肯是迈阿密一家大型网络安全公司的文案撰稿人,他曾经很喜欢自己的工作。但自从"工作垃圾"开始堆积,一切都变了。
所谓"工作垃圾"(workslop),是AI热潮带来的意外副产品。当员工借助AI快速生成看似精良、实则漏洞百出的内容,再将其传递给同事后,往往需要大量纠错、修改,甚至推倒重来。
肯遭遇这一困境,源于公司CEO裁掉多名同事,并强制要求留任员工使用AI聊天机器人以提升生产力。虽然初稿生成轻而易举,但肯和同事们花在改写、纠错以及协调各自聊天机器人产出差异上的时间,比完全不用AI还要多。
"内容质量明显下滑,生产周期明显拉长,最重要的是,团队士气一落千丈,"这位担心失业而以化名受访的文案说,"自从推行AI,一切都变得更糟。"肯表示,当员工反映AI导致生产力下降时,公司高管反而将责任推到员工身上。
肯的遭遇折射出员工与管理层之间日益明显的AI认知鸿沟。一项针对5000名美国白领的调查显示,40%的非管理层员工认为AI根本没有为他们节省工作时间,而92%的高层管理者却表示AI让他们效率更高。
究竟是什么导致了这场"工作垃圾"洪流?答案远比"员工偷懒"复杂,问题的根源其实在高层管理者身上。
各大企业已在生成式AI上投入数十亿美元。其中一些公司——包括Block、亚马逊、陶氏、UPS、Pinterest和Target——以AI的潜在生产力为由,同步裁减人工岗位。留任的员工承受着来自雇主的压力,被要求用AI完成更多工作,却往往缺乏必要的指导和培训。高层对生成式AI的热情与一线员工的切身感受之间,横亘着难以逾越的鸿沟——在员工看来,AI不过是让工作更难做。
"人们被要求使用AI,却往往缺乏明确方向和有效支持,"斯坦福大学研究员、"工作垃圾"一词的联合创始人杰夫·汉考克说。他同时担任BetterUp的科学顾问。汉考克认为,生成式AI最终或许能够催生出真正帮助员工提升效率的工具,但就目前而言,AI的引入在很多情况下产生了适得其反的效果。
汉考克的研究(尚未经过同行评审)调查了1150名美国办公室员工,是上述5000人总样本中的子集。研究发现,40%的员工在过去一个月内遭遇过"工作垃圾",平均每月花费3.4小时处理相关问题。按此估算,对于一个拥有1万名员工的组织而言,这意味着每年高达810万美元的生产力损失。
自由职业产品设计师凯利·卡辛告诉《卫报》,她经常碰到"工作垃圾"。"直接把机器人的回复复制粘贴到聊天或邮件里,似乎已经司空见惯,"她说。有时,当她对同事发来的内容感到困惑时,对方会回应说:"嗯,我也不太明白AI是什么意思。"这意味着他们实际上是在把判断力外包给聊天机器人。"虽然个人而言确实令人抓狂,但我理解人们为什么这么做。生产力提升的压力很大,加上就业市场的高度不确定性,"卡辛说。
密歇根大学医学博士研究生菲利普·巴里森在基层医疗诊所驻点调研时,发现了类似的"工作垃圾"现象。医疗人员被鼓励用AI生成回复患者问题的邮件,初衷是为了节省临床医生的时间。
"根据我的调研和亲身观察,实际上并没有达到这个效果,"巴里森说。他访谈的许多员工反映,大量的编辑工作、随之而来的挫败感,以及对数据安全和患者收到含有错误的AI邮件的担忧,让他们不堪重负。由于这些AI工具是可选的,"一旦过了新鲜感,他们就开始无视它了,"巴里森说。
非营利研究机构Data & Society的劳工未来项目负责人艾哈·阮表示,雇主之所以大力推广生成式AI,一个重要原因是许多公司希望在投资AI之后降低人力成本。然而,这些投资尚未产生预期回报,至少目前如此。一项被广泛引用的麻省理工学院报告显示,95%的企业尚未从AI投资中获得回报。SAP和德勤的最新评估虽然给出了更高的回报率,但实现盈利的企业仍属少数。德勤报告指出,企业预计需要两到四年才能看到更好的回报,这对于科技投资而言,周期相当漫长。
"问题在于,生成式AI常被定位为万能的通用工具,但现实并非如此。'工作垃圾'泛滥的部分原因,正是AI使用场景和职责边界不够清晰,"阮表示。
美国通信工人工会的研究经济学家丹·雷诺兹表示,AI已成为工会谈判新合同时的核心争议点。工会要求明确AI的使用规范,并赋予员工更多话语权和管控权。
"企业在利用AI优化运营方面相当坦率,因此,审视这些工具的实际能力及其背后的权力结构,是很自然的反应,"卡内基梅隆大学科技团结实验室主任萨拉·福克斯说。
福克斯对企业宣称部署AI是为了提升效率、帮助员工更好地完成工作这类说法持怀疑态度。"这实际上掩盖了劳动关系更深层的变化,"她说,这种做法削减的是员工自主权,而非赋权于员工。
Q&A
Q1:什么是"工作垃圾"(workslop)?它是怎么产生的?
A:
"工作垃圾"(workslop)是AI热潮带来的意外副产品,指员工借助AI快速生成表面看似完善、实则漏洞百出的内容,传递给同事后需要大量纠错甚至推倒重来的现象。其根本原因在于企业高层大力推行生成式AI,却缺乏对员工的明确指导和培训,导致AI被滥用,反而降低了工作效率和内容质量。
Q2:AI真的能提升员工的工作效率吗?
A:
调查数据显示,结论因人群而异。一项涵盖5000名美国白领的调查发现,40%的非管理层员工认为AI根本没有为他们节省工作时间,而92%的高层管理者却表示AI使他们效率更高。此外,麻省理工学院的报告显示,95%的企业尚未从AI投资中获得实质性回报,大多数企业预计需要两到四年才能看到改善。
Q3:员工和工会如何应对企业强制推行AI的问题?
A:
面对企业强制推行AI的压力,工会已将AI纳入合同谈判的核心议题,要求企业明确AI的使用规范,并赋予员工更多话语权和管控权。美国通信工人工会的研究经济学家指出,工会正在积极审视AI工具的实际能力及其背后的权力结构,以保障员工权益不受侵害。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。