这两周，“AI提效"好像变成了"AI更累”——而且大家都能把这句话说清楚了：
B站在流传一场辩论完整版：詹青云对庞颖，辩题就是"AI提效，人反而更累了，是人的问题还是AI的问题"，688赞、620收藏、2.4万播放。小红书上有人从9月29日早上开始更系列，标题直接叫《AI越提效反而更累01：报告里那个1.05%》。哔哩哔哩小红书
微博话题#AI用的越熟练员工反而更累#底下，配的说法是多项研究表明重度使用AI的员工脑力消耗增加14%、决策疲劳高出33%。程序员的圈子里，"AI写代码再快，最多只省7%的时间"被转来转去。微博小红书
不碰AI的人不会为这些话停留。会被戳中的，恰恰是每天拿AI写报告、写代码、做方案的那批人：手确实更快了，人却更累了，时间说不出去哪了。
把这件事说清楚不需要站队，算三本账就行：执行账、判断账、预期账。数字有一手来源也有转引，下面逐个标清楚。
第一本：执行账——真省下来的，是"手"的时间
对账、清洗格式、写样板代码、按模板出初稿，这类高重复、低判断的活，AI省时间是实打实的。这也是所有"提效"宣传里唯一不需要辩护的部分。问题在于，执行时间只是工作的一半，另一半从来没进过统计。
第二本：判断账——审查是"预付"的，不管你用不用
2025年METR做过一个随机对照实验：16名资深开源开发者、246个来自他们自己仓库的真实任务，每个任务随机分配"允许用AI"和"禁止用AI"。结果是用AI的那组，慢了19%。知乎专栏
更扎心的是感知差：实验前，开发者预计AI能让自己快24%；做完之后，他们仍然相信自己快了20%。实测与自感之间，差了43个百分点——连"我到底快没快"都能判错，后面每一个"我觉得这版行"就都要再套一层怀疑。知乎专栏
同一个落差，在个人账本里更具体。开头提到的那位《AI越提效反而更累》系列的作者，把一次任务拆成了两张读数：自估省了36分钟，把写提示、等结果、通读输出、核数字、改口气、重新粘贴全扣回去，真实净省时12分钟——差的24分钟，就是判断账的日息。
屏幕录像说明了时间去哪：主动编码和查资料确实变少，多出来的是提示、等待生成、审查输出，还有一块没产出的空闲。审查这栏有个特殊之处——成本在你打开产出的那一刻就付了，不管你最后用不用。生成三版选一版，不是赚了三个选项，是三笔预付的判断费。
这个实验后来有过更新：2026年2月METR把样本扩到57人、换成2025年底的工具，估算变成老开发者提速18%、新招募提速4%，但两个估算的置信区间都跨零，METR自己声明这组数据因选择效应不可靠、正在重新设计实验。也就是说，连量它的尺子都承认：现在的提效数字，噪声很大。知乎专栏
同一轮更新里还有个细节：30%到50%的开发者告诉研究者，他们有意少交了一部分任务——因为不想在没有AI的情况下做那些活。付费做自己的项目，依然不想。执行外包之后，"从零想清楚"变成不再练习的事，而判断的责任一分没少。知乎专栏
另有一项2025年CHASE会议的访谈研究，问了20位工程师：LLM参与代码评审，情绪成本降低了（机器不挑刺、不阴阳），但认知负荷更高（反馈又长又细，读完消化本身费劲）。这笔账是把情绪成本换成了认知成本，换栏记账，不是消失。知乎专栏
第三本：预期账——昨天的效率红利，明天的最低标准
Harvard Business Review登过一项研究：研究者花八个月观察一家约两百人的美国科技公司，做了40多场深度访谈，结论很意外——AI没有减少工作量，反而加剧了工作强度。产品经理开始顺手写代码，Marketing开始自己做设计，省下的时间立刻被新任务填满。知乎专栏
最典型的膨胀路径不是什么宏大需求，而是"顺便再试一下"：你本来只想做一份汇报PPT，既然AI能生成图表，要不要多加几张？既然能生成网页，要不要换成互动版？每一次"顺便"都几乎免费，加起来就改变了任务的规模。你提高的不是效率，是"完成"的标准基线。知乎专栏
