工具越来越好用，为什么工作反而越来越多？
团队里有人离职，岗位空了下来，就一直空着。
管理者很少把话挑明。传到你耳朵里的，通常是另一套委婉的说法：现在工具这么强，先内部消化消化；这活儿AI能干，剩下的人分一分；等业务量真的上来了，再考虑要不要招人。
AI确实把活儿干快了。一份原本要两小时磨出来的材料，二十分钟就能拿到一版像样的初稿。可省下来的一百分钟，很少会完整地还给你——你会顺手再做一版给客户看的，补一张对比表，把本来不会做的竞品分析也搭进去，再单独给领导出一页摘要。下班的时候，产出比过去更多，人却没有轻松半分。
这一幕，很多人并不陌生。真正该追问的，从来不是AI有没有用，而是它已经用得这么顺手，工作量为什么反而没有减下来。
过去几年，围绕AI与就业的讨论习惯性地扑向一个宏大命题：机器到底会不会取代人？可对多数还坐在工位上的人来说，眼前更切身的变化不是某天突然收到一封解雇信，而是安静得多的另一件事——身边少了一个人，那个位置没有再填上，原本几个人分担的工作，开始悄悄向剩下的人身上聚拢。
AI没有凭空造出更多工作。它真正改写的，是公司心里那道算式：干完这些活，到底需要几个人。
一、先把公道话说完：AI是真的省时间
先承认一个事实：AI在部分任务上确实有效。
一项覆盖66家企业、7,137名知识工作者的随机田野实验提供了较强证据：半年实验行至后半段，真正拿到生成式AI并持续使用的员工，每周花在邮件上的时间少了约两小时，非正常时段处理邮件的情况也随之收敛。会议这类需要多人协调的任务没有出现同等幅度的变化，但至少在邮件这种可以独自完成的工作上，AI确实把时间省了下来。研究预印本于2025年11月更新至第四版。
韩国央行2026年公布的一项全国性调查得出了相近的结论：使用生成式AI，与平均工作时间下降3.8%相关，折算下来每周约1.5小时。韩国央行的研究说明没有把这部分节省直接算成产出增长；配套论文甚至发现，劳动者更多把它兑现成了工作中的一点闲暇，而不是继续拼产出。配套论文
所以，AI让人喘口气这件事，不是传说。它在一部分任务和一部分组织里，真实发生过。
正因如此，下一个问题才显得格外刺眼：一项工作既然确实能更快做完，为什么许多人的一天，并没有因此变短？
答案不藏在模型参数里，而藏在那段省下来的时间，究竟经过了谁的手。
二、效率先进了公司的账本，才轮到你的日程表
站在个人这头，AI省下的是半小时、一小时；翻过桌子看向公司那头，同一份效率会被换算成完全不同的一组数字：一个团队还需要几个人，一个空出来的位置值不值得补，一个季度能不能再多吃下几个项目。
这套换算，美国企业说得最不加掩饰。2025年，亚马逊首席执行官安迪·贾西在一封写给全体员工的公开信里挑明：随着公司大规模用上生成式AI并拿到效率收益，未来几年企业的岗位总数预计会减少。信里同时要求员工想清楚一件事——怎么用“更精干的团队”做出更多事。亚马逊公开信
这不是一句场面话，是已经写进经营决策的算法：同样的活，更少的人也能干完，效率收益就会先落进人数的收缩里，而不是工作日的缩短里。
裁员统计也开始说同一种语言。美国职业咨询机构Challenger统计，2026年上半年，美国雇主在101,743个已宣布的裁员岗位中提到了AI，约占同期裁员计划的23%。这个数字记的是企业自己给出的理由，不能把每一次裁员都算成AI独立造成的后果——行业周期、成本压力、业务调整都可能同时在起作用。但它足以说明一件事：拿AI当理由重新核算需要多少人，已经不是一个假设。Challenger 2026年6月报告
在中国，这笔账通常叫“人效”
比起亚马逊式的直接摊牌，中国企业的公开表述更爱用“组织提效”“人效提升”这类说法。落到具体的团队里，往往只是一句更朴素的话：走一个，先不补。
