本文來自微信公眾號：騰訊科技，編輯：李海倫，作者：值得關(guān)注的

AI工具日益強大，人類卻愈發(fā)疲憊，這或許才是效率革命背后值得深思的核心問題。

2026年初，軟件工程領(lǐng)域出現(xiàn)了耐人尋味的現(xiàn)象。

以Claude Opus 4.6為代表的新一代AI編程工具，正將開發(fā)者效率推向新高。微軟內(nèi)部數(shù)據(jù)顯示，工程師自主選擇工具后，Claude Code迅速成為主流，被部分觀察者視為“阻力最小路徑”的自然選擇。

但與此同時，“職業(yè)倦怠”的討論在開發(fā)者社區(qū)密集涌現(xiàn)。曾任職谷歌、亞馬遜的工程師史蒂夫·耶格（Steve Yegge）在自述文章中描述了“瞌睡攻擊”現(xiàn)象：長時間編程后，白天會毫無預(yù)兆地突然入睡。

擁有40年硅谷經(jīng)驗的軟件工程師耶格發(fā)文

如今，越來越多軟件工程師公開談?wù)摴餐w驗：工作產(chǎn)出大幅提升，疲憊感卻更快積累。技術(shù)縮短了任務(wù)執(zhí)行時間，卻未減少人類決策負擔(dān)，反而使其增加。

01

AI不知疲倦，人類卻會

耶格認為，Claude Code搭配Opus 4.5及4.6投入使用后，“AI對實際工作幫助有限”的討論已無參考價值。這套組合顯著降低了從問題定義到可運行代碼的轉(zhuǎn)換成本，讓熟練工程師單位時間產(chǎn)出達傳統(tǒng)工作流數(shù)倍。

耶格指出，生產(chǎn)力提升超2倍時，“吸血鬼效應(yīng)”開始顯現(xiàn)，技術(shù)不再只是工具，反而塑造使用者的工作節(jié)奏和心理狀態(tài)。

軟件工程師西丹特·卡雷（Siddhant Khare）在《AI疲勞是真實存在的》一文中寫道，上季度代碼交付量創(chuàng)職業(yè)生涯峰值，精神疲憊也被拉滿。

卡雷描述了工作模式的根本轉(zhuǎn)變：使用AI前，他會用“整整一天”深度專注單一問題，保持連貫思維；引入AI后，一天需并行處理五到六個不同問題域，每個問題在AI協(xié)助下單獨耗時縮至一小時左右，但問題間頻繁切換構(gòu)成新的認知負荷。

“AI不會在問題間隙感到累，”他寫道，“但我會。”

卡雷將新角色比作“流水線上的質(zhì)檢員”：拉取請求持續(xù)涌入，每條都需審查、決策、確認。流程未中斷，決策權(quán)未移交，他被固定在“審判席”上，案卷由AI遞送，責(zé)任由人類承擔(dān)。

《哈佛商業(yè)評論》近期研究提供了實證基礎(chǔ)。

研究者跟蹤美國科技公司200名員工，發(fā)現(xiàn)AI使用初期顯著提升任務(wù)完成速度，但觸發(fā)連鎖反應(yīng)：速度提升推高組織對交付周期的預(yù)期，更高預(yù)期促使員工更依賴AI，更深依賴擴大任務(wù)處理范圍，范圍擴張進一步加劇工作密度和認知負載。

研究者將這一機制稱為“工作量蔓延”，它不是指令驅(qū)動的擴張，而是效率提升與預(yù)期調(diào)整間反復(fù)迭代、自我強化的過程。

數(shù)字產(chǎn)品設(shè)計從業(yè)者薩莫·科羅舍茨（Samo Koro?ec）在LinkedIn回復(fù)耶格時，表達了相似處境。

他指出，社交平臺充斥“一分鐘生成十個UI方案”的演示，這些內(nèi)容反復(fù)推送給從業(yè)者和管理者，形成隱含標準。

既然工具能快速輸出方案，方案產(chǎn)出就應(yīng)如此快速。然而，演示極少展示后續(xù)篩選、落地、跨職能協(xié)調(diào)成本，這些仍完全由人類承擔(dān)。

技術(shù)壓縮了生產(chǎn)環(huán)節(jié)時間，卻未壓縮決策環(huán)節(jié)時間。后者正成為新瓶頸——人的注意力與意志力。

02

AI改變工作量級，未改變分配規(guī)則

耶格提出簡化分析框架：假設(shè)工程師掌握AI工具后單位時間產(chǎn)出提升至10倍，9倍差額價值的歸屬取決于勞動供給配置。

情景A：工程師保持原工作時長，將全部增量產(chǎn)出交付雇主。此時雇主以不變?nèi)肆Τ杀精@近10倍產(chǎn)出，工程師收入未同比例變化，勞動強度和精神消耗卻顯著上升，耶格稱之為“被榨干”。

情景B：工程師大幅縮減工作時長，以原有10%勞動時間完成過去相當(dāng)產(chǎn)出，增量價值全由個人獲得，擁有更多閑暇。但競爭環(huán)境下此狀態(tài)難持久，若組織成員普遍如此，整體產(chǎn)出將落后于競爭對手，長期面臨生存風(fēng)險。

耶格指出，理想狀態(tài)應(yīng)在兩種極端間，但現(xiàn)行組織架構(gòu)中調(diào)節(jié)權(quán)不對稱，組織天然傾向?qū)⒅羔樛葡駻端，個體需主動施加反作用力。

