AI“搶飯碗”，硅谷大裁員！一線工程師戳破真相：AI效率被嚴重高估，人類被倒逼成審核員，工作量是過去10倍

2026年，硅谷科技圈裁員風波不斷。1月，亞馬遜確認將裁員約1.6萬人；2月，金融科技公司Block裁掉了近一半的員工；3月，Meta被曝計劃裁員1.6萬人。

AI將取代白領的焦慮席卷職場。

然而，科技公司Ona的軟件工程師Siddhant Khare發布的《AI疲勞真實存在，卻無人談及》一文，引發了全球媒體和讀者的廣泛討論。

他道出了AI實際應用和美好愿景之間的巨大落差。他認為，AI帶來的效率提升被高估了，而職場人卻陷入了“AI疲勞”。

近日，Siddhant Khare接受《每日經濟新聞》記者（以下簡稱NBD）專訪時表示，作為AI智能體基礎設施的開發者，建議人們改變使用AI的習慣，避免被AI困在生成、審核、再生成、再審核的循環里。

Siddhant Khare 圖片來源：受訪人社交賬號

“有了AI之后人的工作量是以往的10倍”

NBD：你認為導致“AI疲勞”的原因是什么？

Siddhant Khare：“AI疲勞”本質是結構性問題。AI讓代碼、文案、文檔等內容的生成效率提升數倍，但審核與驗證環節的效率卻未同步跟進。人依舊是整個工作流程的核心瓶頸，要處理十倍于以往的工作量。

這就像一家工廠，更換了一臺沖壓速度快十倍的零件生產機器，可流水線末端的質檢員依舊只有一個。產能大幅提升后，質檢員的工作量翻倍，次品率卻沒有任何變化，最終崩潰的只會是這個承擔全部審核壓力的人。

放到知識型工作領域，AI只實現了生產的自動化，卻沒有實現審核的自動化。絕大多數企業管理者根本沒有意識到這個問題。他們只看表面數據，代碼交付量變多了、文檔產出變多了、郵件發送量變多了，報表看起來格外華麗，可員工的身心俱疲卻被無視。

NBD：人們本以為AI可以提升效率，可為什么工作量反而大幅增加？

Siddhant Khare：AI帶來的生產力提升，并未轉化為員工的自由時間，反而被企業轉化為了更高的工作期望值，抬高了工作的 “合格線”。

AI出現之前，一名軟件工程師一周提交20個代碼拉取請求（PR），就是正常的工作標準；有了AI輔助后，工程師的理論產出能力提升到50個，企業便把50個定為新的標準。

AI生成的所有內容，都離不開人工審核。我作為開源項目維護者，感觸格外深刻。以前我每周只需要處理20到25個代碼PR，現在這個數字暴漲到上百個，其中絕大部分都是AI生成的，可每一個請求我都必須仔細審查。

“使用AI編程工具，實際工作效率反而下降19%”

NBD：AI的哪些價值最容易被高估？又有哪些成本被低估了？

Siddhant Khare：最普遍的高估，就是AI落地的速度和即時效率提升。很多企業都陷入了一個誤區，覺得只要給員工配齊AI輔助工具，短短幾周就能看到生產力飛躍，可實際數據截然相反。

工程效率與開發者生產力分析平臺DX曾做過一項覆蓋450余家企業、12萬余名開發者的全面調研。數據顯示，即便有93%的開發者都在使用AI編程工具，實際工作效率提升僅停留在10%，而且后續很難再有突破。

模型評估與風險研究機構METR的對照試驗結果更殘酷，使用AI編程工具的開發者，實際工作效率反而下降了19%，只是主觀上感覺工作速度提升了24%。

而企業最容易低估的，首先是AI內容的人工審核成本，幾乎沒有企業會把這部分耗時、耗力的審核時間，納入整體工作成本規劃；其次是員工的職業認同感，當大部分工作都由AI完成，曾經依靠專業能力獲得成就感的員工，慢慢會覺得自己只是流水線上的質檢員。這種身份落差很難量化，卻會直接引發人才流失。

“審核AI，比自己做一遍更累”

NBD：當下很多白領覺得自己使用AI，其實是在訓練AI取代自己，這種擔憂合理嗎？哪些崗位最容易被替代，哪些又很難被取代？

Siddhant Khare：絕大多數普通員工，并不是在直接訓練AI大模型。日常使用ChatGPT、Copilot這類工具時，個人輸入的內容并不會自動成為下一代大模型的訓練數據，多數企業的用戶協議也明確禁止了這種行為。“我在訓練取代自己的AI”，這一說法在技術上并不成立。

