企业借AI压产能 节省的工时被悄悄收走

"

AI 并未端走你的岗位，它压低的是你的时薪。任务在膨胀，时间被切碎，薪资原地踏步

微软今年发布的《工作趋势指数》里有一组数据颇为发人深省。58% 的 AI 使用者表示，他们如今完成了去年完全无法胜任的工作。

中国市场的这一比例高达72%。

企业倡导你借助 AI 提效，提效确实落地了，两周的工期压缩到了三天。

关键在于接下来的问题。节省下来的时间，落入了谁的口袋。

起初无人追问，因为答案看似不言自明，自然归你，否则提效的意义何在。

直到有人抛出了更深一层的问题。

「那你的薪水涨了吗。」

8 月 13 日微博上有一条热搜话题，叫「AI 已经实现了 8 小时工作制」。点开评论区，几乎看不到庆祝之声。有人反馈两周的任务被压缩到两三天，有人吐槽如今听到最频繁的话是「不是有 AI 吗」。还有人用五个字精辟概括。

「活多钱不变。」

MORE WORK

先搁下薪酬议题，把「任务量激增」这一现象坐实。

微软这份《2026 工作趋势指数》覆盖了 10 个市场、2 万名 AI 使用者，并辅以数万亿条匿名化的 Microsoft 365 生产力信号。66% 的受访者称 AI 为他们腾出了更多时间投入高价值工作，58% 表示产出了去年无法企及的成果。在最精通 AI 的群体中，这一比例攀升至 80%。

工具厂商发布此类报告，难免有报喜不报忧的倾向。但其他几家立场中立的机构测算出的结果，趋势如出一辙。

Glean：节省 11 小时，消耗 6.4 小时

Glean 的《2026 Work AI Index》调研了 6000 名数字从业者。AI 每周为他们节省约 11 小时，但其中 6.4 小时被一种新型事务吞噬——为 AI 补全缺失的上下文、核对它的产出、纠正它信心十足给出的谬误。这个名词造得颇为传神，botsitting，即看护 AI 干活。这 6.4 小时占据了他们与 AI 互动时间的 37%，11 小时减去 6.4 小时，最终入账的净收益仅余 4.6 小时。

11h

AI 每周节省

6.4h

看护 AI 消耗

4.6h

实际到账

返工蚕食的，多于节省的

Workday 调查了 3200 名员工与管理者，得出每 10 小时毛效率中有近 4 小时需投入返工的结论。剔返工后，仅 14% 的人能够稳定获得正向净收益。

Alteryx 发布的《AI 时代的数据分析师现状》更为具体：分析师每周需耗费近 4 小时专门审查 AI 的产出。在此之前，他们还需投入 5.7 小时准备与清洗数据。

IDC 与 Sage 联合调研了财务条线从业者，财务负责人每周平均耗费 13 小时验证 AI 输出。近半数财务从业者表示超过 15 小时，其中 19% 超过 30 小时。

10h → 4h

每 10 小时毛效率，近 4 小时返工（Workday）

14%

稳定获取净正收益者占比

「每周 30 小时替 AI 收拾残局，这已近乎一份全职工作了。」

返工并非均匀分摊，而是向上汇聚

Founder Reports 的《2026 AI in the Workplace》显示，38% 的一线员工表示曾修复同事过度依赖 AI 产生的产出；经理及以上层级升至 57%；C 级与副总裁层级达到 63%。

更具说明力的是另一组对比：强制员工使用 AI 的企业中，该比例为 73%；尚无 AI 政策的企业中，仅为 30%。

所以那条热搜下有人感慨，过去两周的工作能从容推进，还能偶尔放空，如今被压缩至两三天。这并非抱怨，这是数字。

WHO OWNS IT

有一个细节颇具代表性。

微博上有人分享过自身经历。一篇 300 字的稿件，亲手撰写约需一小时，质量可达 90 分。借助 AI 润色后，确实可提升至 98 分，代价是与 AI 反复磨合三小时，前后输入约 900 字。

