2026 年，硅谷科技圈裁员风波不断。1 月，亚马逊确认将裁员约 1.6 万人；2 月，金融科技公司 Block 裁掉了近一半的员工；3 月，Meta 被曝计划裁员 1.6 万人。
AI 将取代白领的焦虑席卷职场。
然而，科技公司 Ona 的软件工程师 Siddhant Khare 发布的《AI 疲劳真实存在，却无人谈及》一文，引发了全球媒体和读者的广泛讨论。
近日，Siddhant Khare 接受《每日经济新闻》记者（以下简称 NBD）专访时表示，作为 AI 智能体基础设施的开发者，建议人们改变使用 AI 的习惯，避免被 AI 困在生成、审核、再生成、再审核的循环里。
" 有了 AI 之后人的工作量是以往的 10 倍 "
NBD：你认为导致 "AI 疲劳 " 的原因是什么？
Siddhant Khare："AI 疲劳 " 本质是结构性问题。AI 让代码、文案、文档等内容的生成效率提升数倍，但审核与验证环节的效率却未同步跟进。人依旧是整个工作流程的核心瓶颈，要处理十倍于以往的工作量。
这就像一家工厂，更换了一台冲压速度快十倍的零件生产机器，可流水线末端的质检员依旧只有一个。产能大幅提升后，质检员的工作量翻倍，次品率却没有任何变化，最终崩溃的只会是这个承担全部审核压力的人。
NBD：人们本以为 AI 可以提升效率，可为什么工作量反而大幅增加？
Siddhant Khare：AI 带来的生产力提升，并未转化为员工的自由时间，反而被企业转化为了更高的工作期望值，抬高了工作的 " 合格线 "。
AI 出现之前，一名软件工程师一周提交 20 个代码拉取请求（PR），就是正常的工作标准；有了 AI 辅助后，工程师的理论产出能力提升到 50 个，企业便把 50 个定为新的标准。
AI 生成的所有内容，都离不开人工审核。我作为开源项目维护者，感触格外深刻。以前我每周只需要处理 20 到 25 个代码 PR，现在这个数字暴涨到上百个，其中绝大部分都是 AI 生成的，可每一个请求我都必须仔细审查。
NBD：AI 的哪些价值最容易被高估？又有哪些成本被低估了？
Siddhant Khare：最普遍的高估，就是 AI 落地的速度和即时效率提升。很多企业都陷入了一个误区，觉得只要给员工配齐 AI 辅助工具，短短几周就能看到生产力飞跃，可实际数据截然相反。
工程效率与开发者生产力分析平台 DX 曾做过一项覆盖 450 余家企业、12 万余名开发者的全面调研。数据显示，即便有 93% 的开发者都在使用 AI 编程工具，实际工作效率提升仅停留在 10%，而且后续很难再有突破。
模型评估与风险研究机构 METR 的对照试验结果更残酷，使用 AI 编程工具的开发者，实际工作效率反而下降了 19%，只是主观上感觉工作速度提升了 24%。
而企业最容易低估的，首先是 AI 内容的人工审核成本，几乎没有企业会把这部分耗时、耗力的审核时间，纳入整体工作成本规划；其次是员工的职业认同感，当大部分工作都由 AI 完成，曾经依靠专业能力获得成就感的员工，慢慢会觉得自己只是流水线上的质检员。这种身份落差很难量化，却会直接引发人才流失。
" 审核 AI，比自己做一遍更累 "
NBD：当下很多白领觉得自己使用 AI，其实是在训练 AI 取代自己，这种担忧合理吗？哪些岗位最容易被替代，哪些又很难被取代？
Siddhant Khare：绝大多数普通员工，并不是在直接训练 AI 大模型。日常使用 ChatGPT、Copilot 这类工具时，个人输入的内容并不会自动成为下一代大模型的训练数据，多数企业的用户协议也明确禁止了这种行为。" 我在训练取代自己的 AI"，这一说法在技术上并不成立。
AI 对职场的真正影响，不是大规模的人力替代，而是岗位的重新定义、工作强度的大幅提升以及核心工作内容的转移。真正容易被 AI 替代的，是那些产出标准化、质量要求偏低、重复性高的岗位，比如初稿文案撰写、基础数据录入、简单代码生成、模板化报表制作这类任务，只要求 " 够用就行 "，AI 完全可以胜任。
