AI正在規模生產“工作垃圾”，最終誰來買單？

生成式AI帶來一個諷刺現象：員工使用率倍增，但企業卻難見回報。原因之一是催生了“工作垃圾”——員工用AI快速生成看似精美、實則空洞的內容，將認知負擔轉嫁給同事。真正的AI效能需要主動、有目的地將AI作為協作工具，而非逃避思考的捷徑。

在積極采用生成式AI的公司中，一個令人困惑的矛盾正在顯現：盡管員工大多遵循指令接納這項技術，但幾乎沒人看到它創造出真正價值。例如，去年完全由AI主導流程的公司數量幾近翻倍。自2023年起，工作中AI的使用量同樣翻倍。然而，麻省理工學院媒體實驗室的一份報告顯示，95% 的組織在這些技術上的投資并未獲得可衡量的回報。投入諸多精力與熱情，回報卻寥寥無幾。這是為何？

我們BetterUp實驗室的研究團隊與斯坦福社交媒體實驗室合作，找出了一個可能原因：員工借助AI工具炮制出無需多少心力、看似尚可的成果，最終卻給同事帶來更多工作。在社交媒體上，低質量的AI生成帖子日益泛濫，這類內容常被稱作“AI垃圾”。在工作場景中，我們把類似現象稱為“工作垃圾”，即AI生成的工作成果看似質量上乘，實則缺乏能夠切實推動特定任務進展的實質內容。

事情是這樣發生的。隨著AI工具愈發易用，員工越來越能夠迅速產出看似精良的成果：格式規整的幻燈片、長篇且有條理的報告、非專業人士撰寫卻看似條理清晰的學術論文摘要，以及可用代碼。然而，部分員工利用這種能力打磨優質工作，另一些人卻用它制造出實際上毫無幫助、不完整，或者缺失項目關鍵背景信息的內容。“工作垃圾”的隱患在于，它將工作負擔轉移給后續接手的人，迫使接收者去解讀、糾正或重做這些工作。換言之，它把工作量從創作者轉嫁到了接收者身上。

倘若你有過此類經歷，或許會記得打開這類文檔時先是一陣困惑，緊接著懊惱涌上心頭 —— 等等，這到底是什么？—— 隨后你不禁懷疑發送者是不是直接用AI生成大段文字，根本沒經自己思考。若這聽起來似曾相識，那你就是遭遇了“工作垃圾”。

根據我們開展的一項調查，這是個嚴重問題。在1150名來自不同行業的美國全職員工中，40% 的人表示上個月收到過“工作垃圾”。遇到過“工作垃圾”的員工估計，他們工作中收到的內容平均有15.4%屬于此類。這種現象大多發生在平級同事之間（占40%），但也有18% 的情況是下屬向上司發送“工作垃圾”。16%的情況是“工作垃圾”自上而下傳遞，從管理者傳給團隊，甚至來自更高級別的人員。“工作垃圾”在各行業均有發生，但我們發現專業服務和科技行業受影響尤為嚴重。

領導者需要了解“工作垃圾”相關情況，以及如何防止它阻礙公司正常運轉。

“工作垃圾”的代價

將認知任務外包給機器并非新觀念，對技術劫持認知能力的擔憂也早已有之。例如，2006年，科技記者尼古拉斯·卡爾在《大西洋月刊》發表了一篇頗具爭議的文章，題為《谷歌是否讓我們變笨？》。認知外包的主流思維模式 —— 可追溯至蘇格拉底對字母表的擔憂 —— 是指我們將繁重的腦力工作推給谷歌這類技術，因為比如在網上搜索信息比記住信息更容易。

然而，與這種將認知任務外包給機器不同，“工作垃圾”是利用機器將認知工作轉嫁給他人。當同事收到“工作垃圾”時，往往需要承擔解讀內容、推斷缺失或錯誤背景信息的負擔。隨后可能引發一系列費力且復雜的決策過程，包括返工以及與同事進行不愉快的溝通。

來看幾個例子。

當被問及對“工作垃圾”的體驗時，一位金融行業的普通員工描述了收到AI生成工作成果的影響：“這讓我陷入一種困境，我得決定是自己重寫，讓他重寫，還是就這樣湊合。這正助長一種風氣，造就一個思維懶惰、思考遲緩的社會，人們將完全依賴外部力量。”

在另一個案例中，一位科技行業的一線經理如此描述他們的反應：“想要弄明白郵件里究竟講了什么，以及對方真正的意圖，著實令人困惑。大概花了一兩個小時把大家召集起來，才用清晰簡潔的方式重新把信息傳達清楚。”

一位零售行業的總監說：“我不得不浪費更多時間跟進這些信息，并通過自己的研究進行核實。然后我又不得不浪費更多時間與其他主管開會來解決這個問題。接著我還得繼續浪費自己的時間，親自重新做這項工作。”

每一次“工作垃圾”的出現都給公司帶來切實代價。員工報告稱，處理每一次“工作垃圾”平均要花費1小時56分鐘。根據參與者對所花時間的估計以及他們自報的薪資，我們發現這些“工作垃圾”事件每月會產生186美元的隱形成本。對于一個擁有10000名員工的組織而言，按照“工作垃圾”的估計發生率（41%）計算，每年會造成超900萬美元的生產力損失。

受訪者還提到了“工作垃圾”帶來的社交與情感代價，包括如何委婉回應收到“工作垃圾”的難題，尤其是在等級分明的關系中。當我們詢問研究參與者收到“工作垃圾”時的感受，53% 的人表示惱怒，38% 的人感到困惑，22% 的人覺得被冒犯。

