AI‘工作垃圾’如何拖累企业回报？

生成式AI引发了一个矛盾现象：虽然员工对AI工具的使用率大幅上升，但企业却几乎看不到投资回报。其中一个关键因素是“工作垃圾”的出现——员工借助AI快速炮制出外表光鲜、内容空洞的成果，从而把认知负担甩给了同事。要真正发挥AI的效能，需要将其作为协作工具，主动且目标明确地加以运用，而不是把它当作逃避深度思考的捷径。

在那些积极引入生成式AI的企业里，一个令人费解的悖论逐渐浮现：虽然员工普遍响应号召，开始使用AI工具，但几乎没人能从中看到实质性的价值产出。比如，过去一年中，完全由AI主导业务流程的公司数量几乎增长了一倍。自2023年以来，AI在工作场景中的使用频率也翻了一番。然而，根据麻省理工学院媒体实验室的一项研究，高达95%的企业在AI技术上的投入并未带来可量化的回报。大量精力与热情投入后，回报却微乎其微。原因何在？

BetterUp实验室联合斯坦福社交媒体实验室的研究团队，发现了一个潜在原因：员工利用AI工具制造出那些无需深度思考、表面看起来还过得去的成果，结果却让同事承担了更多额外工作。在社交平台上，大量低质的AI生成内容正在泛滥，人们称之为“AI垃圾”。而在职场环境中，我们将这种现象命名为“工作垃圾”，它指的是那些由AI生成、看似质量不错，但实际缺乏推进具体任务所需关键信息的成果。

其机制是这样的：随着AI工具越来越便捷，员工们能够快速输出看起来相当专业的成果——格式工整的PPT、结构清晰的长篇报告、由非专业人士撰写的条理分明的论文摘要，以及可运行的代码片段。但问题在于，一部分人利用这种能力来提升工作质量，而另一部分人却用它来制造实际上毫无价值、内容残缺或缺失项目关键背景信息的内容。“工作垃圾”的危害在于，它将工作负担转嫁给了后续的处理者，迫使他们去解读、修正甚至重做这些成果。简单来说，就是创作者把工作量转移给了接收者。

如果你也曾有过这样的体验，大概会记得打开这类文件时的感受：先是一头雾水，然后懊恼逐渐升起——等等，这到底是什么东西？——接着你忍不住怀疑，对方是不是直接复制粘贴了AI生成的内容，自己根本没动过脑子。如果这让你感同身受，那么恭喜你，你碰到了“工作垃圾”。

根据我们进行的一项调研，这一问题相当普遍。在1150名来自不同行业的美国全职员工中，有40%的人表示在过去一个月内收到过“工作垃圾”。而遭遇过这类内容的员工估计，他们工作中接收到的信息里，平均有15.4%属于“工作垃圾”。这种现象最常见于同级同事之间（占比40%），但也有18%的情况是下属向上级发送“工作垃圾”，16%的情况是自上而下，即管理者向团队成员或更高级别人员传递。“工作垃圾”在各个行业都有发生，但专业服务和科技行业尤为突出。

领导者必须认清“工作垃圾”的现状，并采取措施防止其干扰企业的正常运营。

“工作垃圾”的隐性代价

将认知负担转移给机器并不是一个新概念，人们对于技术可能削弱人类认知能力的担忧也早已存在。比如，2006年，科技记者尼古拉斯·卡尔在《大西洋月刊》上发表了一篇引发广泛讨论的文章，标题是《谷歌是否让我们变笨？》。关于认知外包的主流观点——其源头可以追溯到苏格拉底对文字出现的忧虑——指的是我们倾向于把复杂的脑力劳动交给像谷歌这样的技术工具，因为上网搜索信息比记忆信息要轻松得多。

但与上述将认知任务外包给机器的做法不同，“工作垃圾”是利用机器把认知工作转嫁给他人。当同事收到这类内容时，他们不得不投入精力去理解内容、推测缺失或错误的背景信息。这往往会导致一系列繁琐且复杂的决策，比如返工，以及与同事进行尴尬的沟通。

以下是一些真实案例。

一位金融行业的基层员工在谈及“工作垃圾”的体验时表示：“收到AI生成的成果后，我陷入两难：是亲自重写，还是让对方重写，或者勉强凑合用？这种现象正在助长一种风气，催生一个思维懒惰、反应迟钝的社会，人们将彻底依赖外部工具。”

另一个案例中，一位科技行业的一线经理描述道：“我花了好大力气才搞懂那封邮件到底想说什么，以及对方的真实意图。最后，我们不得不花了一两个小时开会，才把信息重新梳理清楚，用简洁明了的方式传达出去。”

一位零售业总监则说：“我不得不额外花时间跟进这些信息，自己去做研究核实。然后还要花时间和其他主管开会讨论解决方案。最后，我还得亲自把这项工作重做一遍，浪费了大量时间。”

每一次“工作垃圾”事件都给企业带来实际损失。员工反馈称，处理一次“工作垃圾”平均需要1小时56分钟。结合受访者提供的时间估算和自报薪资，我们发现每起“工作垃圾”事件每月会产生186美元的隐性成本。若按此推算，一个拥有10000名员工的企业，基于41%的发生率，每年因“工作垃圾”造成的生产力损失将超过900万美元。

