工具越來越好用，為什麼工作反而越來越多？
團隊裡有人離職，崗位空了下來，就一直空著。
管理者很少把話挑明。傳到你耳朵裡的，通常是另一套委婉的說法：現在工具這麼強，先內部消化消化；這活兒AI能幹，剩下的人分一分；等業務量真的上來了，再考慮要不要招人。
AI確實把活兒幹快了。一份原本要兩小時磨出來的材料，二十分鐘就能拿到一版像樣的初稿。可省下來的一百分鐘，很少會完整地還給你——你會順手再做一版給客戶看的，補一張對比表，把本來不會做的競品分析也搭進去，再單獨給領導出一頁摘要。下班的時候，產出比過去更多，人卻沒有輕鬆半分。
這一幕，很多人並不陌生。真正該追問的，從來不是AI有沒有用，而是它已經用得這麼順手，工作量為什麼反而沒有減下來。
過去幾年，圍繞AI與就業的討論習慣性地撲向一個宏大命題：機器到底會不會取代人？可對多數還坐在工位上的人來說，眼前更切身的變化不是某天突然收到一封解僱信，而是安靜得多的另一件事——身邊少了一個人，那個位置沒有再填上，原本幾個人分擔的工作，開始悄悄向剩下的人身上聚攏。
AI沒有憑空造出更多工作。它真正改寫的，是公司心裡那道算式：幹完這些活，到底需要幾個人。
一、先把公道話說完：AI是真的省時間
先承認一個事實：AI在部分任務上確實有效。
一項覆蓋66家企業、7,137名知識工作者的隨機田野實驗提供了較強證據：半年實驗行至後半段，真正拿到生成式AI並持續使用的員工，每週花在郵件上的時間少了約兩小時，非正常時段處理郵件的情況也隨之收斂。會議這類需要多人協調的任務沒有出現同等幅度的變化，但至少在郵件這種可以獨自完成的工作上，AI確實把時間省了下來。研究預印本於2025年11月更新至第四版。
韓國央行2026年公佈的一項全國性調查得出了相近的結論：使用生成式AI，與平均工作時間下降3.8%相關，折算下來每週約1.5小時。韓國央行的研究說明沒有把這部分節省直接算成產出增長；配套論文甚至發現，勞動者更多把它兌現成了工作中的一點閒暇，而不是繼續拼產出。配套論文
所以，AI讓人喘口氣這件事，不是傳說。它在一部分任務和一部分組織里，真實發生過。
正因如此，下一個問題才顯得格外刺眼：一項工作既然確實能更快做完，為什麼許多人的一天，並沒有因此變短？
答案不藏在模型參數裡，而藏在那段省下來的時間，究竟經過了誰的手。
二、效率先進了公司的賬本，才輪到你的日程表
站在個人這頭，AI省下的是半小時、一小時；翻過桌子看向公司那頭，同一份效率會被換算成完全不同的一組數字：一個團隊還需要幾個人，一個空出來的位置值不值得補，一個季度能不能再多吃下幾個項目。
這套換算，美國企業說得最不加掩飾。2025年，亞馬遜首席執行官安迪·賈西在一封寫給全體員工的公開信裡挑明：隨著公司大規模用上生成式AI並拿到效率收益，未來幾年企業的崗位總數預計會減少。信裡同時要求員工想清楚一件事——怎麼用“更精幹的團隊”做出更多事。亞馬遜公開信
這不是一句場面話，是已經寫進經營決策的算法：同樣的活，更少的人也能幹完，效率收益就會先落進人數的收縮裡，而不是工作日的縮短裡。
裁員統計也開始說同一種語言。美國職業諮詢機構Challenger統計，2026年上半年，美國僱主在101,743個已宣佈的裁員崗位中提到了AI，約佔同期裁員計劃的23%。這個數字記的是企業自己給出的理由，不能把每一次裁員都算成AI獨立造成的後果——行業週期、成本壓力、業務調整都可能同時在起作用。但它足以說明一件事：拿AI當理由重新核算需要多少人，已經不是一個假設。Challenger 2026年6月報告
在中國，這筆賬通常叫“人效”
比起亞馬遜式的直接攤牌，中國企業的公開表述更愛用“組織提效”“人效提升”這類說法。落到具體的團隊裡，往往只是一句更樸素的話：走一個，先不補。
