10月27日，Bold.org 技术副总裁 oorestisime 写了一篇文章，标题是《AI 承诺让我们少干活，我却从没这么忙过》。
他翻出自己 2019 年以来的 GitHub 贡献数。2020 年做全栈工程师，全年 2,711 次，是最高的一年；2023 年升首席工程师，只剩 1,189 次；2025 年 8 月当上副总裁，前五个月月均 111 次。
按职位，这条曲线该越来越平。实际是，2026 年到 10 月 27 日已经 2,102 次，超过 2021 到 2025 年任何一整年。
8 月 427 次，是整条时间线上最忙的一个月。单日提交 24 次以上的「重度日」，2022 到 2025 年每年只有一天，今年已经 16 天。
团队一个人没少，活多半是他自己加的。以前一周两三件正经任务，一次只装一件在脑子里；现在同时开着几个 agent，一个改代码，一个查生产问题，一个过 review，一个做调研。
没有哪个一直需要我，但每一个都时不时需要我。问题就出在这个「时不时」。知乎
这句话说清了「累」的一半。AI 省下的是生成时间，没省下的是接住它的时间。
每个 agent 迟早带着一个问题、一份待批的计划、一段要读的 diff 回来。回应它，就得把另一个问题、另一个仓库、另一组决定重新装进脑子。
三秒生成，四十分钟核对。有人让 AI 写周报，结构漂亮、用词专业，只有三个数据是编的。你花四十分钟逐条核对，逐条改掉，比平时自己写还多花了二十分钟。微博
更隐蔽的是切换。杭州一位电商运营说，AI 跑起来没准点，三十秒和一小时都有可能。
趁这工夫改点别的，改到一半它跑完了，切回去看结果，再切回来，经常忘了刚才做到哪一步。
这些时间不进报表。能看见的是「十分钟的活一分钟干完」，看不见的是为了让周报有 AI 含量，把十分钟的调价通知写成半小时。
所以累的不是「活多」，是「只剩难的部分」。照规格写代码、按模板填表、排版幻灯片，这些活机械，却给大脑留了喘气的间隙。
现在那些体力活都交给了 AI，留给我们的只剩难的部分，所以压力更大，因为它确实更大。知乎
再往上一层，是组织把「用 AI」本身变成了指标。麦肯锡今年 8 月的报告里，AI 已让 80% 的个人实现了效率提升，但仅有 6% 的企业拿到了真正显著的业务成效。 个人快不等于组织快，中间隔着的正是流程。知乎
考核于是落到使用率上。深圳一位活动策划说，公司要求 AI 使用率达到 70%，达不到扣 20% 绩效。
为了凑「成果」，有人把不重要的工作场景做成 Skill，起个厉害名字；做出来没人用，汇报却好看。一项针对 1000 名美国全职员工的调查里，48% 承认夸大了自己的 AI 使用频率。
另一头，是生产出来的东西没人接得住。一家 AI 创业公司的 CTO 展示过一个 PR：50 万行代码的变更。一个工程师写出来的。然后没有人 Review，因为没办法 Review。36氪
他还发现，代码增删比从每增 1.8 行删 1 行，变成每增 3 行删 1 行——大家都在往里堆，协作反而少了。
「提效」也就容易变成「加活」。一位大厂产品经理说，AI 确实能提效，尤其在写代码和写文档这两个环节，是真的省时间，但它不是总能提效，硬套上去反而添乱。 提效的红利若落不到自己头上，就会变成加活。36氪
那怎么办。不是不用，是把账算全。
先给「同时进行」设个上限。工具不会替人决定今天只开两个 agent，这个限流阀得自己装。
再在开工前把「完成」写清楚：交付什么、边界在哪、哪些不许扩。AI 超范围加的两项，别顺手接。
还有一笔容易被漏掉：把核对和切换的时间算进工时。别再用「生成只花三秒」证明提效，真正的分母是从生成到能交付。
AI 把每一步都变便宜了，这是好事。但便宜不等于省下。
省下的时间不会自动变成空闲，它只会变成下一件事的启动成本。要不要接，得自己说了算。