百度是一个值得细看的样本。公司披露的全职员工数，从2023年底约39,800人，降到2024年底约35,900人，再降到2025年底约33,500人。百度2024年年报、百度2025年投资者资料
同一时间，百度2025年ESG报告披露了另一条曲线：内部代码助手把每名员工月均交付的任务数同比推高了11.7%；全年1.655亿行代码里，56.6%由AI生成。百度2025年ESG报告
一条曲线向下，一条曲线向上，它们只能被并排摆在一起看，不能被强行焊接成因果——员工数字的下降，完全可能另有业务收缩、组织调整的原因，不能反推每一个离开的岗位都被AI顶替。公开材料能够支持的判断是：AI开始进入企业衡量人均交付的尺度。公司不再只问“你能不能完成”，还会追问一句“有了AI，你一个人该完成多少”。
互联网大厂也并非都在减员。腾讯2025年员工数从110,558人增加到115,849人。腾讯2025年年报 企业完全可以用AI去扩张业务、造出新的需求，同时把人也一起加上。这说明技术没有替企业写好唯一的剧本。真正决定劳动者处境的，是企业选择把效率兑现成增长、利润，还是兑现成更少的人、更短的工作时间。
中小企业的变化更少以正式裁员公告的形式出现。中国信通院对1300余家专精特新中小企业的调查显示，AI已经进入设备管理、智能分拣、供应链优化和视觉质检这些环节，但多数企业还停留在较简单的应用阶段。报告里另有一个产业集群数字化改造的案例：企业平均生产效率提升25%，管理人员减少30%。这属于更广义的数字化改造，不能算成生成式AI单独造成的结果，也不能证明所有中小企业都会走这条路。但它呈现了一种现实的兑现方式：效率先被写进人员编制表，而不是写进下班时间。中国信通院《专精特新中小企业数字化转型研究报告（2024年）》
三、位置空了，活儿没有一起消失
人少了一个，不代表任务也按比例少了一份。多数时候，变的只是这份任务此刻落在谁头上。
以前一份报告只出一个版本，因为多磨三版不划算。现在，AI把“再出一版”的成本压得很低：按客户口味出一版，按领导习惯再出一版，配一页摘要，再把结论翻成表格。过去压根不会立项的活，现在“反正顺手”，一件接一件挤进待办清单。
这正是单项效率提高之后，总工作量反而可能继续膨胀的原因。员工并没有突然爱上加活儿。在缺少任务边界的组织里，只要多做一件事的成本足够低，“没必要”就会很快变成“为什么不做”。
任务变多，只是第一层。第二层的变化，发生在“什么才算做完”这道门槛上。
以前两天审完一份合同，AI接手后半天就能给出框架。半天很快就不再是值得夸耀的效率，而是新的交付期限。以前交一份正文就算交差，现在默认还要配摘要、风险表、修改说明和对外邮件。省下来的时间没有真的消失，它被重新写进了“更快、更细、更个性化”这条新标准里。
这一层变化，很难在工时统计表里完整现身。一个人的负担至少有三种长法：工作时间被拉长，单位时间里塞进的任务变多，或者一整天被并行任务和弹窗消息切成碎片。钟表上的下班时间没往后挪，不代表强度没往上走；活干得更多，也未必立刻换算成更长的在岗时长。
而中国职场本来就没剩多少余量去消化这层变化。国家统计局公布，2026年5月，全国企业就业人员周平均工作时间为48.2小时。国家统计局数据 这项指标与法定标准工时不是同一个口径，不能把超出40小时的部分一律算成违法加班。它能说明的只是一件事：AI走进的不是一个休息充分、边界分明的职场。
在这样的底盘上，效率工具最容易先被拿去追加产出。员工省下来的那半小时，说起来不值一提，撑不起一次完整的喘息，却刚好够再塞进一项任务。
四、初稿变便宜了，核验并没有跟着变便宜
对律师、程序员、财务人员这类要为结果负责的职业，AI还带来了一层容易被忽略的转移：生成的活变少了，核验的活变多了。