百度是一個值得細看的樣本。公司披露的全職員工數，從2023年底約39,800人，降到2024年底約35,900人，再降到2025年底約33,500人。百度2024年年報、百度2025年投資者資料
同一時間，百度2025年ESG報告披露了另一條曲線：內部代碼助手把每名員工月均交付的任務數同比推高了11.7%；全年1.655億行代碼裡，56.6%由AI生成。百度2025年ESG報告
一條曲線向下，一條曲線向上，它們只能被並排擺在一起看，不能被強行焊接成因果——員工數字的下降，完全可能另有業務收縮、組織調整的原因，不能反推每一個離開的崗位都被AI頂替。公開材料能夠支持的判斷是：AI開始進入企業衡量人均交付的尺度。公司不再只問“你能不能完成”，還會追問一句“有了AI，你一個人該完成多少”。
互聯網大廠也並非都在減員。騰訊2025年員工數從110,558人增加到115,849人。騰訊2025年年報 企業完全可以用AI去擴張業務、造出新的需求，同時把人也一起加上。這說明技術沒有替企業寫好唯一的劇本。真正決定勞動者處境的，是企業選擇把效率兌現成增長、利潤，還是兌現成更少的人、更短的工作時間。
中小企業的變化更少以正式裁員公告的形式出現。中國信通院對1300餘家專精特新中小企業的調查顯示，AI已經進入設備管理、智能分揀、供應鏈優化和視覺質檢這些環節，但多數企業還停留在較簡單的應用階段。報告裡另有一個產業集群數字化改造的案例：企業平均生產效率提升25%，管理人員減少30%。這屬於更廣義的數字化改造，不能算成生成式AI單獨造成的結果，也不能證明所有中小企業都會走這條路。但它呈現了一種現實的兌現方式：效率先被寫進人員編制表，而不是寫進下班時間。中國信通院《專精特新中小企業數字化轉型研究報告（2024年）》
三、位置空了，活兒沒有一起消失
人少了一個，不代表任務也按比例少了一份。多數時候，變的只是這份任務此刻落在誰頭上。
以前一份報告只出一個版本，因為多磨三版不划算。現在，AI把“再出一版”的成本壓得很低：按客戶口味出一版，按領導習慣再出一版，配一頁摘要，再把結論翻成表格。過去壓根不會立項的活，現在“反正順手”，一件接一件擠進待辦清單。
這正是單項效率提高之後，總工作量反而可能繼續膨脹的原因。員工並沒有突然愛上加活兒。在缺少任務邊界的組織里，只要多做一件事的成本足夠低，“沒必要”就會很快變成“為什麼不做”。
任務變多，只是第一層。第二層的變化，發生在“什麼才算做完”這道門檻上。
以前兩天審完一份合同，AI接手後半天就能給出框架。半天很快就不再是值得誇耀的效率，而是新的交付期限。以前交一份正文就算交差，現在默認還要配摘要、風險表、修改說明和對外郵件。省下來的時間沒有真的消失，它被重新寫進了“更快、更細、更個性化”這條新標準裡。
這一層變化，很難在工時統計表裡完整現身。一個人的負擔至少有三種長法：工作時間被拉長，單位時間裡塞進的任務變多，或者一整天被並行任務和彈窗消息切成碎片。鐘錶上的下班時間沒往後挪，不代表強度沒往上走；活幹得更多，也未必立刻換算成更長的在崗時長。
而中國職場本來就沒剩多少餘量去消化這層變化。國家統計局公佈，2026年5月，全國企業就業人員周平均工作時間為48.2小時。國家統計局數據 這項指標與法定標準工時不是同一個口徑，不能把超出40小時的部分一律算成違法加班。它能說明的只是一件事：AI走進的不是一個休息充分、邊界分明的職場。
在這樣的底盤上，效率工具最容易先被拿去追加產出。員工省下來的那半小時，說起來不值一提，撐不起一次完整的喘息，卻剛好夠再塞進一項任務。
四、初稿變便宜了，核驗並沒有跟著變便宜
對律師、程序員、財務人員這類要為結果負責的職業，AI還帶來了一層容易被忽略的轉移：生成的活變少了，核驗的活變多了。