+8 分

90 分 → 98 分

+2h

净投入时间

3×

输入量为成稿的三倍

这笔账在单个任务上已然亏空，但在组织内部从来不会被如此核算。管理层看到的只是那个 98 分。

微博上一条评论将此事剖析得淋漓尽致。你今天晒出十分钟的提速，老板也看到了，他为你的十分钟喝彩。明天他便会用这十分钟重新核定你的工作量。晒得越响，KPI 涨得越猛。

另一条更为犀利：撰写报告提速十倍，报告数量也翻番。

这正是杰文斯悖论

19 世纪威廉·斯坦利·杰文斯观察到，蒸汽机烧煤效率提升后，煤炭消耗量不降反升，因为更高的效率刺激了更大规模的生产。单次任务的成本下降，企业便会承接更多订单、设定更高的 KPI、要求更多版本。

「节省出来的时间并未凭空蒸发。它流向了下一批任务、下一轮返工、以及更早到来的截止日期。」

耐人寻味的是，同一理论与同一位经济学家，曾得出方向相反的结论。稍后提及的阿波罗研究的作者 Slok，在 2026 年 5 月亦发表过一篇论文，同样援引杰文斯悖论，论证的却是 AI 催生的岗位将多于其消灭的岗位。同一理论两边皆可适用，说明它阐释的是机制，而非结局。

你连一段完整思考的时光都守不住了

ActivTrak 追踪了 10584 名用户在采用 AI 前后各 180 天的工作模式，发现消息类工作时间激增 145%，邮件处理时间翻倍，业务管理类任务上涨 94%。真正不受干扰的专注时段，平均时长由 14 分 23 秒缩减至 13 分 07 秒，下滑 9%。

145%

消息类工作时间增幅

94%

业务管理类任务增幅

-9%

专注时段时长降幅

！边界说明 🕳

ActivTrak 的分析源自单一厂商，样本与口径需审慎对待。其衡量的是工作模式变化，不等同于产出变化。

工具亦非用得越多越佳

波士顿咨询调研了 1488 名美国全职员工，发现 AI 工具使用至第 4 个时，受访者自评的生产力出现断崖式滑落。他们将这种状态命名为 AI brain fry，脑子被 AI 炸了。陷入此状态者，决策疲劳增加 33%，犯重大错误概率高出 39%，离职意向比例达 34%。最易中招的恰恰是最积极拥抱 AI 的群体，营销岗位里 26% 都位列其中。

甜点区：AI 占据工作时间 7% 至 10%

ActivTrak 还测算出一个甜点区间。处于此区间的人生产力评分最高，可至 95%。问题在于仅 3% 的人落入此区间，57% 的人连 1% 都未达到。

— 三块屏幕环绕格子间，时间被切割成碎片

「你并未变得清闲。你只是把时间从『专注一事』转移到了『疲于应对一堆事』。」

WHERE DID THE MONEY GO

终于触及这个话题。

今年 7 月 30 日，阿波罗全球管理公司发布了一项研究，第一作者为其首席经济学家 Torsten Sløk。8 月下旬 Slok 亮相彭博电视，这份报告方获大规模传播。

这项研究与众不同之处在于，它并未估算「AI 理论上能替代多少岗位」，而是直接调取 Anthropic 经济指数中 Claude 的真实交互记录，洞察人们实际在用 AI 做什么。