AI能很快生成一份结构齐整的合同审查意见，但它不会替律师去确认引用的法条是否还有效，不会替当事人选好请求权基础，更不会在金额算错时替谁承担一次职业责任。机器给出的文本越像正确答案，人就越需要知道，错误可能正躲在哪一个看似无懈可击的角落。
上海市律师协会2025年发布的一份居村法律顾问服务AI工具使用试行指引，把这段“最后一公里”写得相当具体：AI自行生成的法律法规和案例，要复核真实性、准确性与时效性；生成文书里的诉讼时效、仲裁时效和金额计算，要由律师逐项检查；把材料上传给非本地化工具之前，还要处理好隐私、个人信息和商业秘密。上海市律师协会试行指引
这些工作不再像面对一张空白纸那样引人注目。它们零碎、分散，常被一句“你顺手看一下”打发过去。可一份专业成果能不能盖章交出去，最终取决于这些不显眼的步骤有没有做到位。
AI把初稿变便宜了，没把签字变便宜。
这还会造出一种视觉错觉。一份材料能在二十分钟内生成，旁观者很容易就把这二十分钟当成全部的劳动。查证、删改、判断、担责，全被机器流畅的输出挡在了看不见的地方。于是员工一边要为更快的交付兜底，一边还要接住一句轻飘飘的评价：“这不就是AI一下的事吗？”
技术越能顶替看得见的动作，剩下的人类劳动就越会挤进那些难以计量、却不容许出错的角落。工作没有消失，它只是从“亲手写出来”挪到了“盯着、判断、兜底”上面。
五、为什么更快，却换不来更早下班
一项使用美国2004年至2023年时间日记数据的NBER研究发现：职业AI暴露度越高，在ChatGPT冲击之后，就越可能对应更长的工作时间和更少的休闲时间。研究还发现，在劳动者议价能力弱、企业监控和绩效识别更容易的环境里，这层关系更加明显。NBER工作论文《AI与延长的工作日》
这项研究衡量的是职业层面的AI暴露度，不是逐人追踪，因此不能简单翻译成“用了AI就会多干几个小时”。它真正指向的是一个分配问题：当AI与人的工作彼此补位，生产率的收益并不会自动流回劳动者手里。企业可以把它变成更高的目标，消费者可以把它变成更快的响应，劳动者拿到的，则可能只是一张排得更满的任务表。
这就是“工具越来越好用，活越来越多”背后那道隐藏的传送带：AI负责把一件事变快，组织负责决定省下的这段时间接下来去哪儿。
一个岗位走了不再补，“更快”随即被抬成新的及格线，核验和出错的责任仍然一个不落地留给人——三件事同时出现，AI省下的时间就更容易在真正落进你手里之前，被重新分配。
你不是变慢了，是“更快”已经被公司写成了新的起点。
人们感受到的，也就不只是“加班变多”这么简单。有时是工作日真的被拉长了；有时钟表上的时间没怎么挪动，但同一段时间里被塞进了更多任务；还有时，工作渗进了午饭、通勤和睡前那些原本属于自己的碎片。三种情况可以单独出现，也可以一起压过来。
于是，那个悖论就这样成立了：公司拿到了更高的人效，客户等到了更快的回复，机器交出了更多的初稿，而留下来的人，并没有因此更早回家。
六、省下来的时间，到底归谁
韩国央行的研究和那项Copilot田野实验提醒我们，另一种结局同样存在。AI用户可以少花时间在邮件上，可以少在非正常时段工作，也可以把一部分效率收益，真的兑成自己的闲暇。
这和本文的观察并不打架。这些反例说明，变忙不是技术宿命。技术能不能给人减负，要看劳动者有没有权利把省下来的时间留在自己手里，也要看组织会不会同步加任务、提标准、减人手。
所以真正该追问的，是几件更具体的事：一个人走了，那个位置补不补；速度提上去了，任务上限和交付标准由谁决定；机器负责生成、人负责签字时，核验所需的时间和责任又该怎么算。
AI能缩短一部分任务的时间。至于它最终变成下班，还是变成下一项任务，模型说了不算。
省时是技术结果，减负是分配结果。
如果你所在的团队走了一个人，是补一个，还是剩下的人分一个？