好了，车的确跑得更快，但你花在并线、刹车、看导航上的精力，比在老路上开慢车还多。
路没变堵，是开法变累了。
还有一层因果值得说清楚。
AI并没有命令谁加班。
它做的是把原本需要三天的活压缩到一天，于是空出来的两天，理所当然地装进了新的需求。
产能一旦释放，就不会闲置。
这不是谁的阴谋，是组织运行的默认逻辑。
效率的账本上有两栏：一栏记着省下来的时间，一栏记着多出来的动作。
过去两年，大部分企业只看了第一栏。
⑵合格线在往上抬
省下来的时间，变成了更高的标准。
以前，“交一稿”就是交差。
现在，AI十分钟能出三稿，于是第一稿自动降级为初稿，你的活从写一份，变成在四份里挑出一份、再把它改到能看。
产出能力翻了几倍，合格线也跟着翻了几倍。
这就像相机从胶卷换成数码。
按下快门不要钱了，但好照片的标准也从清晰不糊，变成了能不能出片。
技术消灭的是成本，不是标准。
据界面新闻报道，ADP全球研究院的《职场人2026》给了一个更尖锐的侧写。
这份覆盖36个市场、超过39000名员工的调查发现，全球半数员工每周多次使用AI，五分之一几乎每天都在用。
而每天使用AI的员工，认为自己生产力下降的可能性，是不用AI的人的四倍。
不是他们干得少，是标准涨得比产出快。
中国区的数据更极端：73%的员工每周多次使用AI，26%几乎每天在用，只有1.7%的人从未接触过AI，而全球这个比例是15%。
27到39岁是使用最密集的群体，其中32%的人几乎每天用AI工作。
这份报告还拆出了另一个差异：39%的中国知识型劳动者强烈同意AI会帮自己更好地履职，技能任务型员工这一比例是19%，重复任务型员工只有12%。
越是需要判断力的岗位，被抬高的标准越狠。
这个分化值得多说一句。
重复任务型的活有明确终点，做完就是做完。
知识型的活没有终点，一份方案可以无限打磨，一次汇报可以无限预演。
AI恰好把打磨的成本降到了接近于零，于是“再改一版”，从一句客气话变成了一句常态指令。
没有终点的活，配上没有成本的迭代，结果只有一个：永远在改。
METR的随机对照试验把这个裂缝量了出来。
研究者让一批经验丰富的开源开发者，在自己熟悉的代码库上完成真实任务，一半可以使用AI工具，一半不可以。
结果是：使用AI的组实际慢了19%，而他们自己估计自己快了20%，事前预期是快24%。
慢了，还觉得快了。
这不是错觉，这是参照系被换了——当AI能把活轻松做到八十分，八十分就不再算分。
门槛就是这样往上挪的，而且每一轮都不留痕迹。
三年前，一份带排版的文档就算交付物。
两年前，你得配上一页图。
今年，图要会动，还得有三个版本的备选。
没有人为此发过通知，没有哪份文件写过这条规定，标准只是自己长了上去，长完之后所有人都觉得本来就该是这样。
经济学里有个一百多年前的老概念，叫杰文斯悖论。
瓦特改良蒸汽机之后，煤炭烧得更有效率了，按理说煤应该烧得更少。
结果恰恰相反：效率提高让用得起煤炭的场景变多，英国的煤炭消耗量不降反升。
AI正在重演这个剧本，只不过被撑大的不是煤炭消耗量，是工作量。
当一份方案的成本从三个下午降到三十分钟，能被提出的方案需求就从一周一次变成一天三次。
这也解释了为什么效率提升和感觉更忙可以同时为真，而且互为因果。
效率提升得越多，需求扩张得越快，标准就抬得越高。
于是每一次提效，都只换来一小段喘息，然后被新的合格线重新吃掉。
⑶你不是在创作，你是在验收
AI把写的边际成本打到了地板上。
成本没有消失，它整包转移到了读和改的人身上。
斯坦福社交媒体实验室与BetterUp Labs给这种现象起了个名字，叫“工作废品”，指的是那些伪装成好作品、却缺少推进工作所必需实质的AI产出。
据CNBC报道，他们对1150名美国全职员工的调查显示，40%的人在过去一个月里收到过这类东西。
这些受访者估计，自己收到的内容里平均有15%属于这种货色。
处理每一份，平均要花1小时56分钟。
按受访者自报的薪资折算，这是每月约186美元的隐形税。
放到一家一万人的公司，一年的生产力损失大约900万美元。
一位受访的金融从业者说得很直白：“它让我陷入一个处境，我要决定是自己重写，还是让他重写，还是就这么算了”。
三个选项，每一个都要花时间。
代价不止是时间。
收到工作废品的人里，53%感到恼火，38%感到困惑，22%觉得被冒犯。
大约一半的人会因此重新评估发件人，认为对方不那么有创造力、不那么能干、不那么可靠。
