AI时代的“文档庞氏骗局”：写长文、总结、再回长文，微软研究揭示思维危机

2026 年 5 月 30 日，开发者 David Wells 在 X 平台发布了一则观点，核心内容如下：

「所谓的 AI 庞氏骗局运行机制是：众人都在制造海量长文档，转手扔给别人去处理。接收方一看篇幅太长，便交给 AI 进行归纳总结。随后，他们又利用 AI 生成一段超长回复。如此循环往复，永无止境。而我们却将这种行为称为'工作'。」

▲ David Wells 原文，获得超过 4800 个赞，浏览量突破 26 万次

帖子结尾更是辛辣："token lords 站在高塔上冷眼旁观，频频点头。" 所谓的 token lords 指的是大模型厂商。你每生成一次就要支付一次 token 费用，对方每总结一次也要付费，再次回复时还得再付。在每一轮循环中，唯一稳赚不赔的只有那些出售 token 的商家。

正因为其描述的场景太过真实，许多人都深有体会。

在评论区，一位自称曾在微软任职的用户 Vineeth 分享道，他在内部目睹了完全相同的邮件循环现象：利用 Copilot 撰写邮件，随后再用 Copilot 总结收到的长邮件，这几乎成了同事们之间的笑柄。

另一位用户 OrbitingAI 的吐槽则更为犀利：

"组织真正奖励的并非文档的质量，而是数量。冗长的文字看似勤奋，超长的回复显得投入，而总结则被视作一种进展。"

还有用户 Miles Notes 直接对此进行了概括：

David Wells 随后又补充了一条"新规则"：所有的 AI 工具都应该内置一个强制性的 handoff hook（交接钩子），将 AI 生成的长文自动压缩成人类易于理解的形式。

这一补充本身便充满了讽刺意味——倘若所有长文都必须由下一个 AI 自动压缩，那么真正值得追问的问题便是：为何会有如此之多未经人类筛选与取舍的长文被发送出去？

David Wells 的帖子虽是吐槽，但微软研究院近期发表的一篇论文已将这一问题提升到了学术研究的层面。

这篇发表于 CHI 2025（顶级人机交互会议）的论文，标题为 *"The Impact of Generative AI on Critical Thinking"*，作者包括 Hao-Ping (Hank) Lee、Advait Sarkar、Lev Tankelevitch 等。该研究调查了 319 名知识工作者，并收集了他们在工作中使用生成式 AI 的 936 个真实案例。

▲ 微软研究院 CHI 2025 论文：生成式 AI 对批判性思维的影响

核心结论：

用大白话解释就是：既然 AI 帮你写了，你就懒得再去思考；你越是信任 AI 写得好，就越不会去复核。原本需要做的「构思后再落笔」，变成了「让 AI 帮我检查有没有写错」——然而许多人甚至省去了这一步。

这与 David Wells 描述的循环不谋而合。发送方利用 AI 扩写，鲜少检查便发出；接收方信赖 AI 总结，很少验证便回复。每一环都在图省力，但每一环省去的恰恰是判断与筛选的过程。

需要说明的是，该研究基于自我报告和问卷调查，揭示的仅是相关性，并不能直接证明 AI 一定会降低批判性思维。但它指向了一个明确的风险：当工具越顺手、越让人信赖，人类就越容易将最关键的判断环节外包出去。

如果 AI 文档循环仅限于少数极客之间，那它顶多是个段子。但微软与领英联合发布的 2024 Work Trend Index 报告显示，这已是多数人的日常工作常态。

▲ 微软 2024 工作趋势报告：AI at Work Is Here. Now Comes the Hard Part

报告核心数据如下：

报告标题中那句"Now Comes the Hard Part"（现在到了最难的部分）尤为值得关注。员工群体早已开始使用 AI，这并非问题所在——问题在于组织的文档流程、审批机制、会议架构以及绩效评估仍停留在旧有的框架内，而每个人手中却已多了一台文本生成引擎。

当文档的生产成本趋近于零时，过去依靠「撰写一份 10 页报告至少需要半天」这一自然门槛来控制的文档数量，如今已失去了刹车。AI 将写作的边际成本大幅降低，但阅读与判断的成本却未同步下降——甚至因为文档更加泛滥、篇幅更长，人们的负担反而加重了。

Hacker News 上有一则帖子将这种焦虑具体化了，标题为"Do they know we can tell it's AI slop?"（他们知道我们能识别出这是 AI 垃圾吗？）

▲ HN 用户讨论：AI 垃圾信息已渗透至工作沟通的各个角落

发帖者表示，他在工作中能明显察觉到一些创业者和同事将 ChatGPT 的输出直接复制到了业务沟通中——无论是 SEO 方案、面试问题还是 10 页的流程文档。他真正担忧的是：未经消化的 AI 输出会在银行、投资方及企业客户面前损害专业形象与可信度。

这与「AI 文档庞氏」的逻辑完全一致。人们所反感的从来不是 AI 辅助写作本身，而是「未经人类消化的 AI 输出被当作工作成果」。

如果作者已经明确了目标、剔除了冗余段落、核验了事实并做出了明确判断，AI 仅是助其更高效地表达——这完全没问题。

但如果作者将 AI 输出原样转交他人，实际上是将阅读、判断及纠错的成本全部外包给了接收方。接收方再用 AI 做摘要，成本又转嫁给下一轮。每一环都在将负担推给下一个节点，没有任何一环真正消化了信息。这就是「庞氏」比喻的核心所在。

David Wells 的帖子虽看似吐槽，却指向了一个可操作的问题：什么样的 AI 辅助文档具有价值，什么样的仅仅是噪声？

有价值的 AI 文档：

无价值的 AI 文档：

唯一的检验标准只有一条：若你删除这份文档，会有谁受到影响？如果答案是「没人」，那么它从一开始就不应被生成。

AI 时代最讽刺的现象之一便是：我们曾以为 AI 会消灭办公室里那些冗长的邮件、无人阅读的报告及流于形式的 PRD。结果 AI 却将文档生产与摘要生产的成本同时打到了地板价，导致噪声反而能更快地循环流转。

过去，撰写一份长文档至少需要耗费时间，这种时间成本本身就是一道筛选机制——迫使你在动笔前思考是否值得撰写。如今这道筛选器已消失。AI 将文档生产的边际成本降至接近零，但阅读与判断的成本却未发生改变。

David Wells 帖子下最扎心的一条评论，或许也是最精准的判断：

以前我们浪费时间去写没人阅读的文档。现在我们花钱去生成没人阅读的文档，接着又花钱去总结它们。

唯一不同的是，每一轮循环都要支付 token 费用。

— END —