管理层那一侧，也有被反复转引的数据，比如"脑力消耗激增14%，精神疲劳增加12%"，被叫作AI Brain Fry——原始论文我没找到，这种数当方向性信号看，别当结论用。微博
方向在真实职场里能对上：知乎有回答描述公司推AI提效之后的日常，每周要填写提效了多少、统计代码的AI生成率、排名评比，题主自己的总结是"心好累"。同一个问题下有条评论被很多人认同：AI省下的时间别立刻填新活，否则预期水位会永久涨上去。知乎知乎
那位博主给出的办法是不记省了多少、只记去了哪里：每周五十分钟，把毛节省时间拆成"被吃掉的部分（提示、等待、核对、返工）"“再配置的部分”"真正攒下来的部分"三列。他的实测样本里，每周五填的4小时毛节省，被吃掉2.5小时、再配置40分钟，真正没被指派的只剩50分钟。
B站辩论视频底下赞很高的一条评论，把预期通胀说得更狠：以前没AI，效率低其实人有个缓冲层，现在AI打穿了这个缓冲层，事情更快、责任更快、催办更快，人更难脱离工作——等技能都普及了，昨天的效率红利就变明天的最低标准。哔哩哔哩
合起来算：累在"判断带宽"，不在工具
三本账合起来，结论没那么玄：AI真省的是"手"的时间（高重复、低判断：格式清洗、样板代码、批量翻译、按模板出初稿），不省甚至额外花的是"脑"的时间——判断必须串行走，每做一次都要重新装载一遍上下文（现在在什么目标下、用哪套标准、选错代价是什么），而装载这步不出现在任何时间统计里。AI把执行栏搬走之后，判断从批量变成了流式：以前几个分叉口拍板，现在每一条产出都在催你表态。有人形容得更直白：agent的执行速度已经击穿了你的判断带宽，人沦为算法的人肉盖章机器。知乎专栏哔哩哔哩
一个开发任务的时间线最能说明这笔账。以前40天的活儿，30天是写代码，需求理解和测试各占5天；现在AI把写代码压到3天，但需求拆解加提示词设计变成了新的25天瓶颈，验证和集成还要12天——总时长几乎没动，贵的那一栏换了名字：从"手累"换成了"脑累"。
最贵的位置还是那个灰色地带：完全不懂的事，人会承认不懂、去学或绕开；完全懂的事，判断等于执行，很快。AI专门造出第三种状态——“看起来懂”：格式对、术语对、逻辑顺，而你恰好没有储备判断它错在哪。判断力花得最多、换回确信最少的，就是这个位置。
不同人怎么调：先分活，再分预算
先分清你手里哪些活属于"手"、哪些属于"脑"，这比学新提示词有用：
写代码的：样板、测试脚手架、格式化交给AI，架构和边界自己拿。要一个方案，不要三个——三个候选看着更负责，实际是把决策成本推回你身上。
写报告、做方案的：把判断从流改成批。约定固定节点拍板（比如上午十点、下午四点各集中一次），让产出等你，别让你追产出。开工前先写"通过线"，达标就允许自己结束，别顺手加需求。
拿到一份漂亮产出的：对"看起来懂"的部分做15分钟反问——让AI列出依据和假设，顺着来源查数据，再用自己的话把逻辑讲一遍。讲不出来，就是还没懂，别批。
带团队或自己接活的：省下的时间第一周故意不回填，观察老板和客户的"再加一个"是不是变多了。提效收益先落进自己口袋一次，再谈常态化。
有两类人不用跟着焦虑：一类断定"AI没用"的——你的任务可能本来就以判断为主，AI帮不上手不是你的错，也不必神化它；另一类想靠换工具解决累的——累在三本账里，换工具只是换本记，WorkBuddy还是豆包工作，该付的判断费一分不少。
最后
那场辩论里，詹青云的正方立场一句话就能看懂：让人累的不是技术，是人衡量效率的方式没有改变。庞颖那边则提醒：解决人的欲望和预期，比解决AI的实用性难得多。两边都对，但轮得到我们做的，是先把自己的三本账盘清楚。哔哩哔哩
评论区那句我觉得最值得收藏的收尾是："没有耕不完的地，只有累死的牛。"提效的红利归谁，从来不是工具决定的。这个9月，它只是被摊开给所有人看见了。
你最近一次觉得用AI累，是累在来回切换，还是累在一个接一个的判断？
