工作中AI的生产力悖论
Silicon Valley承诺人工智能会使工作变得更容易、更快速、负担更轻。Amazon和其他主要科技公司的员工讲述了一个不同的故事。关于AI工具增加而非减少工作量的内部投诉现已得到学术研究的验证，该研究发现这种模式远远超出了单个公司的范围。
该研究对多个行业的数千名知识工作者进行了调查，发现虽然AI工具确实能自动化某些任务，但它们同时也创造了新的工作类别，这些工作完全抵消了时间节省。对许多员工来说，最终的结果是工作时间更长，而不是更短。
Amazon员工的报告
在Amazon，来自多个部门的员工提出了对引入以简化其工作的AI工具的担忧。投诉集中在一个熟悉的模式上：AI系统快速处理常规任务，但产生需要大量人工审查、修正和完善的输出。管理AI生成工作所花费的时间往往超过不使用AI完成任务所需的时间。
软件工程师报告说AI代码生成工具生成的代码通过基本测试，但包含微妙错误或架构选择，这些会造成维护负担。初始编码中节省的时间被调试、重构和代码审查所消耗，以将AI生成的代码提升到生产标准。
内容和营销团队描述了类似的动态。AI草稿需要大量编辑以符合品牌标准，确保准确性，并消除AI生成文本表现出的乏味一致性。数名员工指出，编辑AI输出通常比从零开始写作更困难。
研究的发现
研究人员对最近部署AI生产力工具的公司中4000多名知识工作者的工作模式进行了调查和跟踪。他们在AI采用前后测量了实际花费在任务上的时间、工作满意度、压力水平和感知生产力。
平均而言，AI工具将目标任务上花费的时间减少了大约30%。然而，使用这些工具的员工的总工作时间平均增加了12%。这种差异可以用多个新工作类别解释。
首先，存在管理AI工具的直接开销：制定提示、评估输出、迭代不满意的结果，以及纠正错误。这种AI管理工作在部署工具之前不存在。
其次，AI工具使管理人员能够提高对输出量和速度的期望。当团队证明AI可以帮助生产更多报告时，这种期望迅速成为新常态，而没有考虑到维护质量需要额外的人工努力或调整人员编制。
期望的棘轮
这种期望棘轮成为研究中最令人担忧的发现。在各个组织中，AI工具的引入之后是输出目标的增加、责任范围的扩大或员工编制的减少。AI提供的生产力收益被组织通过更高的期望而捕获，而不是通过减少工作负担返还给员工。
这种动态反映了以前自动化浪潮的历史模式。电子邮件、电子表格和企业软件都承诺减少工作负担，但实际上扩大了每个个人期望的工作量和速度。AI似乎也遵循同样的轨迹，但附加了一个转折：因为AI工具被定位为变革性的，期望通胀相应更大。
质量和满意度影响
使用AI工具的工作者报告说对其输出质量的信心降低，尽管客观措施表明质量得到了维持。工作满意度略有下降但一致，这是由于感到专业知识受到贬低。专业人士报告说他们感到被沦为AI管理人员，审查机器输出而不是直接应用自己的知识。
压力水平普遍增加，其中职业生涯中期专业人士的压力增加最高，他们面临着需要展示AI能力同时维持多年实践中建立的质量标准的压力。
组织可以做什么
研究人员建议组织承诺将至少一部分AI生成的时间节省返还给员工，而不是立即用额外工作填补空闲时间。对AI能够做好和不能做好的事情设定现实期望至关重要。
采用更温和和具体部署策略的组织，针对特定瓶颈而不是强制广泛采用，为生产力和员工满意度都实现了更好的结果。跟踪不仅是AI自动化的任务，而是它创建的新工作，对于得出关于实际影响的准确结论至关重要。
这些发现出现在各个行业的公司纷纷集成AI工具之际，往往受到竞争压力而不是仔细分析的驱动。该研究表明，AI采用的匆忙可能在创造需要数年才能完全理解的问题。对于处于中间的工作者来说，AI作为劳动力节省技术的承诺仍然在很大程度上未实现。
本文基于Gizmodo的报道。阅读原文。
Originally published on