最令人擔憂的代價或許體現在人際關系方面。低質量、無用的AI生成工作成果正對工作中的協作產生重大影響。在我們調查的人中，約有一半認為發送“工作垃圾”的同事在創造力、能力和可靠性方面不如收到成果之前。42% 的人覺得他們不值得信任，37% 的人認為這些同事不夠聰明。這很可能呼應了關于在工作中使用AI導致能力評價降低的研究，據稱使用AI編寫代碼片段的工程師被認為比不使用的工程師能力更差（而且女性工程師受到的負面影響尤為嚴重）。

此外，34% 收到“工作垃圾”的人會將這些情況告知團隊成員或經理，這可能會破壞發送者與接收者之間的信任。三分之一（32%）收到過“工作垃圾”的人表示，他們未來不太愿意再與發送者合作。

長此以往，這種人際關系上的代價有可能侵蝕協作的關鍵要素，而這些要素對于在工作場所采用AI及進行變革管理至關重要。

領導者能做什么

從某些方面來看，這并非新鮮事。工作中一直都存在敷衍了事的情況。我們容易拖延，喜歡走捷徑，疲憊時傾向于忙于瑣事而非認真思考。生成式AI為我們提供了一種新技術，讓我們得以延續這些老毛病 —— 但現在還額外增加了為同事制造更多工作、大規模破壞協作的代價。

那么，企業該如何避免這種結果呢？如何讓員工對AI的使用達到最優，從而從對這項變革性技術的重大投資中獲得可衡量的回報呢？基于我們的原創研究以及幫助財富500強公司在員工中成功應用AI的經驗，我們在此提出一些關鍵原則：

-不加區分的要求導致不加區分的使用：當企業領導者一味倡導在所有場合使用AI時，他們就表現出在應用這項技術時缺乏判斷力。很容易理解這會如何導致員工不假思索地將AI的回復復制粘貼到文檔中，即便AI并不適合手頭的工作。生成式AI并非適用于所有任務，它也無法讀懂人心。誠然，AI可以積極改變工作的某些方面，但要在復雜或模糊的工作中產生有用的成果，仍需要員工進行深思熟慮的指導與反饋。

此外，不加區分的指令會引發推諉責任的行為。盡管員工在運用AI時理應享有自主權，但企業自身也需制定關于最佳實踐方法、工具選用以及行為規范的政策與建議。如果使用AI是每個人的職責，那么首先，企業領導者有責任為員工制定指導方針，幫助他們以最符合企業戰略、價值觀和愿景的方式使用這項新技術。

-心態很重要：自2023年起，我們的實驗室一直在追蹤預測員工采用生成式AI的因素，我們發現，兼具高主動性和高樂觀度的員工比低主動性和低樂觀度的員工更有可能采用生成式AI。我們將這些員工稱為“領航員”，而非“乘客”。“領航員”在工作中使用生成式AI的頻率比“乘客”高出75%，在工作之外高出95%。

或許更為關鍵的是，鑒于有關“工作垃圾” 的這些研究發現，“領航員” 對生成式AI的運用方式值得關注。例如，“領航員”比“乘客”更有可能利用AI來提升自己的創造力。相反，“乘客”比“領航員”更有可能為了逃避工作而使用AI。“領航員”有目的地使用AI來實現自己的目標。

-重新致力于協作：與AI協同工作所需的許多任務 —— 給出提示、提供反饋、描述背景 —— 都具有協作性。如今的工作需要越來越多的協作，不僅是人與人之間的協作，現在還包括與AI的協作。協作的復雜性只會不斷加深。“工作垃圾”就是AI帶來的新協作動態的一個典型例子，它會消耗生產力，而非提高生產力。我們與AI的互動會對同事產生影響，領導者需要推動有利于協作的人機互動。

2025年無縫協作必須包括我們將AI工作成果融入共同工作流程的方式，以實現共享目標，而不是將其作為暗中逃避責任的手段。這是組織行為的一個全新關鍵領域，將區分出那些能最大化AI價值的公司和那些盲目跟風AI活動卻毫無成效的公司。

“工作垃圾”生成起來或許不費吹灰之力，但卻會給企業帶來損失。發送者眼中的捷徑，對接收者來說卻是需要費力填補的漏洞。領導者最好以身作則，謹慎地使用AI，使其具有明確的目的和意圖。為團隊設定關于規范和可接受使用方式的明確界限。將AI定位為協作工具，而非捷徑。秉持“領航員”的心態，保持高主動性和樂觀度，有針對性地使用AI來加速實現特定成果。對于人機協作完成的工作，要堅持與人類獨立完成的工作相同的卓越標準。

關鍵詞：

凱特·尼德霍夫（Kate Niederhoffer）、加布里埃拉·羅森·凱勒曼（Gabriella Rosen Kellerman）、安吉拉·李（Angela Lee）、亞歷克斯·利布舍爾（Alex Liebscher）、克里斯蒂娜·拉普阿諾（Kristina Rapuano）、杰弗里·T·漢考克（Jeffrey T. Hancock）| 文

凱特·尼德霍夫是BetterUp實驗室副總裁兼社會心理學家。她的研究探索AI在工作場所應用、人類發展及人際溝通中的作用。加布里埃拉·羅森·凱勒曼是一名醫生，也是BetterUp的首席產品官兼首席創新官。安吉拉·李是斯坦福大學傳播系博士研究生。亞歷克斯·利布舍爾是BetterUp實驗室的研究科學家。他的研究專注于理解我們如何與數字技術互動，以及其對我們人際關系的影響。克里斯蒂娜·拉普阿諾是BetterUp實驗室的研究科學家。她的研究探索技術創新與個人發展交叉領域的心理學。杰弗里·T·漢考克是斯坦福大學傳播學教授。他也是斯坦福社交媒體實驗室創始主任及斯坦福網絡政策中心主任。

周強 | 編校

聯系方式

投稿、廣告、內容和商務合作

newmedia@hbrchina.org