AI 提升工作效率，不代表你會更輕鬆？柏克萊研究戳破矽谷 10X 生產力敘事

柏克萊哈斯商學院追蹤 200 名科技業員工長達九個月，發現 AI 工具並未減少工作量，反而催生「多線程並行」的高強度工作模式，認知負荷與倦怠風險同步攀升。
（前情提要：解密「x402」：重構 AI 時代支付信任，通往下一代機器文明的聖杯 ）
（背景補充：X402 對穩定幣支付的重要性 ）

本文目錄

• 永遠在 juggling 的新型工作節奏
• 從實驗室到真實世界
• 問題不在 AI，在於沒有人教你怎麼用
• 對 AI 敘事的壓力測試
• 重新校準數十年的工作習慣

如果你在過去一年讀過任何一份科技業的投資備忘錄，大概都會看到類似的敘事：AI 將大幅提升生產力，讓員工做更少的事、產出更多的成果，企業利潤率因此飆升，人類終於可以把時間花在「更有創造力」的工作上。

這個敘事聽起來很美。問題是…它可能是錯的。

柏克萊大學哈斯商學院的兩位學者 Aruna Ranganathan 和 Xingqi Maggie Ye，在《哈佛商業評論》（Harvard Business Review）發表了一項歷時九個月的研究。從 2025 年 4 月到 12 月，他們追蹤了一家美國科技公司的 200 名員工，觀察日常工作中導入 AI 工具後的行為變化。

結論很直白：AI 沒有減少工作，AI 加劇了工作。

永遠在 juggling 的新型工作節奏

研究團隊發現，AI 工具的導入並未實際讓員工減少任務量或縮短工時。相反，它創造了一種全新的工作節奏——「多線程並行」。

具體來說：員工一邊手動撰寫程式碼，一邊讓 AI 生成替代版本；同時運行多個 AI 代理處理不同任務；甚至把那些長期擱置的工作項目重新撿起來，理由是「反正 AI 可以在背景處理」。

表面上看，這是生產力的提升。每個人同時推進的專案數量變多了，產出速度也加快了。但研究者觀察到的真實狀況是：

「持續的注意力切換、頻繁地檢查 AI 輸出結果、以及不斷增加的待辦任務。這製造了認知負荷，以及一種永遠在 juggling（處理瑣事） 的感覺 — 即使工作本身感覺是有生產力的。

換句話說，員工確實做了更多事。但他們也更累了。而且是那種「明明覺得自己很有效率，下班後卻像被掏空」的累。

從實驗室到真實世界

柏克萊的研究數據來自企業內部，但在企業圍牆之外，同樣的模式也在發生。

知名開發者 Simon Willison 在個人部落格轉載了這篇研究，並坦承自己的經歷與研究結論高度吻合。作為全球最活躍的大型語言模型（LLM）實踐者之一，Willison 長期公開分享他使用 AI 工具的工作流程。他指出，自己確實能夠同時推進兩到三個平行專案，完成的工作量遠超過去。

但代價是：他在一到兩小時內就會精力耗盡。

他還觀察到身邊的開發者出現了類似的模式：有人因為「再一個 prompt 就好」的心態，一路寫到凌晨三點，嚴重影響睡眠品質。那種感覺不像是在加班，更像是在打一款無法存檔的遊戲——你知道該停了，但下一個回合太誘人。

當學術研究和一線實踐者的體感同時指向同一個結論，這就不是個案，而是結構性的。

問題不在 AI，在於沒有人教你怎麼用

研究團隊最關鍵的洞察，不在於「AI 讓人更累」這個結論本身，而在於他們對原因的診斷：組織缺乏 AI 使用的結構性規範。

絕大多數企業在導入 AI 工具時，做的事情是：買授權、發帳號、附上一個「最佳框架」的 PDF，然後期待員工自己摸索出最佳用法。這等於是把一台渦輪增壓引擎裝上腳踏車，然後告訴騎士「你自己看著辦」。

研究者的建議是：企業需要建立正式的 AI 實踐框架，明確定義 AI 應該被用在哪些場景、不應該被用在哪些場景、以及如何區分「真正的效率提升」和「只是用更大的力氣踩原地」。。

對 AI 敘事的壓力測試

讓我們把研究結論拉到更大的脈絡中。

過去一年，「AI 提升生產力」是驅動科技股估值的核心邏輯之一。從 Nvidia 到 Microsoft，從 OpenAI 到各種 AI 代理新創，整條產業鏈的估值前提是：AI 會讓每個知識工作者的產出提高 2 到 10 倍，企業因此可以用更少的人做更多的事，利潤率結構性提升。

但如果柏克萊的研究是對的，如果 AI 的真正效果不是「做更少的事」而是「做更多的事提升了效率但更累」，那這套估值邏輯就需要重新校準。

生產力提升和工作強度加劇，是兩回事。前者會降低成本、提高利潤；後者會在短期內提高產出，但長期或導致倦怠、離職率上升、以及品質下降。如果你把柏克萊的發現套用到企業營運模型上，AI 帶來的可能不是利潤率的提升，而是人力成本結構的重新分配：更高的培訓成本、更高的心理健康支出、更高的人員替換成本。

當然這不代表 AI 沒有價值，它顯然有。但它的價值可能不是「讓人做更少的事」，而是「讓人做不同的事」。而不同不一定等於更輕鬆。

重新校準數十年的工作習慣

這份研究還隱含了一個很少被討論的面向：調適期。Willison 也在轉載時點出了這一點。

目前的工作規範：怎麼分配注意力、怎麼衡量績效、怎麼定義「一天的工作量」，是花了數十年建立起來的。AI 在 2023 年到 2025 年間的爆發性普及，等於是在兩年內要求整個知識經濟重新學習怎麼工作。

這種重新學習不會自動發生，它需要有意識的組織設計、管理層的認知更新、以及最重要的：承認「更多產出」和「更好的工作」是兩件完全不同的事。

矽谷喜歡用「10x engineer」來形容那些產出超群的工程師。AI 的承諾是讓每個人都變成 10x。但這份研究告訴我們的是：也許我們得到的不是 10 倍的效率，而是 10 倍的疲勞…你覺得呢？