AI让职场更高效了吗？不，它先制造了一批“看起来很忙”的人

如果你最近打开过飞书或钉钉，可能刷到过这样的场景：

某位领导在群里@所有人表扬某人的周报写得漂亮。

每个项目都有数据支撑，每条结论都有方法论兜底，整篇读下来像是在咨询公司打磨了三年的晋升述职材料。

领导很满意。

然后第二天，这位领导私下问了一个细节，对方支支吾吾。

再追问"你点开过需求文档的原文件吗？"

没有。

他甚至都没有打开过那个文件夹。

这不是段子，这是一门新版本的职场显学。

你的同事、你的下属、甚至你的老板，正在用AI批量制造看起来很棒的东西。

代码能跑吗？数据能对上吗？文档有人读过吗？

没人在乎，只要显得在跟进就行。

Sam Altman去年在X上发过一段话，大意是：AI主题的Twitter和Reddit现在"感觉很假"，假到一两年前还不会这样。

但他说漏了一件事，假起来的何止是社交媒体？

办公室里的日报、周报、需求文档、技术方案，正在以比社交网络更快的速度，变成AI流水线上的印刷品。

AI让假装懂行变得容易

有网友分享了一个职场场景：他发现同事用Claude生成技术回复，但对方并不理解自己在讨论什么，只是借助AI生成了一段听起来很像专家的发言。

类似的案例还有很多。

Reddit上一位技术负责人吐槽，团队被要求多用Cursor这类AI编程工具后，收到了大量垃圾PR：

几个本该不到100行的改动，被扩写成5000行以上；AI乱改架构、虚构外部服务、模拟不存在的API；为了让测试通过，AI生成的代码悄悄绕过了大部分权限校验。

这位网友的原话是："用Cursor给我的感觉就是来个人都能往外扔代码，但改bug和审查的时间省不了，只是把成本转移给了团队里真正懂的人"。

换句话说，这不是新手在用AI提效，而是一个没受过专业训练的人，开始用AI扮演这个领域的专业人士。

更可怕的是，公司激励还在保护这种扮演。

这就是AI时代的职场风险，AI不一定让人更有能力，但会让人更容易表演出能力。

恰如一位用户精辟总结："AI正在制造大量职场垃圾，劣币驱逐良币"。

产出和能力脱钩了

Reddit上有个流行词，叫 "Workslop"，专指员工用AI生成的、看着精美但实际上对工作推进毫无帮助的产出。

斯坦福社交媒体实验室和BetterUp Labs联合做了一项调查：

在1150名美国全职员工中，40%的受访者在过去一个月内收到过这种AI糊弄产出，个人平均要为它额外搭进去将近2小时的纠错时间。

对一个一万人的大厂来说，这些隐形消耗一年能烧掉900万美元。

这还只是被统计出来的糊弄，中文职场里那些没被统计的糊弄，估计更魔幻。

知乎上有个高赞吐槽精准再现了"赛博工贼"的操作：

某位同事给技术团队发了一份AI生成的超长需求总结，排版精美、要点罗列清晰，像个正经交付物。

结果团队照着干了一周才发现，关键细节全写错了，或者根本没写。

"后来我们调聊天记录，发现那人写完AI总结自己都没读，跟个AI中间商一样直接转发了"，该网友写道。

这就解释了为什么很多公司一边大规模采购AI工具、一边死活看不到真实ROI。

很多组织现在衡量AI落地效果的方式，还停留在"用了多少次""生成了多少文档""节省了多少写作时间""员工有没有把AI写进周报"。

这套指标很容易制造一种幻觉，公司好像进入了AI原生时代，所有人都在提效，所有流程都在自动化。

但生成速度提升，不等于判断质量提升。

过去人工慢，并不一定是效率低下，反而可能是工作质量形成的过程。

一个人写方案、搭系统、调代码、犯错、返工，正是在这个过程中获得判断力。

现在AI把生成这一步拿走了，但判断仍然需要人来承担。

问题是，越来越少的人愿意真正获得或使用这种判断力。

这对企业AI落地特别关键。

很多公司以为人是流程里的瓶颈，所以要让Agent更自主、更少依赖人。

但在很多场景里，人不是低效遗留物，而是系统里唯一真正有责任感、有判断力、会承担后果的部分。

如果把human-in-the-loop里的human拿掉，不一定是效率提升，可能是把系统唯一的纠错机制拿掉了。

职场正在出现一种新的"AI垃圾内容"

过去我们谈AI垃圾内容，更多想到的是互联网上的水文、假图、营销号、SEO。

但更贵的AI垃圾，正在企业内部出现。

过去一页能说清的需求，现在变成十几页PRD；

过去三句话能讲完的进度，现在变成结构完整的项目周报；

过去一个简单复盘，现在变成"背景—问题—原因—行动项—风险提示"五层嵌套。

有人在网上吐槽："下属交的AI周报看起来面面俱到，但我读完发现根本不知道他这周到底干了什么"。

而对员工来说，手写周报被AI生成内容淹没，认真干活不如会写Prompt来得快，形成了一种负向激励。

这些内容的共同点是：

生产者不一定认真读，接收者也不一定读得下去。生成成本几乎为零，阅读成本却没有降。

相反，读的人还要额外花时间判断，哪些是事实，哪些是结论，哪些只是模型补出来的合理废话。

AI让生成变便宜了，但它也让判断变得更贵。

这对企业AI落地是一个提醒。

不要只问接入了多少AI工具，也不要只看员工用了多少token，更不要把AI使用率当成生产力本身。

真正该问的是：AI是否降低了返工率？是否缩短了交付周期？是否减少了客户投诉？是否提升了决策质量？是否让团队更快抵达正确答案？

如果没有，所谓AI提效，很可能只是把过去的低效，包装成了一种更漂亮的新低效。

而企业真正要解决的，不是让每个人都更会用 AI，而是建立一套机制，识别什么是真产出，什么只是更高级的职场噪音。

可信工作会变得更贵

在这种趋势下，当越来越多公司把自己变成内容生成流水线，那些仍然认真做判断、认真审查、认真交付的公司，反而会获得更高价值。

因为客户真正购买的不是一堆文档、报告和代码，而是企业背后那套专业判断。

四大之一的国际咨询公司Deloitte（德勤），去年受澳大利亚政府委托做一份关于福利系统审查的独立报告，合同额约44万澳元。

报告出来后被发现内容存在虚假引用、虚构引言、不存在的脚注。

说白了，就是AI生成时制造的幻觉，信息有鼻子有眼，但全都是模型编的。

德勤最终退还了部分费用，它还在报告附录里默默补上一条注解：我们用了Azure OpenAI GPT-4o。

但这不是AI的锅，而是AI生成物进入交付链条，却没有被真正审查。

这类风险已经开始从企业内部效率问题，变成了客户信任问题。

当客户真的开始人工审查交付物时，一些公司会发现，自己掏空的正是客户原本愿意付钱购买的东西。

本文来自微信公众号“世界模型工场”，作者：世界模型工场，36氪经授权发布。