重點一 ：生成式 AI 雖加速單一任務，卻讓工程師從「創作者」變成源源不絕審稿的「品管員」，協調、審查與決策成本全面轉嫁到人身上，反而更容易耗損心力。
重點二 ：實證研究顯示，AI 並未減少工時，反而因「任務擴張＋界線模糊＋多工並行」，讓員工自發接下更多工作與延長工時，帶來隱性的工作量蠶食與職業倦怠風險。
重點三 ：專家呼籲企業建立有意識的「AI 使用實務」，包括設定停損點、刻意留白與專注時段、強化人際互動等，將 AI 納入可持續的工作節奏，而非盲目追求產出最大化。
在生產力神話的包裝下，生成式 AI 正悄悄改寫白領與工程師的日常工作節奏。從長期搭建 AI 代理（agent）基礎設施的工程師 Siddhant Khare，到美國一間約 200 人的科技公司實地研究，愈來愈多實務經驗指向同一現象：AI 的確加速了單一任務，但工作總量並未減少，反而透過任務擴張、多線並行與工時外溢，讓人「越用 AI 越疲憊」。
可以想像一個情境：工程師從「創造者」變成 AI 產出的審稿員，當員工在午休、通勤與深夜不自覺多丟幾個 prompt，AI 帶來的不是空出來的時間，而是更密不透風的工作日與更高的認知負荷。
簡單來說，AI 的確讓你生產力大增，但這意味著你工作更輕鬆了嗎？抱歉，並沒有。
AI 承諾減壓，實際卻讓員工更忙
先從實證研究來看。
據《哈佛商業評論》近日的文章披露，美國加州大學柏克萊分校 Haas 商學院管理與組織學系副教授 Aruna Ranganathan 與博士生 Xingqi Maggie Ye，針對一家約 200 人的美國科技公司，進行為期八個月的田野研究。結果顯示，引入生成式 AI 後，員工並沒有「工作變少」或「工時縮短」，反而在沒有公司強制要求的情況下，自發性地提高工作節奏、接更多任務、將工作延伸到更多時段。
研究以「工作強度被 AI 放大」來形容這個現象：AI 確實讓某些任務更快、更容易，但反過來推升了組織對工作速度與產出廣度的期待，形成一種自我強化循環。
許多受訪者坦言，自己感覺「效率更好」，卻不覺得比較不忙，甚至比導入 AI 前更忙碌。一名工程師直言：「你會以為，因為 AI 讓你更有生產力，所以可以少做一點。但實際上，你不會做得比較少，還可能做得更多。」
對企業管理者而言，員工在沒有加班要求與 KPI 壓力下，自動擴充產出，看起來彷彿是 AI 帶來的夢幻紅利。但研究警告，這種「看似自願」的加速與擴張，長期可能轉化為認知疲勞、倦怠、錯誤率上升以及決策品質下滑，而這些隱性成本往往等問題浮上檯面時，才會被意識到。
AI 如何悄悄改變工作節奏？
研究團隊從 4 月到 12 月期間，每週兩天進駐該科技公司觀察，並訪談超過 40 位來自工程、產品、設計、研究與營運等部門的員工，同時追蹤內部通訊紀錄。他們歸納出生成式 AI 強化工作強度的三種主要機制：任務擴張、工時邊界模糊與多工增加。
原因一：任務擴張
因為 AI 能填補知識缺口、提供即時回饋，許多原本需仰賴他人專長的工作，變得「自己試試看就好」。研究發現，產品經理與設計師開始寫程式碼，研究人員接下部分工程任務，許多同仁也會動手完成原本會外包、擱置或乾脆放棄的工作。對個人來說，這帶來一種「賦能」感：自主性提高、學習速度變快，且不用一直麻煩同事。
但這種擴張並非沒有代價。當非工程背景同事在 AI 協助下寫出更多程式碼，工程師雖表面上少了些「從零開始」的工作，卻增加了另一種隱性負擔：要花更多時間在 Slack 或臨時討論中，審查、修正、指導這些 AI 生成或半成品的程式碼，並協助同事避免「vibe-coding」（憑感覺試寫）的風險。
換句話說，AI 讓更多人「能做一點工程」，卻也讓專業工程師的審核與教練工作被放大。
原因二：工作與非工作邊界模糊
生成式 AI 大幅降低了開始一項任務的摩擦。不論是面對一片空白的文件頁，或是不知道從何著手的新題目，只要打一串提示，就能啟動系統產出草稿。因此，許多員工開始在原本是休息或緩衝的時間片段，塞進「一點小工作」：午餐時送出一個快速提示、會議間隙請 AI 幫忙構思、下班前丟出「最後一個 prompt」，讓 AI 在自己離席時運作。
由於與 AI 對話的形式貼近聊天，這些行為主觀上不像「正式加班」，而像是順手多做一點。但累積起來，工作日變得缺少自然停頓，心智幾乎持續與工作保持連線。部分受訪者在事後才意識到，原本可以真正放空的空檔，已被一點一滴的提示與檢查結果所占據，導致恢復感下降、工作彷彿變得「隨時可以再推進一點」，想暫時抽離也更難。
原因三：多工與注意力切換增加
AI 也改變了工作的節奏與結構。員工開始同時管理多個工作線索：一邊自己寫程式碼、一邊讓 AI 生成另一個版本；同時啟動多個 AI agent；或把久拖未決的任務重新搬上檯面，交給 AI「在背景處理」。許多人形容這帶來一種「有夥伴一起衝刺」的感覺，似乎能在同樣時間內推進更多專案。
然而實際上，這種節奏代表更頻繁的注意力切換、更多需要追蹤的未完任務，以及不斷檢查 AI 輸出的壓力。隨著團隊默認「可以同時做這麼多事」，速度期待被悄悄調高，員工也感受到比過去更強的即時反應與多線處理壓力，即便當初引進 AI 的初衷，是希望減少這類壓力。