受访者也提到了“工作垃圾”所带来的社交和情感成本，例如如何在等级关系中得体地回应对方成了一个难题。当我们询问参与者收到这类内容时的感受，53%的人表示恼怒，38%的人感到困惑，22%的人觉得受到了冒犯。

最令人担忧的或许是人际关系层面的代价。低质量、无用的AI生成成果正在严重侵蚀工作中的协作基础。调查中，约有一半的受访者认为，发送“工作垃圾”的同事在创造力、能力和可靠性方面相比之前大打折扣。42%的人表示不再信任这些同事，37%的人认为他们不够聪明。这与一些研究结果一致，即工作中使用AI会降低他人对使用者能力的评价——比如，使用AI编写代码的工程师会被认为能力不如不用AI的工程师，而且女性工程师受到的负面影响更明显。

另外，34%收到“工作垃圾”的人会将此事告知团队成员或经理，这很可能损害双方之间的信任。近三分之一（32%）的人表示，他们今后不太愿意与发送者继续合作。

长期来看，这种人际关系的损耗可能会破坏协作的基础，而这些基础正是企业在推行AI应用和管理变革时不可或缺的。

领导者该如何应对

从某种程度上说，这些问题并不新鲜。工作中一直有敷衍塞责的现象。我们容易拖延，喜欢走捷径，疲惫时更愿意做琐事而不愿深度思考。生成式AI只是为我们提供了一种新工具，让我们得以延续这些旧习惯——但现在却额外增加了转嫁工作给同事、大规模破坏协作的代价。

那么，企业应如何避免这种局面？如何优化员工的AI使用方式，从而从这项变革性技术中获得可量化的回报？基于我们自身的研究以及帮助财富500强企业成功落地AI应用的经验，我们总结了以下关键原则：

- 不加区分的指令催生不加区分的使用：当领导者一味要求员工在所有场景下使用AI时，实际上暴露了他们对这项技术缺乏判断力。这很容易导致员工不加思考地将AI生成的内容直接复制到文档中，即使AI并不适合当前任务。生成式AI并非万能，它也无法洞察人心。虽然AI确实能改善工作的某些方面，但要在复杂或模糊的任务中产生有价值的结果，仍需要员工进行深入的思考和反馈。

- 心态决定一切：自2023年以来，我们的实验室一直在追踪影响员工采用生成式AI的关键因素。我们发现，那些同时具备高主动性和高乐观态度的员工，比那些低主动性和低乐观度的员工更倾向于使用生成式AI。我们将这类员工称为“领航员”，而另一类则是“乘客”。“领航员”在工作场景中使用生成式AI的频率比“乘客”高出75%，在工作之外则高出95%。

更值得注意的是，结合“工作垃圾”的研究发现，“领航员”使用生成式AI的方式颇具借鉴意义。例如，“领航员”比“乘客”更倾向于利用AI来增强自身创造力。相反，“乘客”更可能借助AI来逃避工作。简言之，“领航员”有目的地运用AI来实现目标。

- 重塑协作理念：与AI协作涉及许多任务——如提供提示、反馈、描述背景——这些都具有协作性质。当今工作越来越依赖协作，不仅是人与人之间，还包括人与AI之间。协作的复杂性只会日益增加。“工作垃圾”正是AI引发的新型协作问题的典型，它非但未能提升生产力，反而消耗了生产力。我们与AI的互动方式会直接影响同事，领导者需要引导有利于团队协作的人机互动模式。

展望2025年，无缝协作必须涵盖如何将AI成果融入共同工作流程以实现共同目标，而不是将其作为暗中推卸责任的手段。这是组织行为学中一个全新的关键领域，它将决定哪些企业能最大化AI的价值，哪些只是盲目跟风却收效甚微。

“工作垃圾”虽然生成容易，但对企业造成的损失却不容小觑。发送者眼中的便捷之路，在接收者看来却是一个需要费力填补的坑。领导者应以身作则，审慎使用AI，确保每次应用都有明确的目的和意图。为团队设定清晰的规范和可接受的使用边界。将AI定位为协作工具而非捷径。秉持“领航员”心态，保持高度主动性和乐观精神，针对性地运用AI加速实现具体目标。对于人机协作的成果，坚持与纯人类工作同等的高标准。

关键词：#AI

凯特·尼德霍夫（Kate Niederhoffer）、加布里埃拉·罗森·凯勒曼（Gabriella Rosen Kellerman）、安吉拉·李（Angela Lee）、亚历克斯·利布舍尔（Alex Liebscher）、克里斯蒂娜·拉普阿诺（Kristina Rapuano）、杰弗里·T·汉考克（Jeffrey T. Hancock）| 文

凯特·尼德霍夫是BetterUp实验室副总裁兼社会心理学家。她的研究探索AI在工作场所应用、人类发展及人际沟通中的作用。加布里埃拉·罗森·凯勒曼是一名医生，也是BetterUp的首席产品官兼首席创新官。安吉拉·李是斯坦福大学传播系博士研究生。亚历克斯·利布舍尔是BetterUp实验室的研究科学家。他的研究专注于理解我们如何与数字技术互动，以及其对我们人际关系的影响。克里斯蒂娜·拉普阿诺是BetterUp实验室的研究科学家。她的研究探索技术创新与个人发展交叉领域的心理学。杰弗里·T·汉考克是斯坦福大学传播学教授。他也是斯坦福社交媒体实验室创始主任及斯坦福网络政策中心主任。

周强 | 编校