AI让工作变得更累了
文/光谱与手册
今日，OpenAI再度为Codex恢复了使用配额。
自GPT-5.6起，Codex与Claude似乎陷入了一种诡异的循环：你刚重置完我重置，我刚重置完你重置，生怕彼此之间出现片刻的空档。
我将此消息转发给一位友人，原以为他会为此雀跃，不料他并未承接我的兴奋，反倒回给我一张截图。
真是让人头大，资源多得用不完。
我反复琢磨这两句话。从前额度紧缺时我们焦虑，如今额度溢出却似乎也没感到轻松。
不久前，我们几位同事曾探讨过一个问题：引入AI后，工作真的变轻松了吗？五人中四人表示，不仅没轻松，反而更疲惫了，我也在其中。
今天，我可以确信地断言：AI确实让人感到更加疲惫。
曾经无法企及的，如今都想跃跃欲试
我们有一位同事是滑雪迷。
近期他向我们展示了利用Codex创作的成果：一个滑雪装备收纳架。他先向Codex描述需求，让其绘制CAD图纸，并罗列所需材料与耗材。随后他自行选材、采购，最终亲手拼装完成。
往昔这事儿多半只能停留在“要是能自己做就好了”的念头里。毕竟设计、绘图、选材及试错的过程枯燥且繁琐，兴趣往往在跨过这些门槛前就消磨殆尽。然而AI将门槛大幅降低，那些曾经不可能的事，竟成了周末即可启动的项目。
这确实很令人畅快。昔日如同骑自行车，能力受限，难以行至远方；如今换成摩托车，许多原本与你无缘的事，也能试着去追逐。但人并未下车，方向仍需自选，道路仍需自视，甚至因车速更快，每一次抉择都需更为审慎。
然而！
“做不到”时，人易对自己宽容；可一旦“似乎能做”，不做便觉可惜。AI几乎从不替你关闭大门。你随口一提，它便说可行；念头再起，它依旧说可以。昔日那些做不到的事自会消散，如今每个念头皆有存活的可能。最终令人疲惫的并非无路可走，而是条条大路皆似可行。
转瞬之间，举世皆言AI
个人尚在消化这些新可能，外界的喧嚣已然响起。解锁手机，仿佛刹那间所有科技媒体、自媒体与企业都在谈论AI：这个模型“震惊业界”，那个产品“彻底爆火”；昨日刚“修改规则”，今日又有人“重塑未来”。五个“震惊”，四个“爆火”。
每一次模型更新与能力突破，都在抬升技术上限，逐渐沦为普通人眼中的及格线。别人已能用AI打造产品，你为何仅用它回复邮件？别人已构建智能体，你怎还未摸索出专属的AI工作流？
这些话未必真有人当面质问，却会化作一种氛围。你日日目睹他人展示AI成果，却看不见其背后付出的试错、数据准备、提示词修改，更看不见那些最终未发布的失败版本。于是，他人的成果成了你的进度条。你会自责是否学得太慢、用得太浅，甚至觉得自己浪费了这个被众口一词强调的黄金时代。
置身职场，问题便具体化了
企业对AI的期待颇为直接：降本、增效、缩短流程、减少重复。企业亦被日益高涨的预期推着前行，当众口一词称AI将改变一切，无组织敢原地踏步。但真着手实施，便会发觉AI落地需闯过三重关隘。
第一重，企业欲让AI填补的漏洞，恰恰是善用AI的前提。
知识散落各处，故欲让AI整合；然知识越散，AI可用之物越少。流程依赖老员工经验，故欲自动化；然流程越倚赖经验，越难清晰表述、记录并交付AI。审核迟缓，故欲AI提速；然若无明确标准，人亦难辨AI产出之对错。
第二重，为使AI工作，人需先行投入多少精力，常被低估。
演示仅需数分钟，真实工作中却需先整理知识、清洗数据、拆解流程、确认权限、补充标准，并不断测试调整。AI在前台表现越简便，后台工作越易被忽视。故众人易算出AI可省时，却难算清这些前置工作需耗多少人力与时间。
工具演示虽快，生产方式变革注定耗时。落地过程中，旧工作未立减，围绕AI的新工作已现：会前需思需求能否交AI，会上需议如何用AI，会后需整理资料喂AI，AI输出后还得复查。非故使事繁，实乃新旧工作方式叠加时，本就会多出一层事务。
第三重，AI省下的时间，很快会被新预期填得更满。
原本三天完成的工作，如今一日即可，后续计划自会依新能力重排。此未必源于明确决定。然于组织而言，既出新产能，便很快被写入目标、排期及下一轮计划中。
此非AI必然之果。然当组织未主动预留缓冲，AI省下的时间鲜以“空闲”形式被感知，更常见的是被用于下一件可提前启动的事。故多时效率虽升，工作未减反增，密度加大。往昔两事间或有一丝发呆、等待与缓冲，今上一事方出，下一事已始。
个人欲事增多，社会期待拔高，企业目标放大，它们共同将AI省下的时间重新填满。
个人不舍弃不用，社会不敢不用，企业不能不用。
最终，人拥有了更强能力，亦拥有一张更满日程表。
若AI不好用，我们绝无此困扰。正因其真能让诸多事变得简易，我们才骤然拥有远超往昔的能力。唯工具奔跑过速，个人边界、企业流程及社会预期，尚未及追上。
昔日用Codex，每五小时即被阻断，我们戏称其为“token break”，可名正言顺去休憩、喝杯咖啡。那时总觉烦扰，思路方起，活未干完，怎可骤停。
后来，Codex五小时限额消失。按理应是喜讯。然撰此文时，我反有些怀念token break。或许这实为良策，意在防备人类过度透支。
毕竟模型可一次次重置。人不行。
持续记录AI真正融入工作生活后，人、企业及软件之变。欢迎关注「光谱与手册」。