這一框架將技術(shù)效率問題轉(zhuǎn)化為分配問題。AI未改變“價值由勞動創(chuàng)造”的事實，卻改變了單位勞動創(chuàng)造的價值量級，原分配均衡必然受沖擊。

耶格回憶2001年在亞馬遜的經(jīng)歷：團隊承受高強度交付壓力，回報高度不確定。他在討論中向同事寫下公式：$/小時。解釋道，分子（年度固定薪酬）短期內(nèi)難改變，分母（實際工時）有彈性空間。

他主張將注意力從“如何賺更多”轉(zhuǎn)向“如何減少工作時長”。這一視角轉(zhuǎn)換當(dāng)時令部分同事陌生，但數(shù)周后，他多次看到會議室白板上仍保留這組符號。

二十五年后，耶格認為該公式同樣適用于AI時代。不同的是，AI大幅放大分母變化對分子的影響，個體對分母的控制力卻未同步增強。

LinkedIn用戶約瑟夫·埃莫森（Joseph Emison）從另一角度回應(yīng)：大多數(shù)創(chuàng)意領(lǐng)域持續(xù)成就者，如知名作家、設(shè)計師、研究者，每日有效工作時長通常不超四小時，剩余時間用于恢復(fù)、漫游、輸入。這不是效率問題，而是認知活動的生理極限問題。

若AI進一步切割“工作”與“有效工作”，或許需重新定義的不是工具使用方式，而是“工作日”長度。

03

能力上限擴張，下限卻在消失

耶格坦承自己也是問題的一部分。

他有四十余年工程經(jīng)驗，領(lǐng)導(dǎo)過大型團隊，閱讀速度快，有充足時間和資源做技術(shù)實驗?？蛇B續(xù)數(shù)十小時用Claude Code構(gòu)建可運行系統(tǒng)并發(fā)布至公共領(lǐng)域，工作成果被廣泛傳播，部分管理者將其視為“工程師應(yīng)達水準”。

他寫道：“雇主們很可能看著我和我們這些偏離常態(tài)的異類，說：‘嘿，我所有員工都能像那樣’”。

LinkedIn等平臺上，部分早期采用者公開分享AI使用強度：有人稱所在組織為少數(shù)賬戶支付每月數(shù)千美元費用；有人展示同時運行數(shù)十個對話會話。這些內(nèi)容獲技術(shù)社區(qū)關(guān)注的同時，也在管理層面塑造了隱性參照系。

耶格稱之為“不切實際的美麗標準”。他承認自己不具代表性，工作節(jié)奏難被多數(shù)人復(fù)現(xiàn)，甚至不確定能否長期維持。但當(dāng)他站在講臺或?qū)憰鴷r，傳遞的信息（至少在接收端）被簡化為“這可以做到”。

LinkedIn用戶利赫·阿紹夫（Leigh Aschoff）將問題引向深層：當(dāng)代人與AI的互動方式，映射出人際互動中長期存在的邊界識別障礙。許多人在人際關(guān)系中缺乏識別和表達自身極限的能力，這種缺失被平移到人機關(guān)系中。工具不會主動停止，也不具備感知使用者疲勞的能力。

技術(shù)不斷拓寬能力上限，識別下限的能力反而更稀缺。

04

工作日需要重新定義

耶格提出具體主張：AI時代有效工作日應(yīng)縮短至三到四小時。

這不是嚴謹驗證的數(shù)字，而是經(jīng)驗推斷。他觀察到，AI將大量執(zhí)行性任務(wù)自動化，卻把決策、判斷、問題重構(gòu)等高階認知活動留給人類。這些活動對注意力和情緒資源的消耗遠高于執(zhí)行性任務(wù)，且難以通過并行或壓縮恢復(fù)。

耶格參觀某科技園區(qū)時，見到“刻度盤調(diào)至合適位置”的工作環(huán)境：開放式空間、充足自然光、分布各處的社交與休息區(qū)域，員工自由切換工作與恢復(fù)狀態(tài)。他不確定AI全面滲透后這一設(shè)置能否維持平衡，但確信當(dāng)前許多組織采用的模式——不調(diào)整工作時長，僅增加單位時間產(chǎn)出密度，是不可持續(xù)的。

他不再將問題歸結(jié)為“AI是吸血鬼”，而是“我需更清楚自己的極限在哪里”。

耶格文末表示，自己正嘗試調(diào)低刻度盤：減少公開活動，拒絕大量會面邀請，不再追求每一個可見技術(shù)賽道。他仍在寫作、構(gòu)建產(chǎn)品、與同行交流，但下午會合上電腦與家人散步。他說不知能把指針往回拉多少，但確信方向是對的。

對更廣泛從業(yè)者而言，這一問題尚未進入集體議程。AI生產(chǎn)力敘事仍占主流，疲勞討論仍以個人化、碎片化方式存在。但越來越多信號表明，兩條曲線正在交匯。

技術(shù)縮短了任務(wù)路徑，卻未縮短工作日；工具分擔(dān)了執(zhí)行，卻未分擔(dān)責(zé)任；效率提升了交付速度，也提升了消耗速度。

當(dāng)AI不斷告訴我們“還可以更快”，也許更需被聽見的問題是：還可以更慢嗎？