三分之一的人会把这件事告诉其他同事或上级。
斯坦福社交媒体实验室的创始主任Jeff Hancock说过一句很实在的话：“过去我要写出一份潦草的东西，好歹还得花力气去写，现在费力这件事没了，我可以非常轻易地生成大量无用内容”。
BetterUp Labs的负责人Kate Niederhoffer把这件事的本质说透了：“人们习惯把AI当成自己单独使用的工具，但它实际上在中介人与人之间的工作”。
翻译一下，你交出去的从来不是一份文档，而是一段需要对方继续加工的时间。
你省下的两小时，很可能正好是别人多花的两小时。
研究还发现，这类内容在专业服务和科技行业尤其突出，也就是报告、方案、代码最密集的那些岗位。
恰恰是知识工作者最扎堆的地方。
产出越便宜，验收越贵。
这就像打印从每张五毛变成不要钱之后，你省下的不是纸钱，而是多出了一整个下午的阅读量。
微软的《2025工作趋势指数特别报告》画出了验收成本的日常形态。
这份报告基于数万亿条微软365生产力信号，并调研了31个市场的31000名知识工作者。
普通员工每天收到117封邮件和153条Teams消息。
平均每两分钟被会议、邮件或通知打断一次，一天275次。
57%的会议是没有日历邀请的临时发起。
48%的员工说自己的工作感觉混乱而碎片化，领导层这个比例是52%。
会前最后十分钟，PPT的编辑量会飙升122%。
还有一组数字值得单独拎出来：29%的员工会在晚上10点后回到收件箱，20%的员工在周末工作，其中不少人在周六周日的上午就开始查邮件。
晚上8点以后的会议，同比增加了16%。
跨时区的会议较2021年增加了35%，65人以上的大会成为增长最快的会议类型。
工作日没有变长，它只是溢出了。
溢出的那部分，没有算进任何一张考勤表。
⑷涨上去的标准，不会自己降下来
标准一旦抬上去，就没有人愿意把它拧回去。
加州大学伯克利分校哈斯商学院的研究者，在一家200人的美国科技公司蹲了八个月。
他们观察到三种同步发生的现象：任务膨胀、边界模糊、认知过载。
翻译一下，就是产品经理开始用AI写代码，做数据采集的人接下了原本属于工程岗的活。
岗位职责没有改，但“你能够做”，变成了“你应当做”。
边界被抹平之后，多出来的那部分活，天然落到会用AI的人头上。
而且这种扩张几乎不会遭遇抵抗，因为每一次只多一点点，每一次都显得顺理成章。
企业的部署节奏在给这个趋势加码。
麦肯锡的调研里，近九成受访者说自己的组织至少在一个业务职能中常规使用AI，全企业范围规模化的比例从一年前的38%升到44%。
在年收入10亿美元以上的大企业里，规模化部署AI智能体的比例从27%涨到40%，一年之内多了十三个百分点。
约两成组织已经在全组织范围规模化AI智能体，聊天机器人这一比例是47%。
还有32%的受访者说，因为可以用智能体编程工具自建，组织已经放弃采购至少一款软件产品或功能。
工具铺得越广，顺手做一下的机会就越多。
可收益和痛感的分配并不对称。
同一份麦肯锡调研显示，只有37%的受访者认为AI对组织的息税前利润产生了正面贡献，真正把5%以上利润增长归因于AI的高绩效组织只占6%，与去年持平。
换句话说，八成人觉得自己更快了，不到四成的组织觉得赚到了。
而在报告过AI相关负面影响这一项上，中层管理者和个人贡献者的比例是47%，高管只有31%。
Upwork研究院2024年的调查更直白：96%的高管预期AI能提升员工生产力，77%的员工却说AI增加了自己的工作量。
两组数字之间隔着的那十几个百分点，就是痛感的真实落点。
MIT媒体实验室的报告则从投资端给出了注脚：95%的组织没有从AI投入中获得可衡量的回报。
这就像工厂换了一条更快的传送带。
速度旋钮在管理层手里，能耗记在操作工头上。
而且传送带一旦提速，就没人记得它原来的速度是多少。
更现实的问题是，把标准拧回去的成本，比继续提速高得多。
一家公司如果把AI时代的交付标准降回从前，等于主动放弃竞争力，没有哪个管理层愿意签这个字。
于是标准只会单向抬升，直到有人先撑不住。
最靠近流水线的人，最先感觉到传送带太快。
更麻烦的是，提速之后空出来的产能不会闲置，它会立刻被新的需求填满。
需求永远不缺，缺的是愿意说停的人。
⑸解法不在工具，在谁定义够好
ActivTrak在报告里把话说得比大多数企业都直：问题的根源不是员工士气、工作习惯或者人手不够，而是管理层对AI释放出来的新增产能，分配和调度出了问题，这些产能大多流向了低价值的琐事。
