工作 AI 指數 2026：Botsitting 與生產力悖論

AI 生產力悖論

儘管 AI 的採用已達到臨界規模，但它卻在個人效率與組織績效之間製造了明顯的斷層。根據《工作 AI 指數 2026》報告，該報告調查了 6,000 名數位工作者，發現 87% 的員工現在使用 AI，且 73% 表示 AI 讓他們更具生產力，平均每週節省 13 小時。然而，只有 13% 的受訪者表示他們的組織因此表現顯著提升。

這個差距顯示，個人的時間節省並未轉化為商業成果。這往往是因為「協調忽視」——AI 產出的內容雖然增加了工作量，卻未提升其價值。例如，一位員工可能使用 AI 把一個要點擴展成五頁報告，然後同事再用 AI 把它壓縮回單一要點，形成一個「AI 渣滓的跑輪」，耗費時間卻未推進使命。

Botsitting：AI 隱形勞動

報告指出，所謂的時間節省中，有相當大的一部分被一種新型的、缺乏光環且未被追蹤的勞動——「botsitting」所回收。

Botsitting 是指為了讓 AI 發揮效用而必須進行的手動工作，包括提供系統上下文、除錯機率性輸出以及清理錯誤。報告發現，員工平均每週花費 6.4 小時（佔 AI 總節省時間近一半）在 botsitting 上。

疲勞乘數

並非所有 botsitting 都同等耗費精力。最讓人疲憊的形式包括：

• 提供上下文：手動提供 AI 本應已具備的文件與權威來源。
• 除錯：當輸出失敗的原因因大型語言模型（LLM）的機率性而難以捉摸時，嘗試修正結果。

當員工被迫自動化他們認為有意義的工作——例如喜歡與人互動的客服代表現在被要求監督 AI 代理人——botsitting 會導致疏離感、參與度下降以及離職率上升。

Botshitting：不可辯護的工作崛起

當 botsitting 的負擔過重或激勵機制失調時，員工會從 botsitting 轉向「botshitting」。

Botshitting 發生在員工交付 AI 生成的工作卻無法說明或辯護其內容時。調查發現，69% 的受訪者承認有此行為，且有 40‑41% 的人明確表示會交付他們若被詢問就說不清楚的 AI 作品。這導致「光鮮的胡說」——看似完成且專業的作品，實則缺乏實質內容。

此行為常受「滿足主義」驅動，即「足夠好」的輸出被視為可以交付的許可，加上缺乏組織透明度。許多員工為避免因使用 AI 而被加派更多工作，會隱瞞 AI 使用情況，進一步使組織無法看清輸出品質的真實狀況。

組織的策略性解決方案

為了超越象徵性的 AI 採用，實現真正的組織效益，報告建議多項結構與文化的轉變。

企業圖譜與上下文

技術碎片化（AI 蔓延）是 botsitting 的主要原因之一。建立一個集中式的「企業圖譜」——連結公司使命、目標、專案、人員與文件的資料模型——可以減少人類作為整合層的需求。透過為 AI 提供深度的組織上下文，系統能從通用回答轉向預測性與主動式協助。

重新定義人‑AI 勞動分工

組織應避免「能自動化就必須自動化」的謬誤。「IKEA 效應」指出，完成艱難工作的摩擦感能培養所有權、判斷力與自豪感。領導者應：

• 辨識有意義的工作：保護能為員工提供目的感與專業成長的任務。
• 動態任務分配：利用 AI 對角色與技能進行映射，根據任務複雜度與需要人‑機互動的程度，分配適當的人力與代理人組合。

文化與激勵對齊

• 獎勵集體收益：從衡量個人「代幣消耗」或點擊次數，轉向獎勵有效的協作與共創。
• 心理安全：營造員工敢於承認 AI 輸出失敗的環境，而非為避免審查而交付「botshitting」。
• 使命導向的扁平化：隨著 AI 使組織層級扁平化，公司使命必須更為堅實，以提供層級過去提供的指引與目的感。

---

摘要：Glean 的 Rebecca Hinds 解釋了為何 87% 的員工使用 AI 以節省時間，卻只有 13% 見到組織層面的改善，並引入了「botsitting」與「botshitting」概念。

標題：工作 AI 指數 2026：Botsitting 與生產力悖論