AI 越用越累：BCG 調查 1488 名員工發現，工具超過 3 個生產力反降，34%「腦炸」員工想辭職

作者：夏洛，深潮 TechFlow

波士頓諮詢（BCG）聯合《哈佛商業評論》發佈的最新研究顯示，14%的美國大公司員工正經歷一種名為「AI 腦炸」（AI brain fry）的認知過載症狀，表現為腦霧、頭痛和決策遲緩。研究發現，使用 1 至 3 款 AI 工具時生產力顯著提升，但超過 4 款後反而驟降。34%報告「腦炸」的員工正在積極考慮離職。BCG 研究主管 Julie Bedard 在播客 Hard Fork 上坦言，她對人類短期內克服這一問題「相當悲觀」。

AI 本應讓人更輕鬆，但越來越多的重度使用者發現，自己正被這些「提效工具」拖入一種前所未有的精神疲憊。

BCG 今年 3 月在《哈佛商業評論》發表的研究將這種現象命名為「AI 腦炸」，定義為因過度使用或監督 AI 工具而產生的認知耗竭。受訪的 1488 名美國全職員工中，許多人描述了一種在長時間使用 AI 後揮之不去的「嗡鳴感」或腦霧，迫使他們不得不離開屏幕休息，有些人甚至把這種感覺帶回了家。

用 3 款工具提效，用 4 款工具崩潰

BCG 研究團隊調查了來自多個行業的 1488 名美國大型企業全職員工，發現了一條清晰的臨界線：使用 1 至 2 款 AI 工具時，生產力有明顯躍升；添加第 3 款時增幅收窄；到第 4 款以上，自評生產力開始下滑。不是工具本身失靈了，而是管理這些工具的認知負荷吞噬了它們帶來的價值。

14%的受訪者報告了「AI 腦炸」症狀，包括腦霧、頭痛和決策速度變慢。營銷、人力資源、運營和軟件工程領域的發生率高於法務和合規等部門。

數據揭示的下游效應同樣值得警惕：當 AI 相關工作需要高強度監督（比如逐行審讀大模型生成的文本）時，員工投入的腦力多出 14%，精神疲勞感高出 12%，信息過載感高出 19%。在報告「腦炸」的員工中，34%表現出明確的離職意向，而未報告此症狀的員工中，這一比例為 25%。BCG 援引 Gartner 的一項估算指出，一家 50 億美元營收的企業因決策質量下降每年可損失約 1.5 億美元。

BCG 研究主管 Julie Bedard 對《財富》雜誌表示，人們確實在用 AI 完成更多工作，但同時也覺得自己的腦力到了極限，要做的決定太多，信息處理速度跟不上工具運轉的速度。她此後在科技播客 Hard Fork 上更直白地表示，她對人類短期內克服「腦炸」問題「相當悲觀」。

程序員首當其衝，「AI 吸血鬼」成熱門概念

目前受衝擊最嚴重的是軟件開發者。AI 編程智能體的能力進步最快，寫代碼的速度遠超人類，但審核 AI 寫的代碼比審核人類寫的代碼更累。軟件工程師 Siddhant Khare 在博客中寫道，AI 生成的代碼反而需要更仔細的審查。加拿大程序員 Adam Mackintosh 則表示，要對著數百行 AI 寫的代碼簽字確認，想到可能存在安全漏洞或根本無法理解整個代碼庫，他覺得「非常可怕」。

資深程序員 Steve Yegge 在今年 1 月推出了 Gas Town（一個多智能體協調系統，允許開發者同時調度 20 至 30 個 AI 編程智能體），但隨後他在 2 月的 Medium 文章中提出了一個相反的警告：「AI 吸血鬼」。他將 AI 對人類精力的消耗比作美劇《吸血鬼生活》中的「能量吸血鬼」Colin Robinson，產出飆升的同時，人的能量被持續抽乾。

Yegge 在文中描述了一種普遍現象：智能體編程具有成癮性，每一次提示詞就像拉一次老虎機，隨機掉落獎勵和「大彩」。人們在社交平臺上炫耀自己與 Claude Code 連續奮戰 40 小時的成果，而旁觀者聽到後紛紛效仿，創業者們以史無前例的速度消耗自己和團隊，追逐一批高度同質化的想法。他寫道，這是一場所有人都在跑到力竭、卻沒有人真正贏得比賽的淘金熱。

LoveMind AI 聯合創始人 Ben Wigler 將此稱為「全新類型的認知負荷」，直言使用者必須「像保姆一樣盯著這些模型」。AI 整合諮詢機構 nouvreLabs 創始人 Tim Norton 在 X 平臺上指出，真正導致倦怠的不是隨便試試 AI 的人，而是那些創建了大量智能體、需要持續管理的重度用戶。

Cua AI 創始人 Francesco Bonacci 則在 X 帖子中描述了一種他稱為「氛圍編程癱瘓」的悖論：AI 能力越強，你越覺得必須使用它；用得越多，注意力越碎片化；注意力越碎片化，你真正交付的東西越少。結果不是一個被賦能的高產員工，而是一座半成品項目的大山和一個不知所措的人類。

AI 到底有沒有提升生產力？數據打架

圍繞 AI 的生產力承諾，市場正在出現截然相反的信號。

正面證據：美國聖路易斯聯儲今年 2 月的一項估算認為，生成式 AI 為整體生產力貢獻了約 1.1%的增長，換算下來，員工在使用 AI 的每個小時內生產力提高了約 33%。Meta 前高級工程負責人 Erik Meijer 曾感嘆，Anthropic 的 Claude Code 在數月內「將軟件工程的技術前沿推進到了超過 75 年學術研究的水平」。

反面證據：高盛 3 月的分析報告指出，在經濟整體層面找不到「AI 採用與生產力之間有意義的關聯」，AI 僅在兩個具體場景中確有成效，即客戶服務和軟件開發任務。一項覆蓋 6000 名 C 級高管的調查更為冷峻：90%的受訪者表示過去三年中未發現 AI 對其企業的生產力或就業產生實質影響，他們預測 AI 在未來三年內僅能提升 1.4%的生產力。

加州大學伯克利分校研究團隊對一家 200 人美國科技公司進行了為期 8 個月的跟蹤研究，結論是：AI 確實增加了員工的工作量，但隨之而來的是更多倦怠，長期來看反而拖累了工作效率。研究者的判斷是，AI 並沒有減輕工作，而是加劇了工作強度，員工需要處理的信息更多，工作與非工作的邊界更模糊。

BCG 開出的「藥方」：不是戒掉 AI，而是重新設計工作

BCG 的研究也發現了一個積極信號：當 AI 僅替代重複性任務時，員工的傳統倦怠感反而下降了。Bedard 強調，「腦炸」與傳統職業倦怠是不同的東西，前者是急性認知過載，後者是慢性情緒耗竭，兩者通過不同的神經機制運作。

BCG 的建議是：問題不在於是否使用 AI，而在於如何部署。太多公司只是把 AI 堆在員工現有的工作職責上，而沒有重新設計崗位。當管理層提供 AI 使用培訓和支持時，「腦炸」症狀明顯減輕。伯克利的研究團隊則建議，將需要 AI 工具的任務集中到工作日的特定時段批量處理，並在高難度決策前刻意安排脫離屏幕的休息時間。

但 LoveMind AI 的 Wigler 對此並不樂觀。他指出，自我照顧從來不是美國職場的核心價值，他對這個問題能否被健康或高質量地解決持懷疑態度。