而最难被 AI 替代的，是需要全局理解力、审美能力和独立判断力的岗位，比如系统架构设计、产品战略制定、商务谈判沟通、创意内容策划等。这类工作的核心价值，从来不是 " 动手执行 "。
其实绝大多数职场人都处于中间地带。工作不会直接消失，但必须面临转型。
NBD：你认为，员工核心价值正在发生怎样的转变？
Siddhant Khare：转变已经实实在在发生了，只是目前大部分企业的绩效考核体系还没有跟上。
未来，最优秀的工程师，不是写代码最快、产出最多的，而是能一眼看穿 AI 方案是否适配整体系统、思路是否合理的人。这种判断力依赖长期的行业经验和全局系统认知，不是靠优化提示词就能获得的。
员工价值正在发生迁移，从看重产出数量，转向看重判断质量；从比拼执行速度，转向比拼思考深度。未来最不可替代的员工，是能精准判断对错、并且能给出清晰合理依据的人，判断力，就是核心价值。
NBD：相比以往的自动化浪潮，为什么 AI 更容易造成疲劳？
Siddhant Khare：核心原因是以往的自动化工具是确定性的，AI 却充满不确定性。
以前的工具，相同指令、相同输入，能得到相同输出，出错会直接报错；但 AI 不一样，同样的提示词，可能生成完全不同的内容，即便出现错误，表述也格外逼真、极具迷惑性。AI 的错误藏得极其隐蔽，代码能正常运行、文案读起来通顺、报表格式规整，但可能在某一页暗藏事实错误，在某一行有逻辑漏洞，再或者在某一段出现个虚构的数据。
这种安静的错误，要求人时刻专注，长期下来是非常耗费精力的。而且 AI 会高度模仿人类的表达风格。审核 AI 内容，需要付出和自主创作几乎一样的认知成本。
NBD：如果 AI 的输出无法完全信任，但又必须规模化使用，我们要如何弥补这种 " 信任缺口 "？
Siddhant Khare：很遗憾，绝大多数公司采用的都是最糟糕的方式，即把人工审核当作唯一的质量把控关口。
做得好的企业，会建立一套我称之为 " 反压机制 "（backpressure）的体系。简单来说，就是在 AI 内容进入人工审核环节之前，先通过自动化反馈机制，提前拦截大部分明显错误，减少人工审核的压力。
" 最重要的工作往往不需要 AI"
NBD：面对 AI 带来的工作重压和精神内耗，普通白领该如何正确与 AI 相处？
Siddhant Khare：我推荐三种办法。
第一，不要在 " 思考本身就是价值 " 的任务中使用 AI。比如制定战略方案，价值在于思考，而不是打字。如果直接用 AI 跳过思考，等于削弱了自己工作的价值。AI 更适合用在 " 结果重要、过程次要 " 的重复性任务上。
第二，为审核时间设定明确边界。如果每天花在审核 AI 产出的时间超过 2 小时，就说明工作流程出了问题，要么是提示词不清晰、上下文信息不足、工作规则不严格，要么是企业缺少自动化检查机制，千万不要把 " 无限制审核 AI 所有产出 " 当成工作常态。
第三，保护你的深度工作时间。AI 会把人困在一个循环里：生成、审核、再生成、再审核。这种循环会不断打断注意力。你需要刻意留出一段时间，完全不使用 AI。最重要的工作，往往不需要依赖提示词，而是靠独立思考完成。
NBD：对于已经对 AI 产生依赖的人来说，应该如何改变？
Siddhant Khare：首先要改变的，就是 AI 的使用习惯。
现在很多人遇到问题，会下意识打开 ChatGPT。还没开始独立思考，就直接让 AI 生成内容。
一定要把顺序倒过来。先独立思考，明确工作目标，再判断是否需要使用 AI。很多时候，一张白纸和二十分钟的独立深度思考，效果更好。
人们对 AI 的焦虑，本质是失去了掌控感。当 AI 始终在不停生成、不停给出建议，你就会觉得自己只是被动的执行者。而一旦重新掌握 " 是否用 AI、何时用 AI" 的决定权，掌控感就会慢慢回归，焦虑感自然会下降，也能真正跳出 AI 疲劳的困境。
本文来源：每日经济新闻