AI對職場的真正影響，不是大規模的人力替代，而是崗位的重新定義、工作強度的大幅提升以及核心工作內容的轉移。真正容易被AI替代的，是那些產出標準化、質量要求偏低、重復性高的崗位，比如初稿文案撰寫、基礎數據錄入、簡單代碼生成、模板化報表制作這類任務，只要求“夠用就行”，AI完全可以勝任。

而最難被AI替代的，是需要全局理解力、審美能力和獨立判斷力的崗位，比如系統架構設計、產品戰略制定、商務談判溝通、創意內容策劃等。這類工作的核心價值，從來不是“動手執行”。

其實絕大多數職場人都處于中間地帶。工作不會直接消失，但必須面臨轉型。

NBD：你認為，員工核心價值正在發生怎樣的轉變？

Siddhant Khare：轉變已經實實在在發生了，只是目前大部分企業的績效考核體系還沒有跟上。

未來，最優秀的工程師，不是寫代碼最快、產出最多的，而是能一眼看穿AI方案是否適配整體系統、思路是否合理的人。這種判斷力依賴長期的行業經驗和全局系統認知，不是靠優化提示詞就能獲得的。

員工價值正在發生遷移，從看重產出數量，轉向看重判斷質量；從比拼執行速度，轉向比拼思考深度。未來最不可替代的員工，是能精準判斷對錯、并且能給出清晰合理依據的人，判斷力，就是核心價值。

“疲勞的根源，是AI充滿不確定性”

NBD：相比以往的自動化浪潮，為什么AI更容易造成疲勞？

Siddhant Khare：核心原因是以往的自動化工具是確定性的，AI卻充滿不確定性。

以前的工具，相同指令、相同輸入，能得到相同輸出，出錯會直接報錯；但AI不一樣，同樣的提示詞，可能生成完全不同的內容，即便出現錯誤，表述也格外逼真、極具迷惑性。AI的錯誤藏得極其隱蔽，代碼能正常運行、文案讀起來通順、報表格式規整，但可能在某一頁暗藏事實錯誤，在某一行有邏輯漏洞，再或者在某一段出現個虛構的數據。

這種安靜的錯誤，要求人時刻專注，長期下來是非常耗費精力的。而且AI會高度模仿人類的表達風格。審核AI內容，需要付出和自主創作幾乎一樣的認知成本。

NBD：如果AI的輸出無法完全信任，但又必須規模化使用，我們要如何彌補這種“信任缺口”？

Siddhant Khare：很遺憾，絕大多數公司采用的都是最糟糕的方式，即把人工審核當作唯一的質量把控關口。

做得好的企業，會建立一套我稱之為“反壓機制”（backpressure）的體系。簡單來說，就是在AI內容進入人工審核環節之前，先通過自動化反饋機制，提前攔截大部分明顯錯誤，減少人工審核的壓力。

“最重要的工作往往不需要AI”

NBD：面對AI帶來的工作重壓和精神內耗，普通白領該如何正確與AI相處？

Siddhant Khare：我推薦三種辦法。

第一，不要在“思考本身就是價值”的任務中使用AI。比如制定戰略方案，價值在于思考，而不是打字。如果直接用AI跳過思考，等于削弱了自己工作的價值。AI更適合用在“結果重要、過程次要”的重復性任務上。

第二，為審核時間設定明確邊界。如果每天花在審核AI產出的時間超過2小時，就說明工作流程出了問題，要么是提示詞不清晰、上下文信息不足、工作規則不嚴格，要么是企業缺少自動化檢查機制，千萬不要把“無限制審核AI所有產出”當成工作常態。

第三，保護你的深度工作時間。AI會把人困在一個循環里：生成、審核、再生成、再審核。這種循環會不斷打斷注意力。你需要刻意留出一段時間，完全不使用AI。最重要的工作，往往不需要依賴提示詞，而是靠獨立思考完成。

NBD：對于已經對AI產生依賴的人來說，應該如何改變？

Siddhant Khare：首先要改變的，就是AI的使用習慣。

現在很多人遇到問題，會下意識打開ChatGPT。還沒開始獨立思考，就直接讓AI生成內容。

一定要把順序倒過來。先獨立思考，明確工作目標，再判斷是否需要使用AI。很多時候，一張白紙和二十分鐘的獨立深度思考，效果更好。

人們對AI的焦慮，本質是失去了掌控感。當AI始終在不停生成、不停給出建議，你就會覺得自己只是被動的執行者。而一旦重新掌握“是否用AI、何時用AI”的決定權，掌控感就會慢慢回歸，焦慮感自然會下降，也能真正跳出AI疲勞的困境。

本文來源：每日經濟新聞