研究团队采用双重差分模型，将这 321 个职业与美国劳工统计局 2015 至 2025 年的数据进行匹配。

-6.7pct

高暴露职业工资增速相对放缓

无显著

同一模型对就业数据的影响

「AI 并未大规模端走饭碗，它压低的是价格。」

💡 先厘清口径：此处指工资增速的落后，而非工资的绝对下跌。这些人的工资仍在增长，只是增速低于低暴露职业。

压力分布极不均衡

580 万

美国身处高暴露职业的人数（占比 3.7%）

280 亿

每年损失的劳动收入（美元，保守估计）

作者本人亦承认这是偏保守的估算，随着 AI 渗透加深，这一群体还将扩大。

「AI 带来的生产率提升确凿存在，但这些收益流向了企业，而非员工。」

THE COMPANY'S MATH

不能一味归咎于老板。将企业一侧的账本摊开审视，会发现此事一半是结构性的，并非某人的恶意。

微软那份报告中有一组数据我反复研读。组织层面的因素——涵盖文化、主管支持、人才管理机制——对 AI 成效的影响占比为 67%。个人思维与行为等因素占 32%。

67%

组织层面因素（文化、主管、机制）

32%

个人思维与行为因素

组织的影响是个人行为的两倍有余。

然而组织那半边几乎纹丝未动。微软创造了一个词汇——转型悖论，意指员工已准备好以 AI 重塑工作方式，而公司的制度、文化与治理机制仍滞留原地。全球仅 19% 的 AI 使用者同时具备成熟的个人能力与组织就绪度。仅 26% 的人认为其领导层拥有清晰且连贯的 AI 战略。

更具体的一条在此

全球仅 13% 的员工表示，即便用 AI 重新设计工作的结果未达预期，自己仍会因此获得认可或奖励。

你猜中国是多少。25%。

较全球翻倍，仍不足四分之一。

「公司鼓励你尝试，但尝试失败的后果由你自负。尝试成功，那叫提效，是分内职责。」

那节省下来的时间与产能，公司作何处置。微软给出的数字是，Microsoft 365 中的活跃智能体数量较去年增长 15 倍，大型企业增长 18 倍。公司正利用这些新增产能承接更多业务，而非给你放假。

一个六人市场部的三选一

微博上有人将此决策拆解为三选一。一个六人市场部采用 AI 后效率翻倍，老板面前有三条路径：六人全员留任，每人工作时间减半；六人全员留任工时不变，业务量翻倍；裁撤三人，余下三人维持满工时。

他称现实中 99% 的老板选择第三种。

这个 99% 显然是气话，并无数据支撑。但它道出了一种感受：效率红利默认归属组织，而非个人。

— 交付量的柱子比去年高出一截，人却够不着

THE PREMIUM

也并非所有人薪资都未上调。

普华永道《2025 年全球人工智能就业晴雨表》中，那组被广泛引用的数字是 56%。需要 AI 技能的职位，工资溢价从 2023 年的 25% 攀升至 2024 年的 56%。

同一份报告还指出，受 AI 影响较深的行业，工资增速是受影响较浅行业的两倍。2024 年这些行业的人均创收增速，是其他行业的三倍。

资金确在流动，只是流向不均。

！踩坑提示 🕳

这 56% 有一个必须澄清的前提。普华永道对比的是招聘广告上的薪资，即在同一职业内部，比较「要求 AI 技能」与「不要求 AI 技能」的两类岗位。它并非追踪同一批人习得 AI 前后的变化，也未控制资历、雇主与地区。普华永道自身在国别发现中已注明，此结果未必构成因果关系。

采用更严格方法测算，数字会下移

综合各家研究，AI 技能溢价大致落在 20% 至 40% 区间。56% 处于偏高的一端，因其取的是全球原始平均，其中混入了一批本就高薪的高级岗位。

普华永道按职业细分审视，可见此结构。首席执行官与董事总经理类岗位，溢价 84%。律师 49%。货运搬运等体力岗位，接近零。

故真实图景如下：精通 AI 者与未涉足者，收入差距正在拉开。但此差距更多体现于跳槽与新岗位定价之时，而非在你原有岗位上悄然加码。

你在原公司，用 AI 将交付量推高一倍，老板看到的不是「此人值得更高报酬」，而是「此岗位原本可承载如此多的活」。

「这两句话之间的鸿沟，就是你工资条上那个未变的数字。」

FAIR ENOUGH

行文至此，文章极易沦为控诉之作。需往回调适，否则便成了另一种误导。

第一，阿波罗研究本身存有争议

其底层数据源于 Anthropic，其经济学负责人 Peter McCrory 在 7 月底发表长文，基于 18 个月的内部研究，论断美国劳动力市场尚未遭受 AI 的显著冲击。

