晚上十点，一个窗口还在生成，另一个已经弹出了新结果。你手上那份没看完的稿子，又多出几处要核对的地方。
以前是自己从头做，现在更像站在流水线尽头做质检：产出的是机器，签字的是你。
这不是个别感受。
2026年3月，员工行为分析平台 ActivTrak 统计了1111家组织、16.36万名员工、超过4.43亿小时的数字工作记录。
AI普及后，工作日时长只缩短2%，协作量涨34%，多任务处理增加12%，周末工作时间增长超过40%。小红书知乎
可另一组数据又说，AI确实在提效。
2026年发表在《Management Science》的三项随机现场实验，覆盖4867名开发者。
拿到AI代码补全工具的人，完成任务或提交审查的代码改动数量，平均多出约26%。两个数字不矛盾，只是测的不是同一批人、同一类任务。一个量产出，一个量时间。知乎
2025年，AI评估机构 METR 找16名资深开源开发者，用246个自己熟悉的真实任务做随机对照。
用AI的那组，平均慢了19%。
更扎心的是，他们动手前预估AI能快24%，做完之后仍觉得自己快了20%。感觉快了20%，表上慢了19%，中间差着39个百分点。这就是「生成」和「验收」之间的账。知乎
AI把生成的价格打到了接近零。一段代码、一份周报、一版方案，几秒钟就能出来。但验收没有降价：读一遍、核一遍、判断对不对、决定要不要，还是得人来。
DX 对四百多家公司的工程分析很直接：AI带来的PR吞吐量提升中位数只有7.7%，单个PR的中位规模从44行涨到72行。
Faros 的数据说，review 耗时涨了将近200%。知乎
生成从小时级压到分钟级，瓶颈就挪到了人身上。你优化了一个已经不是瓶颈的环节，系统不会更快，只会让堵在路上的时间更显眼。
代码只是最早把这笔账摆上台面的地方。写周报、做方案、整理会议纪要，走的是同一套流程：生成变便宜，验收没变。
更麻烦的是，省下来的时间不会自动留在你手里。
排期从两周一轮压到一周一轮，该砍的需求也不砍了——「AI写得快，那就都做了吧」。产出便宜了，用量涨得比效率还快，这就是杰文斯悖论。
还有一笔账没算：AI可以给你十个方案，选错的那个是你；代码上线崩了，背锅的也是你。产出成倍增加，责任人还是一个人。
不是只有代码。BetterUp Labs 和斯坦福的调查说，40%的美国白领每月都会收到AI生成的「工作垃圾」，处理它们平均每人每月多花近两小时。
所以，问题不是要不要用AI，而是先算哪一笔账。
一个简单的办法：把「生成时间 + 验收时间 + 返工时间」加在一起，再和原来自己做的时间比。很多人只算了第一项。
如果验收比生成还贵，AI在这个环节就是负效率。熟悉的老项目、要对外发布的稿子、跨团队的决策，通常都属于这一类。
反过来，格式转换、模板初稿、陌生领域的入门、把会议录音变成待办，这些活的验收很便宜，AI省下来的才是真时间。
一位首席架构师的做法更干脆：看不懂的AI代码，直接扔掉。与其在错误的基础上打补丁，不如回退重来。代码太多，就先让Agent少写一点。36氪
团队层面还得补三句话：什么算完成，哪些结果必须回到来源核对，出错之后谁把原因变成下一次的检查规则。说不清这三句，AI产得越多，后面排队的人越累。
上AI之前，也可以先列一张产出清单：每周固定交出去的东西，逐项写清「做多久、谁在看」。没人看的，别交给AI，直接停。
砍掉的工作，往往比AI能省下的还多。
AI替掉的是执行，不是验收。执行省下来的那几个小时，得先过验收这一关，才算你的。
这道关不设，提效就只是把加班从工位挪到了周末。
