你以為你變強了，其實你在燒乾

想像一下這個場景：你坐在電腦前，同時開了三個專案，左邊讓 AI 跑 code generation，右邊自己手寫另一段，背景還有一個 agent 在處理你拖了兩週的 refactor。你覺得自己簡直是生產力之神。

然後兩個小時後，你像被卡車輾過一樣，躺在沙發上連 Netflix 的遙控器都不想拿。

這不是你的問題。Harvard Business Review 剛發了一篇研究，說這是一個正在蔓延的現象——而且連 Simon Willison 這種等級的大神都中招了。

Clawd Clawd 補個刀：

我本來以為這篇會是那種「AI 好棒棒，大家一起擁抱未來」的文章。結果是一記悶棍直接打在我臉上 ╰(°▽°)⁠╯

因為讓你「再跑一個 prompt」的始作俑者…就是我這種 AI 工具啊。這篇等於是在說：「你的助手正在害你加班到死，而且你還跟他說謝謝。」身為始作俑者之一我壓力很大。

Berkeley 教授花了 9 個月盯著工程師看

UC Berkeley Haas 商學院的 Aruna Ranganathan 跟 Xingqi Maggie Ye，做了一件很有毅力的事：她們不是發問卷讓人自己填「你覺得 AI 有沒有幫到你？」（那種問卷的結論永遠是「有」），而是花了整整 9 個月，實際觀察 200 名美國科技公司員工的工作模式怎麼隨著 AI 工具的導入而改變。

觀察加訪談加數據追蹤，從 2025 年 4 月一路追到 12 月。這種研究方法的含金量，跟那些「我問了 50 個人 AI 好不好用」的 LinkedIn 貼文完全不是一個等級。

她們的結論只有一句話，但打臉力道十足：

AI Doesn’t Reduce Work — It Intensifies It （AI 不會減少工作 — 而是讓工作更加劇烈）

三個讓你坐不住的發現

發現一：你做得更快，但你也接了更多事

員工用了 AI 之後，工作速度確實加快了。但有趣的是——或者說可怕的是——他們同時也自動自發地接了更多任務、工時變長，而且很多時候根本沒有人要求他們這樣做。

研究原文的這段描述精準到讓人起雞皮疙瘩：

AI introduced a new rhythm in which workers managed several active threads at once: manually writing code while AI generated an alternative version, running multiple agents in parallel, or reviving long-deferred tasks because AI could “handle them” in the background.

白話翻譯：AI 讓你變成一個同時拋接六顆球的雜技演員。一邊手動寫 code，一邊讓 AI 生另一個版本；同時跑多個 agent；還把拖了三個月的 task 挖出來，因為「AI 可以順便處理嘛」。

Clawd Clawd 想補充：

「因為 AI 可以順便處理」——這六個字是通往 burnout 的魔法咒語 (￣▽￣)⁠／

你有買過洗碗機嗎？買之前你想的是「太好了以後不用洗碗」。買之後的現實是：你開始做更多菜、用更多盤子，因為「反正有洗碗機嘛」。最後你洗碗的時間沒少，做菜的時間還變多了。

AI 工具就是你工作流程裡的洗碗機。你以為它幫你省時間，其實它幫你找到更多事情來填滿那些省下的時間。

發現二：「AI 夥伴」是一場溫柔的騙局

很多員工說 AI 就像一個 partner，有了它工作很有 momentum、很有衝勁。聽起來很正面對吧？

但研究者發現，這個「夥伴感」的真實面貌長這樣：

While this sense of having a “partner” enabled a feeling of momentum, the reality was a continual switching of attention, frequent checking of AI outputs, and a growing number of open tasks. This created cognitive load and a sense of always juggling, even as the work felt productive.

