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
前OpenAI首席技术官Mira Murati创办的AI初创公司Thinking Machines Lab宣布推出"交互模型"技术。不同于现有AI的轮流对话方式,该模型采用"全双工"技术,能在接收输入的同时生成响应,实现类似真实电话通话的自然交互。其模型TML-Interaction-Small响应速度达0.40秒,优于OpenAI和谷歌同类产品。目前仍处于研究预览阶段,计划数月内开放有限测试,年内正式发布。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
澳大利亚各州及联邦能源部长在近期会议上达成共识,要求数据中心通过投资新建可再生能源和储能设施,完全抵消其电力需求。除昆士兰州外,所有州均支持该提议。联邦能源部长克里斯·鲍文表示,数据中心是新增能源需求的最大驱动力之一,应成为电网的助力而非负担。澳大利亚能源市场委员会将于7月前提交具体实施建议。数据显示,到2030年数据中心用电量预计将增至现在的三倍。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。