这句话值得贴在每一间推行AI的办公室墙上。
它把责任从干活的人身上，挪回了派活的人身上。
解法的方向也只有一条：让“够好”这件事重新变得明确。
不是少用AI，而是先把标准定死，再让AI去冲。
什么是一份合格的方案，什么叫做完，什么情况下不需要再出第二版。
这些判断必须在活开始之前做，不能等三稿摆在桌上再靠感觉挑。
标准先行的成本，是开一次会；标准后置的成本，是三个人的周末。
团队内部要敢给工作废品立规矩。
收到一堆没有实质推进的AI产出，可以退回去，而不是自己默默改两个小时。
斯坦福与BetterUp的研究者也给出了他们的建议：团队要公开讨论各自怎么用AI，交付时说清哪部分由AI生成，让接收方知道该从哪里补。
会议同样需要收口。
近六成会议是临时发起的，一半的人觉得工作碎片化，那就先把临时会议和无议程会议砍掉，把专注时段当成排不动的资源保护起来。
要知道，员工当前的专注时长已经是三年来的最低点。
微软在报告里给企业开了三条药方：用二八法则聚焦能产出八成结果的两成工作、围绕任务而不是层级重组团队、让员工学会管理智能体。
三条都对，但都指向同一件事——重新分配工作，而不是继续加速。
有意思的是，这份报告的样本自己就是最深陷碎片化的一群人，48%的员工承认工作混乱，领导层这个比例更高。
药方开给病人，开药方的人也在咳嗽。
落到操作层面，大概有三件事。
第一，把AI释放出来的产能显性化，写进排期表，而不是默认它自动蒸发。
第二，给交付物定义退出条件，明确什么情况算完成、什么情况不再追加版本。
第三，把“少做”也计入绩效——砍掉一项低价值工作，应该和新增一项工作同样被看见。
对个人来说，能做的空间不大，但有一件很关键：在接活之前把标准问清楚。
这版是要决策还是要参考，是给三个人看还是给三十个人看，是要一个方向还是要三个方案。
标准问在前面，比三稿做在后面省事得多。
ADP的中国区数据还提醒了另一件事。
中国的AI使用率远超全球平均水平，但使用率高并不等于产出高，高频使用者反而更容易怀疑自己的生产力。
中国只有1.7%的员工从未接触过AI，全球是15%，这个差距足以说明普及程度。
可与此同时，中国员工的敬业度在全球并不占优。
工具铺满了，标准没跟上，中间那一段就是内耗。
ADP北亚区负责人的判断很克制：AI在中国的普及速度和深度令人瞩目，但单纯的采用并不会自动转化为生产力提升，企业需要有针对性的培训投资，让员工学会与AI高效协作。
这句话的重点在协作两个字。
眼下绝大多数企业的AI培训还停留在工具教学，哪个按钮在哪儿、提示词怎么写。
教工具是最容易的部分，也是最没用的部分。
真正该教的是判断：什么活值得交给AI，什么活必须自己扛，什么情况下可以停止迭代。
麦肯锡的调研里还有个不起眼的数字：聊天机器人、AI智能体、软件编码智能体这三类工具，都各有约一成的受访者表示，组织的使用量受到了运营成本限制，包括token成本。
AI本身也在制造新的成本科目和新的一批工作量。
给工具容易，给标准难。
难在标准是要有人负责的，而工具只需要有人买单。
最后的话
从周五下午那条“再出两版”的回复说起。
AI把出稿从三个下午压缩到三十分钟，却没有让标准停在原来的位置。
它抬高了。
一稿变三稿，能做变必须做，交差变初稿。
麦肯锡的调研里，八成人说自己效率更高；ADP的数据里，天天用AI的人有四倍的概率觉得自己不够快。
这两句话不矛盾。
它们说的是同一件事：当产出速度被无限放大，衡量标准会跟着往上跑，而且跑得比你更快。
效率提升不是骗局。
它只是从来没有承诺过，省下来的时间归你。
AI越强的职场里，最稀缺的能力不是把活干完。
是定义什么叫干完。
参考文献
[1]麦肯锡：AI现状2026：迈向投资回报之路
[2]ActivTrak：2026年职场现状报告
[3]国家统计局：2026年上半年国民经济运行情况
[4]ADP全球研究院：职场人2026
[5]界面新闻：ADP研究：中国职场人AI使用率显著高于全球平均水平
[6]CNBC：AI生成的工作废品正在摧毁生产力
[7]微软：2025年工作趋势指数特别报告
[8]加州大学伯克利分校哈斯商学院：生成式AI如何加剧工作强度
[9]METR：早期AI工具对资深开源开发者生产力的影响
[10]Upwork：高管加码AI投入后员工工作量持续上升