企业AI隐性成本榜：员工每周6.4小时照看机器人

先列出几个核心洞察：AI正加速渗透职场，却制造了一个耐人寻味的悖论——表面提升效率，实则将大量隐性成本转嫁给员工。他们必须持续为AI补充业务上下文、反复校验输出、在不同平台间频繁切换。这种“隐形劳动”并不轻松。

这项结论来自Glean旗下Work AI Institute的一项调研，样本覆盖6000名全职数字化从业者。报告定义了两类新兴行为：一是“照看机器人”（botsitting），指员工为使AI真正可用而付出的隐性劳动；二是“机器人敷衍”（botshitting），即员工直接发布未经审核、自身也未必理解的AI生成内容。报告联合埃默里大学、斯坦福大学、加州大学伯克利分校等多家高校专家共同完成。

“这形成了一个恶性循环，且会持续自我强化。”Glean研究中心Work AI Institute负责人Rebecca Hinds指出，企业必须正视并解决“AI背后隐藏的庞大人工成本”。

AI已成为职场核心助手，但隐性负担不容忽视

毫无疑问，AI正逐步成为职场中的关键协作伙伴。数据显示，87%的数字化工作者已在工作中使用AI，它可自动化处理超过四分之一的任务，每周为员工节省约11小时。

但问题随之而来：仅13%的受访者认为AI显著提升了公司绩效。更棘手的是，节省的时间又被同一技术消耗——员工每周约三分之一的工作时长（整整6.4小时）用于“照看机器人”：提供背景知识、监督输出、排查错误、清理AI生成内容，以及在不同AI工具间来回切换。

“我们看到工具数量激增，但这些工具之间往往缺乏有效连通。”Hinds表示。

关于背景信息输入，大语言模型虽然基于海量互联网语料训练，但对企业内部特有的数据并不熟悉。因此，员工不得不额外补充公司产品、客户、服务等具体信息。

“当工具对日常工作的理解不足以真正发挥作用时，员工极易产生挫败感。”Hinds强调，“而且由于需要同时操作多种工具，他们经常要反复输入相同的提示词。这对工作者来说极其耗神，更无奈的是，这些付出在组织内部根本得不到认可——既无奖励，也无人关注。”

与此同时，员工还需甄别那些表面完善但实际可能包含错误或遗漏的输出内容。Hinds指出，调试排错是造成疲惫感的最大源头，因为这项工作往往由非内容生成者承担，他们必须先花时间挖掘背景信息。

但她补充道，“并非所有照看行为都是负面的。我们当然希望员工对AI输出保持一定程度的主导权和监督意识。”

“机器人敷衍”现象：批判性思维正在被外包

然而，当照看行为变成不必要的负担，便会催生“机器人敷衍”——员工因不堪重负或时间压力，直接提交未经核实的AI生成内容。调研显示，69%的受访者承认有过此类行为，41%表示曾提交过自己无法解释的成果，28%的人将自己犯的错归咎于AI。

“‘机器人敷衍’本质上是将本应由人类承担的批判思考、判断力与理解力外包给了AI。”Hinds解释，“那些绝对应该保留在人类手中的工作，就这样被转移出去了。”

她还指出，同时使用多个AI智能体的员工更容易出现这种情况。智能体扩展性极强，一旦缺乏适当控制和权限设置，就可能失控蔓延，最终迫使不堪重负的用户放弃核验。

“负面影响往往要等到第三步、第四步甚至第五步才会显现，”Hinds说，“到那时，需要大量的清理与溯源排查，才能弄清楚智能体到底在哪个环节出了问题。”

AI使用的“金发女孩困境”

有趣的是，超过半数受访者表示，日常工作中从AI获得的帮助比从管理者那里更多，甚至觉得与AI协作比与人类协作更顺畅。

不过，他们公开AI使用情况时，面临一种微妙的平衡困境。在AI高水平用户中，54%的人正在使用未经批准的工具，或以不合规方式使用已获批工具；36%的人刻意隐瞒AI对自己工作的实际帮助程度。

Hinds认为，是否公开AI使用情况，很大程度上取决于组织营造的心理安全感。这可能“因情境不同而产生截然不同的利弊”——既可能因展示AI能力而获益，也可能因过度依赖AI而被认为能力不足或价值降低。

她指出：“许多组织正给员工施加巨大压力，要求他们展示AI应用能力，证明自己是AI的深度使用者。”

领先企业的差异化策略

报告指出：“走在前列的企业正在做一些与众不同的事。它们并未将更多时间花在‘使用AI’本身，而是把更多精力投入到AI的配套工作上：设定使用背景、定义‘优质输出’、培养判断力，以及厘清哪些任务压根就不该交给模型。”

最具变革成效的组织会主动应对AI挑战：提供系统化培训与支持，把AI视为重新设计工作方式的契机，并正式将AI技能纳入绩效奖励体系。报告特别提到，最难培养的能力其实是判断何时不该使用AI。

“衡量标准不只是点击工具的频次或Token消耗量，而是真实的能力提升与学习成长。”Hinds说。除了持续投入员工发展，这些组织还会清晰传达AI战略及其背后的“原因”，并保持治理机制的动态更新。

变革必须贯穿组织各个层级，高层管理者也不例外。Hinds强调：“要让员工看到高管在使用这项技术，同时分享成功经验和失败教训。”

成效显著的企业还会建立与现有关键绩效指标（KPI）挂钩的评估体系，从质量、效率和员工参与度等多维度进行衡量，并将数据赋权给员工，让员工能自主评估个人的AI应用情况与成效。

“这不是要监控员工，而是提供反馈，帮助我们了解集体工作方式的整体状况。”Hinds说。

她还提到一个有趣但并不令人意外的现象：越来越多员工开始把AI本身作为学习工具，而且相比其他学习渠道，他们更倾向这种方式。这凸显了低代码、零代码工具的重要性——这类工具学习曲线平缓，具备组织情境理解能力，并能直接嵌入工作流程。

“这与我们在以往任何一项技术上看到的情况都截然不同。”她说。

Q&A

Q1：什么是“照看机器人”（botsitting）现象？它对员工有哪些影响？

A：“照看机器人”指的是员工为使AI真正可用而付出的大量隐性劳动，包括提供背景信息、监督输出结果、排查错误、清理AI生成内容，以及在多个工具间反复切换。调研显示，员工每周因此损耗约6.4小时，占工作周的三分之一。这些付出往往得不到组织认可，缺乏奖励机制，极易造成疲惫和挫败感。

Q2：什么是“机器人敷衍”（botshitting）？为什么69%的用户会这样做？

A：“机器人敷衍”是指员工因过度劳累或时间紧迫，直接发布未经核实、自己也不完全理解的AI生成内容，本质上是将批判性思考和判断力外包给了AI。69%的受访者承认有此行为，41%表示提交过自己无法解释的成果。主要原因是同时管理多个AI智能体，核验工作量过大，最终不堪重负而放弃验证。

Q3：企业如何才能真正发挥AI的价值，避免陷入生产力悖论？

A：领先企业的做法是将更多精力投入AI的配套工作，而非单纯增加使用量，包括：设定AI的使用背景、明确“优质输出”标准、培养员工判断力，以及识别哪些任务不适合交给AI。此外，还需要提供系统培训、将AI技能纳入绩效激励、建立动态治理机制，并向员工开放数据，让其自主评估AI应用成效。最关键的能力之一，我认为是知道何时不该使用AI。