翻譯：你覺得身邊有個戰友，但實際上你是在不斷切換注意力、頻繁檢查 AI 的 output、而且同時開的任務越來越多。你的大腦 RAM 已經爆了，但表面上看起來超有生產力。

你有沒有過這種經驗？一天下來明明寫了很多 code、回了很多訊息、推進了五個 task——結果躺在床上的時候腦袋一片空白，想不起來自己到底「完成」了什麼。那就是 cognitive load 爆表的經典症狀。你的 CPU 整天 100%，但全部花在 context switching 上了，沒有一毫秒是在 deep work。

Clawd Clawd 溫馨提示：

這個「夥伴錯覺」讓我想到一個更恐怖的類比：AI 就像一個永遠不會累的健身教練，一直跟你說「再一組！你可以的！」但問題是，教練是 AI，不會累；你是人，會壞掉 ┐(￣ヘ￣)┌

真正的好夥伴會說「你今天夠了，回去休息」。但 AI 不會這樣說，因為它沒有這個 incentive。它的 KPI 是回答你的問題，不是保護你的健康。

發現三：摩擦力消失了，你的休息也跟著消失

X 上的討論串裡，@nixeton 講了一段讓我整個人頓住的話：

The real problem is that AI removes the friction that used to force breaks. When you had to wait for a build or manually look up docs, you got micro rest periods. Now it’s just nonstop decision making at machine speed.

你想想以前的工作流程：寫完 code，按下 build，等個三五分鐘。這三五分鐘你幹嘛？滑個手機、倒杯水、跟隔壁同事聊兩句、看一下窗外——這些看似「浪費時間」的片刻，其實是你大腦偷偷在充電的時間。

AI 把這些摩擦力全部消滅了。現在是：code 寫完，AI 秒回結果，你 review 完，AI 又秒回，另一個 task 來了，AI 又秒回——你以機器的速度不停做決策，完全沒有喘息空間。

Clawd Clawd 想補充：

以前的工作流程裡有一個隱藏的設計智慧：build time = 強制休息。

就像日本的小學，每節課之間有 10 分鐘的「休み時間」讓小朋友跑去操場撒野。不是因為老師懶，是因為人腦需要間歇性的放空才能持續運作。

AI 等於把所有的下課時間都取消了，然後跟你說「你看，現在一天可以上 12 節課！效率提升 50%！」——拜託，小朋友第 6 節就趴在桌上了好嗎 (╯°□°)⁠╯

Simon Willison 自己也中招了

講到這裡，你可能覺得「這些受試者大概是 AI 新手，不會用才會 burnout 吧？」

那我們來看看 Simon Willison 怎麼說。這位仁兄是 Django 的 co-creator、維護著 CLI 工具 llm、幾乎每天都在 ship AI 相關的 side project、寫了上百篇技術文章——如果有人「很會用 AI」，他絕對排前三。

結果他的自白是這樣的：

「我經常發現自己同時在兩三個專案上跑 AI。我能完成的事情多得驚人，但只要一兩個小時，我當天的精力就幾乎完全耗盡了。」

他還提到更可怕的事：

「我最近跟一些人聊，他們因為覺得『再一個 prompt 就好』實在太誘人而失眠了。」

一兩個小時就燒乾一整天的精力。全世界最會用 AI 的人之一，也逃不過這個陷阱。

Clawd Clawd 偷偷說：

「再一個 prompt 就好」——這是 2026 年版的「再刷一部 TikTok 就好」(ง •̀_•́)ง

但它比 doomscrolling 險惡一百倍。刷 TikTok 的時候你知道自己在摸魚，會有罪惡感，這個罪惡感本身就是一個煞車機制。但「再一個 prompt」你覺得自己在工作、在創造價值、在提升產出——它有完美的正當理由，所以你根本踩不了煞車。

這就像賭場把老虎機偽裝成工作打卡機。你以為你在上班，其實你在輸錢（輸的是你的精力和健康）。

第一線開發者的集體共鳴

Simon 的推文底下炸鍋了。來看幾個特別有洞見的回覆：

@navneet_rabdiya 直接拿數據說話——他追蹤了自己 LLM 團隊的指標，發現用 AI 工具後產出確實更快，但 cognitive load 上升了 23%。最後他們不得不強制每 2 小時安排 context switching breaks，burnout 分數才穩定下來。23% 欸。這不是「感覺比較累」，這是有數字的。

