知乎上周有个回答被顶得很高：“一张进度表，以前我自己看两遍就过。现在AI先给我出一版分析，我得逐条核它说得对不对。核完一轮，时间没省下，脑子先累了。”
这不是个例。小红书搜"AI提效"按最新排，一周内前20条里有4条在说同一件事——活儿没少、人更累；有帖子的原话是公司上了AI工具后"下班前要多花一小时检查AI的输出"；有人让AI跑了一半的方案，“扫一眼觉得方向不太对，但说不上哪不对，想让它重来又怕更偏，干脆自己上手改了”。10月8日一条微软员工的吐槽被顶了89条评论：如果AI没让我涨工资，反而让我工作更累，还让电子产品变贵了，那AI存在的意义是什么。知乎小红书
把这几天的帖子、研究和评测拼起来看，一个此前被"省时间"叙事盖住的东西浮出来了：用AI之后，你并没有少干活，你只是换了工种——从执行者换成了审核员。而这个审核岗，目前没有SOP。
先说三个硬数据，它们拼在一起才完整
第一个：波士顿咨询今年3月发在《哈佛商业评论》上的研究，给这症状起了名字——“AI脑疲劳”（AI brain fry）。样本是1488名美国全职员工，14%明确报告了这种疲劳。 注意边界：不是14%的人都废了，而是集中出现在"重度监督AI"的人群——那些一天要盯AI交很多次活的人。研究给的机制也很直白：过度监督AI工具，已经超出了人的认知极限。干活累的是身，盯AI累的是"随时准备抓错"的那根弦。知乎
第二个：9月中旬开始，技术圈在传一个新出的长任务智能体评测，讲清楚了弦为什么必须绷着。108件真实白领工作，熟练的人平均干1.6小时，AI平均要操作三百多步才做完。结果是最强的系统完整做对22件，20.6%；同一批系统在"点几下就完事"的短任务上成绩是八成以上。平均完成度54.8%——大半的活它真干了，就是收不了尾。而所有数字里最刺眼的一个：这些AI花在"检查自己做错没有"上的力气，不到7%，剩下九成多全在往前冲。它不回头看，所以错了也不知道，一路错到底。小红书
里面还有一道值得每个用AI干活的人记住的算术：就算单步做对概率有99%，连乘318步，全对只剩4.1%；提到99.9%才能回到72.7%。差0.9个百分点，结果差18倍。你的AI初稿翻车，多数不是模型变笨，是活变长了。小红书
第三个：斯坦福HAI的新研究，把"累"从个人问题还原成了配置问题。2023年全球55%的组织报告自己在用AI，两年后涨到88%——普及曲线和疲劳投诉是同一条曲线。研究者在一家律所做了近两年的对照观察：两个业务、人数、薪酬结构几乎一样的部门，拿到同一款AI工具，唯一的区别是管理者怎么介绍它。一个部门听到的是"帮你更快起草、缩短周转"，律师助理用完觉得自己"只是机器上的又一个齿轮"，没人试新功能；另一个部门听到的是"哪些活最无聊？让AI替你干掉，腾时间做更有意思的事"，结果使用频率高出58%，尝试新用法多出70%。 同一个工具，引入方式不同，一个变齿轮，一个变外挂。知乎
为什么"检查AI"比"自己干"更耗人
把三个数据放一起，机制就出来了。
你自己干活时，思考和执行是同一条流水线——写到哪、错在哪、哪里没把握，你身体里有数，检查是"顺便"的。AI干活时，执行跟你无关了，你只剩一个纯监督动作：在一段你没有参与的产出里，找回丢失的上下文，判断它错在哪一步。评测那边算过一笔实账：一件96分钟的活，按54.8%的完成度折算，AI确实替你干掉了53分钟——但你接手之前得先搞清楚它干到哪了、哪几步歪了，这段时间不在任何评测报表里。省下的53分钟，很可能被这笔"上手税"吃回去，这就是"教程说省2小时、评论区说更忙"同时成立的原因。
再叠一层AI的"防御性写作"：小红书最近也有帖子在吐槽，让AI分析数据、写文档，“写出来的东西大而全，没有重点，废话还多”。AI天然倾向于把话说得确定、完整，“可能受影响"会被写成"将导致”。通顺是它最强的地方，也是你最容易放下戒心的地方——读起来越顺的材料，漏检率越高。
把"检查"拆成四只手，别一双手全自己扛
社区里自救的方法已经卷起来了：9月11日小红书一条"10个复核提示词，能挡住90%的返工"拿了281个收藏，把AI交付前该查的事列了10类——幻觉编造引用、把推测写成事实、漏项、数字单位口径、前后矛盾、建议不可落地、合规隐私、受众错位、专有名词称谓、引用时效。 收藏率远高于点赞，说明这个需求是真的饿。小红书
但这10类其实不该都由你查。按"谁最擅长查"分一下手：
交给AI复查的：机械一致性。漏项核对（对照任务要求逐条打勾）、分项加总等于总计、前后章节口径矛盾、复述验收标准。这正好补上AI自己不肯花的那7%——你不问它"做完了吗"（它一定说做完了），而是给它一张核对清单让它逐条过。
交给搜索/原文的：来源核验。数据、法条号、标准号、人名职务、政策时效。幻觉引用查无实据，AI自己验自己是验不出来的，必须拿外部源对。
只有你能查的：判断类。受众错不错位（你把推演过程写了十页、领导要的结论在最后一页）、称谓抬头、合规边界。这三样错一次就报废整份材料，且AI越顺你越看不出来——这半小时不能省。
前置的：别让活跑到318步。评测给出的五个补丁里最值钱的一条其实发生在生成之前：把长活拆成短活，一次只让它干一件"能验收"的事，验收标准写在最前面。拆一段、核一段，你的上手税就按段付，不用一次还本付息。
什么人值得把检查流程改了，什么人先别动
按"错的代价"分三档就够用：
要对外、要签字的（报上去的方案、发出去的邮件、含数字的汇报）：数字全核、来源全核、称谓受众人工核，AI只做一致性。这一档不省时间，省的是事故。
内部流转的初稿（脑暴、框架、会议纪要、长文打底）：抽核。看头尾和中间各抽一段，重点看"它替你补的案例和引用还在不在原位"——AI编的东西往往长得很专业。
纯给自己看的（学习摘要、资料清洗）：直接吃54.8%，错了再问。这一档才是AI提效的真甜区。
另外给带团队的提个醒：斯坦福研究里最扎心的一条是，有些公司开始按员工token消耗量、生成文本量考核"AI使用度"——“用得多"不等于"有价值”，只会逼人生成猫咪表情包凑配额。 你团队里那个"用AI更累了"的人，很可能不是不会用，是他在替全公司当质检员，而这部分工作量从没进过任何报表。知乎
接下来盯什么
一是各家的Agent长任务评测数据——“完成度54.8%”"自查不到7%"这类数字如果下个版本明显抬升，说明托管边界真的在移动，你可以把第二档范围往第一档推；二是办公套件往"交前自验"方向做的功能（现在谁把"自检清单"做成默认流程，谁才是真的在降你的审核税）；三是社区里"复核提示词"的迭代，那是同行用返工换来的免费功课。
最后对个账：这件96分钟的活，AI替你干掉53分钟，剩下的检查你只用了不到20分钟，那今天就是真赚。AI当实习生用，效率是真高；当成能托管的员工用，返工成本会全额回到你身上。你让AI干过最长的一件活是什么，它干到哪一步歪的？评论区晒一下你的翻车节点，比看一百篇教程都管用。