AI時代的關鍵技能是「喊停」
生成式 AI 帶來的加速與擴張，形成一個自我強化迴圈：任務被加速後，外界對速度的期待升高；更高的速度要求，讓員工更依賴 AI；依賴程度提高，又進一步擴大他們願意承接的任務範圍與同時進行的工作數量。短期內，產出看起來確實增加，但背後的心智負荷與風險，也在無形中累積。
一名長期投入 AI 代理（agent）基礎設施的工程師 Siddhant Khare 在部落格撰文直言，自己在過去一季「寫出史上最多程式碼，卻也感到前所未有的疲憊」，點出產業鮮少談論的「AI 疲勞」現象。
Khare 指出，創造型工作通常能帶來「心流」，但大量評估與判斷型工作，則容易導致決策疲勞。尤其是 AI 產生的程式碼，外觀看起來自信、可編譯、甚至通過測試，卻可能在特定情境下暴露出難以察覺的錯誤，迫使工程師必須以最高警戒審閱每一行程式碼，心理負擔遠高於同事寫的程式。
面對 AI 疲勞，《哈佛商業評論》的建議，與 Khare 強調「如何用 AI」與「用 AI 到哪裡該喊停」的見解相似：
建議一：「刻意暫停」的機制
在 AI 加速任務、工作邊界變得模糊的環境下，組織應刻意設計短而明確的停頓節點，讓團隊有機會檢視方向是否偏移、假設是否仍成立，以及資訊是否被充分吸收。
例如，在重大決策前，要求團隊必須提出至少一個反方論點，並明確連結到組織目標；或在特定時間點暫停新增 prompt，先整理既有輸出。這些暫停不一定拖慢整體進度，但有助於避免「一路往前衝卻衝錯方向」的情況，並減緩疲勞堆疊。
Khare 的建議更為具體。他為 AI 的使用嚴格設定時間限制，例如某項任務只允許用 AI 嘗試 30 分鐘與三次 prompt，如果三次內無法達到約「七成可用」的結果，就改回自己動手撰寫，以避免陷入看似進步卻實際效率極低的「提示漩渦」。
同時，他將早上的黃金時段保留給「不依賴 AI 的手寫思考」，在紙上推演架構與並行問題，維持獨立推理的「肌肉」不被過度外包。
建議二：保持友善工作距離
當 AI 讓背景運作與即時通知成為常態，組織需要重新思考「工作應該何時往前推」，而不只是「能多快」。研究建議，公司可以建立一套節奏規範，例如將非緊急通知集中在特定時段推送、將更新與回饋留到自然的專案節點，再一次溝通，而非每有 AI 輸出就立刻打斷同事。透過這種節奏設計，團隊可以維持產出，卻用較少的情境切換成本，保留更多專注時間與思考深度。
建議三：避免 AI 獨處
但建議二的意思，並非是要你不要去跟同事溝通。變成「AI 孤島」對誰都沒有好處。
生成式 AI 雖讓個人可以在「不太需要麻煩別人」的情況下推進許多工作，長期可能削弱團隊內的對話與共同反思。研究主張，企業應有意識地保留人際互動的空間，例如安排短暫的彼此更新、共同回顧 AI 輸出的反思時刻，或設計有結構的討論流程。
除了平衡長時間與 AI 獨處的消耗，這也有助於創造力；AI 提供的是單一整合觀點，而真正具有突破性的想法，往往來自多個人類視角的碰撞。
建議四：不用猛追 AI 更新，也不用糾結完美成品
在工具選擇上，Khare 放棄追逐每一款新工具的前沿功能，改為專注底層基礎設施與結構性問題，例如上下文效率、agent 授權與最小權限、稽核軌跡與執行時安全等。他以 Distill、agentic-authz 與準備中的 AgentTrace 為例，說明自己刻意選擇設計在不依賴單一框架或模型的「基底層」，讓這些工具在快速變動的應用生態中仍能保持穩定價值。
其次，他主張對 AI 輸出「預設只當草稿」。在心態上接受模型只能給出 70–80% 的成品，把剩餘的設計調整與邊角處理視為自己專業價值的一部分，也降低完美主義導致的挫折感。他觀察，那些在 AI 時代反而適應較好的工程師，往往不是程式寫得最多的人，而是最擅長「從不完美輸出中快速萃取有用部分」的人。
結論：人要比車兇
Ranganathan 教授的研究指出，生成式 AI 的價值，不只在於它能「為工作做多少事」，更在於組織如何有意識地把它嵌入每日工作節奏。如果缺乏明確的 AI 使用實務，這類工具的自然傾向將是推動工作持續擴張與加速——讓人更容易「再多做一點」，卻更難按下停止鍵。
Khare 則強調，AI 時代最重要的技能，是知道何時該停下來。包括知道 AI 輸出「到這裡就夠好」、知道何時該自己動手、知道何時該關上筆電去休息。
對他而言，保護有限的認知資本與專業判斷，不是偷懶，而是工程思維在個人層面的延伸。就像為系統設計保險絲、背壓機制與優雅降載一樣，才能在沒有「速度上限」的新工具時代，維持長期可持續的產出與職涯。
延伸閱讀：超實用AI導入指南！知名工程師親揭6招「黃金公式」，讓AI從聊天→自動化流程高效率助手
Tralalero Tralala是什麼？Z世代、α世代狂唸的迷因，「義大利腦腐」全靠AI生成！
資料來源：哈佛商業評論、Siddhant Khare
本文初稿為AI編撰，整理．編輯/ 李先泰