同一份数据，两端解读得出相反结论。这表明此事尚无定论，谁言之凿凿，谁便值得怀疑。

！边界说明 🕳

阿波罗匹配的 321 个职业中，仅 11 个属于高度暴露，如计算机程序员 0.75、客服代表 0.70、数据录入员 0.67 等。那 6.7 个百分点，是这 11 个职业与低暴露职业对比得出。它当前覆盖的仅是一小撮职业，非整个劳动力市场，切勿解读为所有人的工资都在被压低。

第二，工资变动掺杂了大量非 AI 因素

阿波罗的报告本身亦承认存在异常案例。广播播音员的 AI 暴露度并不高，工资却下跌 52%，这显然是行业自身在萎缩。反之，个人理财顾问的工资上涨 8.4%，行政法官上涨 17.5%，这两类职业的 AI 暴露度均不低。

第三，数据主要源自美国

中国的劳动力市场结构、薪酬机制、劳动法环境均不相同，直接套用需审慎。微软报告中中国员工的 25% 高于全球 13%，说明国内环境确有自身特征，但单一数字无法支撑完整结论。

第四，微博评论均为个体体验

它们不具备统计代表性。作用是将统计学结论翻译成日常话语，而非作为证据。

故更为精确的表述或许如此：薪资与效率脱钩一事，在美国的若干研究中已显初步端倪，但样本期短、方法论存争议、因果链尚未完全闭合。在中国将如何演变，此刻下结论为时尚早。

「但有一事无需等待数据佐证。你自己这个月多交付的那些任务，工资条上有无变化，你比任何研究都心中有数。」

PUSHBACK

此事饶有趣味之处在于，打工人并非毫无反应。

Writer 与 Workplace Intelligence 于 2026 年 4 月调研了美国、英国与欧洲的 2400 名知识型员工，其中包含 1200 名企业高管。29% 的员工承认曾主动破坏公司的 AI 战略。在 Z 世代员工中，此比例达 44%。

29%

员工承认曾破坏公司 AI 战略

44%

Z 世代员工中的比例

75%

高管承认自家 AI 战略流于形式

破坏的形式颇为多样。将公司专有信息输入未经批准的公共 AI 工具，悄然使用「影子 AI」系统，公然拒绝使用公司指定的工具。有人承认篡改过绩效评估数据，故意降低工作质量，以证明 AI 效果不佳。

30% 的动机是惧怕 AI 取而代之

这是防御，培训尚可应对。

20% 的动机是 AI 反而加重了工作量

这是反击。后者远难处理，培训无能为力。

13% 的人在演戏给老板看

Software Finder 于 2026 年 6 月调查了 1005 名美国员工，半数表示自己在主动抵制新的 AI 工具。13% 承认装模作样，佯装在使用 AI，实际仍手工操作。仅 6% 认为管理者能准确掌握员工实际使用 AI 的频率。

抵制需付出代价。抵制者的平均年薪为 65645 美元，采用者为 81526 美元，相差约 16000 美元。45% 的抵制者直言其原因——惧怕被 AI 取代。

$65,645

抵制者平均年薪

$81,526

采用者平均年薪

这组数据颇为残酷。惧怕被取代而抵制，抵制又致薪资落后，落后后愈发惧怕被取代。

此事听似荒诞，却合乎理性。当「用 AI」被纳入考核，而使用后的结果是任务更多、报酬不变，那自然而然的策略便是——让 AI 使用率数据光鲜，同时避免自身工作量被重新核定。

