2026年工作AI指数：Botsitting与生产力悖论

AI生产力悖论

虽然AI的采用已达到临界规模，但它在个人效率与组织绩效之间造成了显著的脱节。根据对6,000名数字工作者的《2026年工作AI指数》报告显示，87%的员工现在使用AI，73%的报告称其提高了他们的生产力，平均每周节省13小时。然而，只有13%的受访者表示，由于这一结果，其组织表现得到了显著提升。

这种差距表明，个人节省的时间并未转化为业务成果。这通常是由于“协调忽视”（coordination neglect）造成的，即AI生成的输出增加了工作量，但并未增加其价值。例如，一名员工可能会使用AI将一个要点扩展成一份五页的报告，而同事随后又使用AI将其压缩回一个单一的要点，从而创造了一个“AI废料的跑步机”（hamster wheel of AI slop），在不推进任务目标的情况下消耗时间。

Botsitting：AI的隐形劳动

报告中提到的节省时间的大部分被一种新的、不体面且未经追踪的劳动形式所占据，这种劳动被称为“botsitting”。

Botsitting 是指为了使AI变得有用而进行的体力劳动，包括向系统提供上下文、调试概率性输出以及清理错误。报告发现，工作者平均每周花费6.4小时——几乎是其AI节省总时间的近一半——在botsitting上。

疲劳倍增器

并非所有的botsitting都是平等的。这种劳动中最令人疲惫的形式包括：

• 提供上下文： 手动提供AI理想情况下本应已经拥有的文档和权威来源。
• 调试： 当由于大语言模型（LLMs）的概率性质导致失败原因不明时，试图修复输出。

当员工被迫将他们认为有意义的任务自动化时——例如喜欢人际互动的客服代表现在被要求监督AI代理——botsitting会导致疏离感、参与度降低以及员工流失率增加。

Botshitting：无法辩护的工作兴起

当botsitting的负担变得过重或激励机制不匹配时，员工会从botsitting转向“botshitting”。

Botshitting 发生在员工交付了他们无法解释或辩护的AI生成工作时。调查发现，69%的受访者承认有这种行为，40-41%的受访者特别是在交付了如果被问及则无法解释的AI工作。这导致了“精美的废话”（polished nonsense）——看起来完成度高且专业，但缺乏实际实质内容的工作。

这种行为通常是由“满意化”（satisficing）驱动的，即“足够好”的输出被视为可以交付的许可，再加上组织缺乏透明度。许多员工向经理隐瞒使用AI的情况，以避免因承担更多工作而受到惩罚，这进一步使组织与输出质量的现实脱节。

组织战略解决方案

为了超越象征性的AI采用并实现真正的组织收益，报告建议了几个结构性和文化性的转变。

企业图谱与上下文

技术碎片化（AI sprawl）是导致botsitting的主要原因。一个中心化的“企业图谱”（enterprise graph）——一个连接公司使命、任务、项目、人员和文档的数据模型——可以减少人类作为集成层的需求。通过为AI提供深度的组织上下文，系统可以从通用的回答转向预测性和主动的协助。

重新定义人机协作的分工工序

组织应避免“任何可以被自动化的东西都应该被自动化”这一谬误。 “IKEA effect”表明，进行艰苦工作的摩擦力可以建立所有权感、判断力和自豪感。领导者应当：

• 识别有意义的工作： 保护那些能为员工提供目标感和职业成长的任务。
• 动态任务分配： 使用AI来映射角色和技能，以便根据复杂性和对“人在回路”（human-in-the-loop）交互的需求，分配人类与代理的正确组合。

文化与激励机制的对齐

• 奖励集体收益： 从衡量个人“token consumption”或点击量转向奖励有效的协作与共创。
• 心理安全感： 营造一个环境，让员工在面对AI输出失败时能安全地承认，而不是为了避免审查而交付“botshitting”。
• 使命驱动的扁平化： 随着AI允许组织实现扁平化，公司的使命必须得到加强，以提供层级制度此前所提供的引导和目的感。