AI能很快生成一份結構齊整的合同審查意見，但它不會替律師去確認引用的法條是否還有效，不會替當事人選好請求權基礎，更不會在金額算錯時替誰承擔一次職業責任。機器給出的文本越像正確答案，人就越需要知道，錯誤可能正躲在哪一個看似無懈可擊的角落。
上海市律師協會2025年發佈的一份居村法律顧問服務AI工具使用試行指引，把這段“最後一公里”寫得相當具體：AI自行生成的法律法規和案例，要複核真實性、準確性與時效性；生成文書裡的訴訟時效、仲裁時效和金額計算，要由律師逐項檢查；把材料上傳給非本地化工具之前，還要處理好隱私、個人信息和商業秘密。上海市律師協會試行指引
這些工作不再像面對一張空白紙那樣引人注目。它們零碎、分散，常被一句“你順手看一下”打發過去。可一份專業成果能不能蓋章交出去，最終取決於這些不顯眼的步驟有沒有做到位。
AI把初稿變便宜了，沒把簽字變便宜。
這還會造出一種視覺錯覺。一份材料能在二十分鐘內生成，旁觀者很容易就把這二十分鐘當成全部的勞動。查證、刪改、判斷、擔責，全被機器流暢的輸出擋在了看不見的地方。於是員工一邊要為更快的交付兜底，一邊還要接住一句輕飄飄的評價：“這不就是AI一下的事嗎？”
技術越能頂替看得見的動作，剩下的人類勞動就越會擠進那些難以計量、卻不容許出錯的角落。工作沒有消失，它只是從“親手寫出來”挪到了“盯著、判斷、兜底”上面。
五、為什麼更快，卻換不來更早下班
一項使用美國2004年至2023年時間日記數據的NBER研究發現：職業AI暴露度越高，在ChatGPT衝擊之後，就越可能對應更長的工作時間和更少的休閒時間。研究還發現，在勞動者議價能力弱、企業監控和績效識別更容易的環境裡，這層關係更加明顯。NBER工作論文《AI與延長的工作日》
這項研究衡量的是職業層面的AI暴露度，不是逐人追蹤，因此不能簡單翻譯成“用了AI就會多幹幾個小時”。它真正指向的是一個分配問題：當AI與人的工作彼此補位，生產率的收益並不會自動流回勞動者手裡。企業可以把它變成更高的目標，消費者可以把它變成更快的響應，勞動者拿到的，則可能只是一張排得更滿的任務表。
這就是“工具越來越好用，活越來越多”背後那道隱藏的傳送帶：AI負責把一件事變快，組織負責決定省下的這段時間接下來去哪兒。
一個崗位走了不再補，“更快”隨即被抬成新的及格線，核驗和出錯的責任仍然一個不落地留給人——三件事同時出現，AI省下的時間就更容易在真正落進你手裡之前，被重新分配。
你不是變慢了，是“更快”已經被公司寫成了新的起點。
人們感受到的，也就不只是“加班變多”這麼簡單。有時是工作日真的被拉長了；有時鐘表上的時間沒怎麼挪動，但同一段時間裡被塞進了更多任務；還有時，工作滲進了午飯、通勤和睡前那些原本屬於自己的碎片。三種情況可以單獨出現，也可以一起壓過來。
於是，那個悖論就這樣成立了：公司拿到了更高的人效，客戶等到了更快的回覆，機器交出了更多的初稿，而留下來的人，並沒有因此更早回家。
六、省下來的時間，到底歸誰
韓國央行的研究和那項Copilot田野實驗提醒我們，另一種結局同樣存在。AI用戶可以少花時間在郵件上，可以少在非正常時段工作，也可以把一部分效率收益，真的兌成自己的閒暇。
這和本文的觀察並不打架。這些反例說明，變忙不是技術宿命。技術能不能給人減負，要看勞動者有沒有權利把省下來的時間留在自己手裡，也要看組織會不會同步加任務、提標準、減人手。
所以真正該追問的，是幾件更具體的事：一個人走了，那個位置補不補；速度提上去了，任務上限和交付標準由誰決定；機器負責生成、人負責簽字時，核驗所需的時間和責任又該怎麼算。
AI能縮短一部分任務的時間。至於它最終變成下班，還是變成下一項任務，模型說了不算。
省時是技術結果，減負是分配結果。
如果你所在的團隊走了一個人，是補一個，還是剩下的人分一個？