「企业斥巨资推动的 AI 转型，最终收获的是一堆虚假的采用率、一批更疲惫的员工，以及一批自知在走过场的领导层。这一局无人胜出。」

WHAT YOU CAN DO

抱怨至此为止，说些切实可行的。下列三条并非宽慰，背后皆有数据支撑。

这条看似平淡，可能是三条中更为根本的一条。你目前说不清自己多干了多少活，是因为无人记录。开始记录。本月借 AI 节省了多少小时，多交付了几个项目，多撰写了几份报告，承接了几个原本拟外包的任务。无需精致，一张表格足矣。

其用途有二。一是谈薪时你手中有据可依，不是「我自觉付出颇多」，而是「交付量同比增长几何，多承接了哪几项原本拟外包的任务」。二是你能洞察这些时间究竟流向何处——是被返工吞噬，还是被新任务填满。

微软报告中有一数字可作参考。仅 13% 的人表示，即便结果未达预期，自己亦会因重塑工作方式而获认可。反观之，在那 87% 的环境中，你只能以结果发声，而结果须先被看见。

这条执行起来略显别扭，因为它要求你主动收敛些许「表现积极」。若每次节省两小时，你都即刻承接新任务，那在公司账本上，这两小时从未存在。你的产能基线上移了，且不可逆转。

较为务实的做法是，保留一部分予己。非偷懒，而是用于从事那些短期不计绩效、长期累积资产之事。习得一项新知，开展一个个人小项目，将手艺打磨精进。

如何划定此线。有一条简易判据：那些可被他人接手、完成后归零的活——如多撰写一份报告、多制作一个版本——交付出去亦不可惜。那些完成后成果留存于己身的——如吃透一套新流程、归纳出一套个人方法论、产出一个可供展示的作品——值得先将时间占为己有。

「在组织账本上，你的快归 KPI。在自己手中，你的快归你。」

这非教你偷懒，而是让你在议价能力本就弱势之时，至少为自己留存些许复利。

前文提及，普华永道的 56% 存在口径问题，严格研究的区间在 20% 至 40%。然即便是 20%，亦是切实存在的价差，且为当下环境中少数可由个人主动争取的杠杆。

关键在于，此溢价主要显于招聘定价，非原地涨薪。故其对应之策并非「在现岗位更卖力地使用 AI」，而是令自己成为「精通 AI 的某某」，继而前往能让此能力被重新定价的舞台。

此建议说来轻松，做起来沉重，我心知肚明。转换工作、转换赛道，无一轻松。但账目便是如此计算——原地静候公司主动加码那份，概率渺茫。

💡 顺带一提，切莫为「会用 AI」去考取一堆认证。Foote Partners 的数据颇有意趣：非认证的 AI 技能溢价 19% 至 23%，正式 AI 认证反而仅 9% 至 11%。市场购买的是你能否干活，而非墙上那张证书。

THE END

回到开篇之问。

58% 的人表示完成了一年前无法企及的成果，与此同时高 AI 暴露职业的工资增速放缓了 6.7 个百分点。这两组数字皆为真，它们共同勾勒出一个颇为尴尬的图景。

+58%

完成了一年前无法企及的成果

-6.7pct

高暴露职业工资增速放缓

你的能力确在增强，你的产出确在增加，你的价位未同步跟进，你节省下来的时间亦未归还于你。

这非你的错觉，亦非你不够勤奋。效率提升与报酬提升之间的管道，从非自动连通，它需要有人去接驳，需要制度去衔接，需要你手握筹码去谈判。

节省的时间不会自动归你。它要么被下一项任务吞噬，要么由你自己夺回部分。中间别无第三条路径，空等是等不来的。

在技术将此事戳破之前，多数人只能先想透一件事：你多交付的那些任务，是在为谁积累资本。

想清此点，胜过苦学十个提示词技巧。

我是加基森 Simon，一名独立开发者，定期分享 AI 干货，合作请私信。

#AI提效#职场#工资#效率悖论#打工人#botsitting