AI效率争议：两步提升方案，告别“工作垃圾”困扰
AI的“蜜月期”似乎正在过去。曾几何时，这些智能工具被寄予厚望，承诺将我们从繁琐重复的劳动中解放出来。但如今，一种普遍的反弹情绪正在蔓延——越来越多的人开始感觉，某些AI非但没有成为得力助手，反而成了拖累效率的障碍。
最近，简历模板服务商Zety发布的《工作垃圾信任报告》揭示了一个值得玩味的现象：高达45%的美国专业人士坦言，正是因为所谓的“工作垃圾”，他们在职场中使用AI时变得格外谨慎。
那么，什么是“工作垃圾”？报告将其定义为那些由AI生成的、外表光鲜却内里空洞的产出：它们可能缺乏准确性，没有实质内容，或者未经充分审核。问题在于，这类低质量输出并非无伤大雅，它们正在对团队和组织产生持久而负面的影响。
具体危害有哪些？数据很能说明问题：57%的受访者认为这会降低对AI的整体信任度，51%的人直指其降低了生产力，还有46%的人担心它会损害公司声誉。对于一项本意是提升效率的技术来说，这些风险无疑敲响了警钟。尤其是对那些将生成式AI和智能体视为解决重大职场难题钥匙的专业人士而言，这个反差格外刺眼。
正如Zety的内部职业专家Jasmine Escalera所总结的：“AI确实在重塑我们的工作方式，但遗憾的是，并非总是朝着更好的方向。”
面对这种局面，专业人士该如何破局，确保AI真正服务于人，而不是适得其反？
答案在于两个关键转变：重新定义生产力，并保持战略耐心
汤森路透的首席技术官Joel Hron，肩负着在这家全球性内容与技术公司推动AI应用的重任。根据过去两年的实战经验，他分享了一个核心洞察：对“AI生产力”的理解，本身就需要持续刷新。
“当下一个重要的思维转变，是建立‘AI优先’的 mindset，”Hron解释道，“这意味着审视你每天的常规工作，并首先思考：‘我如何让AI来打头阵完成基础部分，然后我再以更高层级的判断力或直觉介入进行优化和提升？’而不是反过来，事事亲力亲为。”
他将这种转变描述为公司内部正在发生的一种有趣的工作文化演进，在软件工程领域尤为明显。这很可能是一个信号，预示着其他职能岗位也将陆续迎来类似的模式升级。“‘AI先行，人类殿后’的工作模式，无疑是未来一年需要重点关注的趋势。”Hron补充道。
技术专业公司理光欧洲的首席信息官Nick Pearson则指出，能在这场工作实践中游刃有余的专业人士，往往对AI的价值创造能力抱有成熟、理性的态度。
为了辅助这一过程，理光甚至开发了一套评估模型，用于判断员工从内部AI市场选择的工具是否真能带来生产力提升。该模型综合考量业务风险、财务回报等多重因素。
“模型会追问：‘这东西真有帮助吗？是真能节省几个小时甚至几天时间，还是仅仅表面功夫？’”Pearson举例说，“比如，AI是在生成会议纪要吗？坦白讲，如果只是机械记录，没人在乎。那并不是创造价值的关键。”
房地产专业公司Segro的首席信息官Richard Corbridge的建议更为根本：实现生产力增益的核心，在于营造一种学习型文化。这种文化既能清醒认知“工作垃圾”的风险，又能精准定位AI在哪些环节可以扮演“得力副手”的角色。
“生成式AI，顾名思义，擅长‘生成’输出。但关键在于，我们绝不能放任自流、缺乏监督。”Corbridge强调，“应当把它定位为辅助工具，去帮助那些受过良好训练、拥有丰富经验的同事。我们必须真正理解‘工作垃圾’的概念，不明智地使用工具，风险会指数级上升。”
他喜欢提出一个根本性问题：“我们如何界定AI‘不能’做什么？它本身无法激励团队；它也无法真正无中生有地创造全新事物，因为其本质是递归的。这些，恰恰需要人类判断的闪光点。”
部署只是开始：真正的收益来自持续的“艰苦努力”
引入AI工具仅仅是万&里长征第一步。想要收获实实在在的生产力红利，后续的耕耘往往更加考验耐心。
Joel Hron透露，汤森路透采用内部模型与商用工具组合的策略来支持其AI服务。然而，并非所有使用者都能立即看到价值。“有时，人们试用后发现工具不完全顺手，或者效果不及预期，就容易得出结论说‘AI还没准备好’，然后弃之不用。”Hron指出，“但这恰恰错过了重点。”
他的团队从实践中学到：在使用AI服务时，“坚持”二字会有回报。“那些愿意围绕AI工具构建系统、为其奠定数据基础、并持续引导其朝正确方向演进的人，最终会踏入一条其他人无法触及的指数级增长曲线。”Hron分享道，“但这需要努力和毅力。通常，团队中会有一个极度好奇且愿意投入的先行者，而他的探索成果，最终会让整个团队受益。”
理光的Nick Pearson也认同坚持的重要性。他预见，那些能巧妙融合AI能力与人类专长的员工将变得极度抢手，因此他们的期望值也会水涨船高。当这些人才评估新工作机会时，雇主能提供怎样的AI工具与环境，将成为重要的评判标准。“员工体验正在被重新定义。人们会明确表示：‘这些是我期望在新公司拥有的工具和能力。’”
对于那些学会安全高效使用AI的“坚持者”，他们将占据显著的职业优势。而对雇主而言，Pearson建议，成功的关键在于在风险与回报之间找到最佳平衡点。
“我们之所以密切关注这些问题，归根结底是因为在吸引和留住顶尖人才时，候选人很可能会问：‘等等，我上一家公司有几个智能体真的极大提升了我的效率。你们这里，有类似的智能体生态系统吗？’”
Segro的Richard Corbridge给出了一个简洁的结论：坚持终见成效。尽管对AI的反弹情绪在上升，但技术本身将继续进化与发展。专业人士的焦点，必须放在如何深度掌握并有效利用其能力上。
“关于‘AI泡沫何时破裂’的讨论很多，”Corbridge说，“但我个人并不认为它会破裂。我相信AI会长期存在，并持续深化。它，不会消失。”
Q&A
Q1：什么是“工作垃圾”？它有什么危害？
“工作垃圾”特指那些由AI生成的、外表精致但内里缺乏准确性、实质内容或充分审核的工作成果。其主要危害体现在三个方面：降低组织对AI的信任度（57%的受访者认同）、实际降低生产力（51%），以及可能损害公司声誉（46%）。近半数的美国专业人士表示，正是因为担心产出“工作垃圾”，他们在工作中使用AI时变得更加犹豫和谨慎。
Q2：如何避免AI降低生产力？
核心在于两大策略：一是从根本上重新思考生产力模式，倡导“AI优先、人类优化”的工作流程，即让AI承担初始任务，人类再介入进行高阶判断与完善；二是保持战略上的坚持，积极围绕AI工具构建支持系统，为其奠定良好的数据与应用基础，并持续引导优化，而不是在遇到初期不适或挑战时便轻易放弃。
Q3：专业人士应该如何正确使用AI工具？
正确的定位是将AI视为强大的辅助工具，而非完全依赖的“黑箱”或替代品。必须清醒认识AI的固有局限——例如，它不具备激励团队的能力，也无法真正进行无中生有的原创，因为其运作基于现有模式的递归。关键在于建立有效的人工监督与审核机制，确保AI的产出经过人类专业判断的过滤。同时，使用者需要怀有足够的耐心和好奇心，持续探索与磨合，才能将这些工具的潜力最大化。