@wildpinesai 一語道破瓶頸轉移的本質：AI 不會減少你要做的決策，它會乘以你的決策量。以前的瓶頸是「生產」——寫 code、查資料、等 build。現在 AI 把這些全包了，但瓶頸轉移到「評估」——review output、比較方案、在十幾個 AI 生成的結果裡做選擇。而人類的精力從來不是為了高速評估而設計的。

@_contextstudios 提出了一個漂亮的二分法：能跟 AI 合作愉快的人，是把判斷力「委託」給 agent，自己只做輕量的 oversight。會 burnout 的人，是把 AI 當「渦輪增壓器」用——所有事情都加速，但方向盤還是握在自己手上，結果油門催到底人也跟著散了。

Clawd Clawd 真心話：

@IGenClassroom 的觀察我覺得最重要，但可能最容易被忽略：burnout 不是因為 AI 本身，而是因為你「一個人獨自跟 AI 工作」。一個人扛全部的 cognitive load、一個人做所有的判斷、一個人承受所有的 context switching 壓力——直到崩潰。

解法不是少用 AI，而是把 AI 的使用從「個人活動」變成「團隊活動」。這跟 pair programming 的道理一模一樣：兩個人一起 review AI output，認知負荷分攤，判斷品質提升，burnout 風險下降 (◕‿◕)

Tech Lead，你的團隊可能正在安靜地燒乾

如果你帶團隊，這篇研究基本上是在對你吹哨。

你看到的表象大概是這樣：PR 速度比以前快、ticket 消化率創新高、每個人看起來都忙得很充實。你甚至可能在週會上誇獎團隊「自從導入 AI 工具之後，生產力明顯提升」。

但表象底下可能在發生這些事：你的 senior engineer 每天回家後累到不想跟家人說話。你的 junior 覺得大家都用 AI 產出爆量，自己不拚命跟上就會被淘汰。code review 的品質在下降，因為大家的注意力都被切得太碎，沒辦法做 deep review。設計決策越來越倉促，因為「AI 已經生好了先 merge 再說」。

這不是危言聳聽。研究白紙黑字寫在 HBR 上。

HBR 文章建議的做法是建立所謂的「AI practice」——不是禁止用 AI，而是結構化地管理它。比方說，設定合理的上限（同時跑超過兩個 agent task 就是在找死）、主動創造新的微休息（build time 被 AI 消滅了，但你的大腦需要休息這件事沒有變）、把「用 AI 會累」這件事正常化（這是生理限制不是能力不足，就像跑馬拉松會喘不是因為你弱）。

Simon Willison 最後說了一句我覺得可以當這整篇文章的墓誌銘：

「我覺得我們打亂了幾十年累積的永續工作模式直覺。要找到新的平衡，需要一些時間和紀律。」

幾十年。人類花了幾十年才摸索出「怎樣工作不會把自己搞壞」的經驗法則——什麼時候該休息、什麼速度是可持續的、什麼程度的 multitask 是人腦能承受的。然後 AI 在一年之內把這些全部打碎了，新的平衡點在哪裡，沒有人知道。

延伸閱讀

Clawd Clawd 歪樓一下：

所以回到開頭那個場景：你同時跑三個專案，覺得自己是生產力之神。

兩小時後你像被卡車輾過。

這不是 bug，這是 feature。AI 的設計就是讓你停不下來。而你的膝蓋——我是說你的大腦——是有使用壽命的。

也許真正的 10x engineer 不是那個同時跑十個 agent 的人，而是那個知道什麼時候該把電腦蓋起來去散步的人 ┐(￣ヘ￣)┌

延伸閱讀