凌晨两点，Siddhant Khare盯着屏幕上一行行代码，感觉自己的大脑正在变成一台质检机器。
那些代码看起来完美无瑕——语法正确，逻辑通顺，注释清晰。他甚至挑不出什么明显的毛病。但第六感在尖叫：这里头一定藏着什么东西。一个逻辑漏洞？一个性能隐患？或者更糟，一段看起来合理但完全错误的实现？
十分钟后，他找到了。一个AI生成的函数，表面完美，实则会在高并发场景下崩成碎片。
“审核AI生成的代码，比我自己写一遍还要累。”他告诉我。这不仅是他的个人感受。过去一年，他处理的开源代码拉取请求从每周20多个暴涨到上百个——绝大部分都是AI生成的。每一个，他都得亲自过目。
欢迎来到2026年的职场。在这里，你的同事是一台永不疲倦的机器，而你的工作，是为它收拾烂摊子。
故事要从2025年说起。
那时候，几乎所有人都相信AI将解放白领。ChatGPT、Copilot、Claude——这些工具像魔法一样，能在几秒内生成报告、代码、邮件、方案。媒体标题欢呼雀跃：“生产力革命降临”“人类终于可以专注于创造”。
Siddhant Khare一开始也这么想。作为Ona公司的软件工程师，他第一时间拥抱了AI工具。代码写得快了，文档产出多了，PR提交量翻倍了。报表上的数字漂亮极了。
直到他发现，自己的工作时间没有减少，反而拉长了。
“以前我一周处理20多个代码PR，现在这个数字暴涨到上百个。”他说，“但我的审核能力没有翻倍。我只有一双眼睛，一个大脑。”
这像极了一个老笑话：工厂换了台十倍的冲压机，零件像子弹一样飞出来，流水线末端的质检员还是那个质检员。产能报表漂亮得不得了，崩溃的只有那个倒霉的质检员。
区别是，在知识型工作里，每个人都是那个质检员。
今年1月发布的一项大规模研究证实了他的感受。工程效率平台DX调查了450多家企业、12万多名开发者，发现93%的人都在用AI编程工具，但实际工作效率只提升了10%——而且卡在那里，再也上不去了。
另一项来自METR的研究更扎心：使用AI编程工具的开发者，实际工作效率反而下降了19%。他们只是感觉自己快了24%。
感觉。这个词很妙。AI给的恰恰就是一种幻觉——一种你正在飞速前进的幻觉，直到你撞上现实的高墙。
为什么？为什么生成变快了，整体却慢了？
Khare用一个词解释：“安静的错误。”
以前的工具很诚实。Excel公式写错了，它会报错；编译器遇到语法问题，它直接罢工。你清清楚楚地知道，这里出问题了，需要你动手解决。
AI不一样。
AI的错误从不嚷嚷。代码能跑，文案能读，报表工整，一切看起来都那么正常。直到你凑近细看，才发现某段代码在高并发下会崩，某句文案引用了不存在的统计数据，某个分析建立在凭空捏造的事实上。
“AI的错误藏得极其隐蔽，”Khare说，“它要求你时刻保持专注，这种状态比主动工作更消耗精力。”
这就是陷阱所在。你本以为自己请来了一个助手，实际上你得当他的编辑、校对、质检、安全员。而且是24小时的那种。
“审核AI内容，需要付出和自主创作几乎一样的认知成本。”他说。
翻译成人话：AI帮你写了1000字，你不是读完就完事了。你得逐句推敲，查证数据，推演逻辑。到最后，你花的时间可能比自己写还要多——而你只是换了一种方式在工作。
但最残酷的不是这个。
最残酷的是，企业只看报表，不看你的疲惫。
AI出现前，一名软件工程师一周提交20个PR，这是正常标准。有了AI后，理论产出提升到50个，企业就把50个定为新标准。
“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’。”Khare说。
他见过太多这样的案例：团队引入AI工具后，产出量确实上去了，管理层的期待也上去了。没有人问，员工累不累？没有人算，审核时间增加了多少？报表上只有一行数字：产出+150%。
“员工的身心俱疲被无视了。”他说这句话的时候，语气里带着一种无奈。
更糟的是，那些“产出”在多大程度上是可信的？没有人知道。因为审核流程根本没有跟上。
Khare称之为结构性错位：生产自动化了，审核没有。生产环节提速了十倍，审核环节还是原来那个人。整个系统最脆弱的环节，承受了所有压力。
那么，我们该怎么办？
Khare没有给出那种“AI会取代你”的耸人听闻。他给出的答案，听起来甚至有点反直觉。
“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。”
他说的是判断力。
当AI能批量产出方案、代码、文案时，稀缺的不再是生产能力，而是分辨好坏的能力。这种能力来自哪里？来自长期的经验积累，来自对系统的整体把握，来自那些AI无法通过训练获得的、对“什么才是真正的好”的理解。
“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。”
在Khare看来，这种转变已经发生了，只是大部分企业的绩效考核体系还没有跟上。它们还在用工业时代的尺子，衡量信息时代的工人。
而那些真正不可替代的员工，是那些能精准判断对错、并且能给出清晰合理依据的人。
判断力，就是核心价值。
说完了问题，Khare也给出了一些具体的建议。不是那种“拥抱AI”的陈词滥调，而是他从一线摸爬滚打出来的经验。
第一，别在思考本身就是价值的事情上用AI。
制定战略方案，价值在于思考，不是打字。如果你用AI跳过思考，等于把自己最值钱的部分外包了。
“AI更适合用在‘结果重要、过程次要’的重复性任务上。”他说。
第二，给审核设定边界。
如果每天花在审核AI产出上的时间超过2小时，说明流程出了问题。可能是提示词不清晰，可能是上下文信息不足，可能是缺少自动化检查机制。总之，别把“无限制审核AI”当成常态。
第三，保护你的深度工作时间。
AI会把你困在一个循环里：生成、审核、再生成、再审核。这个循环不断打断你的注意力。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。”
第四，倒过来用AI。
现在很多人遇到问题，下意识就打开ChatGPT。还没开始思考，就让AI生成内容。
把顺序倒过来。先独立思考，明确目标，再判断是否需要AI。很多时候，一张白纸和二十分钟的独立思考，比任何提示词都管用。
“人们对AI的焦虑，本质是失去了掌控感。”Khare说，“当AI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。”
采访快结束时，我问他一个有点私人的问题：你自己还用AI吗？
他笑了。“用。但用得更少，想得更多。”
他说，AI最危险的，不是抢走你的工作，而是悄悄吃掉你的大脑。让你误以为生成就是思考，产出就是价值。让你习惯被动接受，而不是主动创造。
“别让AI替你思考。”他说，“让它做它最擅长的事——帮你处理那些你本来就不想做的事。然后把剩下的时间，留给真正重要的事。”
那些事，往往不需要AI。
需要的是你，一个完整的人，带着你的判断、你的经验、你那些AI永远无法复制的直觉和洞察。
窗外是硅谷的夜色。在这个被AI重新定义的年代，也许最大的奢侈，不是更快地生产，而是停下来，想一想：什么才是真正值得做的事。
然后，亲手去做它。
© Wallop 2025 All Rights Reserved.
荣耀的 
