生成式 AI 带来一个讽刺现象：员工使用率倍增，但企业却难见回报。原因之一是催生了 " 工作垃圾 " ——员工用 AI 快速生成看似精美、实则空洞的内容，将认知负担转嫁给同事。真正的 AI 效能需要主动、有目的地将 AI 作为协作工具，而非逃避思考的捷径。
在积极采用生成式 AI 的公司中，一个令人困惑的矛盾正在显现：尽管员工大多遵循指令接纳这项技术，但几乎没人看到它创造出真正价值。例如，去年完全由 AI 主导流程的公司数量几近翻倍。自 2023 年起，工作中 AI 的使用量同样翻倍。然而，麻省理工学院媒体实验室的一份报告显示，95% 的组织在这些技术上的投资并未获得可衡量的回报。投入诸多精力与热情，回报却寥寥无几。这是为何？
我们 BetterUp 实验室的研究团队与斯坦福社交媒体实验室合作，找出了一个可能原因：员工借助 AI 工具炮制出无需多少心力、看似尚可的成果，最终却给同事带来更多工作。在社交媒体上，低质量的 AI 生成帖子日益泛滥，这类内容常被称作"AI 垃圾 "。在工作场景中，我们把类似现象称为 " 工作垃圾 "，即AI 生成的工作成果看似质量上乘，实则缺乏能够切实推动特定任务进展的实质内容。
事情是这样发生的。随着 AI 工具愈发易用，员工越来越能够迅速产出看似精良的成果：格式规整的幻灯片、长篇且有条理的报告、非专业人士撰写却看似条理清晰的学术论文摘要，以及可用代码。然而，部分员工利用这种能力打磨优质工作，另一些人却用它制造出实际上毫无帮助、不完整，或者缺失项目关键背景信息的内容。" 工作垃圾 " 的隐患在于，它将工作负担转移给后续接手的人，迫使接收者去解读、纠正或重做这些工作。换言之，它把工作量从创作者转嫁到了接收者身上。
倘若你有过此类经历，或许会记得打开这类文档时先是一阵困惑，紧接着懊恼涌上心头 —— 等等，这到底是什么？—— 随后你不禁怀疑发送者是不是直接用 AI 生成大段文字，根本没经自己思考。若这听起来似曾相识，那你就是遭遇了 " 工作垃圾 "。
根据我们开展的一项调查，这是个严重问题。在 1150 名来自不同行业的美国全职员工中，40% 的人表示上个月收到过 " 工作垃圾 "。遇到过 " 工作垃圾 " 的员工估计，他们工作中收到的内容平均有 15.4% 属于此类。这种现象大多发生在平级同事之间（占 40%），但也有 18% 的情况是下属向上司发送 " 工作垃圾 "。16% 的情况是 " 工作垃圾 " 自上而下传递，从管理者传给团队，甚至来自更高级别的人员。" 工作垃圾 " 在各行业均有发生，但我们发现专业服务和科技行业受影响尤为严重。
领导者需要了解 " 工作垃圾 " 相关情况，以及如何防止它阻碍公司正常运转。
" 工作垃圾 " 的代价
将认知任务外包给机器并非新观念，对技术劫持认知能力的担忧也早已有之。例如，2006 年，科技记者尼古拉斯 · 卡尔在《大西洋月刊》发表了一篇颇具争议的文章，题为《谷歌是否让我们变笨？》。认知外包的主流思维模式 —— 可追溯至苏格拉底对字母表的担忧 —— 是指我们将繁重的脑力工作推给谷歌这类技术，因为比如在网上搜索信息比记住信息更容易。
然而，与这种将认知任务外包给机器不同，" 工作垃圾 " 是利用机器将认知工作转嫁给他人。当同事收到 " 工作垃圾 " 时，往往需要承担解读内容、推断缺失或错误背景信息的负担。随后可能引发一系列费力且复杂的决策过程，包括返工以及与同事进行不愉快的沟通。
来看几个例子。
当被问及对 " 工作垃圾 " 的体验时，一位金融行业的普通员工描述了收到 AI 生成工作成果的影响：" 这让我陷入一种困境，我得决定是自己重写，让他重写，还是就这样凑合。这正助长一种风气，造就一个思维懒惰、思考迟缓的社会，人们将完全依赖外部力量。"
在另一个案例中，一位科技行业的一线经理如此描述他们的反应：" 想要弄明白邮件里究竟讲了什么，以及对方真正的意图，着实令人困惑。大概花了一两个小时把大家召集起来，才用清晰简洁的方式重新把信息传达清楚。"
一位零售行业的总监说：" 我不得不浪费更多时间跟进这些信息，并通过自己的研究进行核实。然后我又不得不浪费更多时间与其他主管开会来解决这个问题。接着我还得继续浪费自己的时间，亲自重新做这项工作。"
每一次 " 工作垃圾 " 的出现都给公司带来切实代价。员工报告称，处理每一次 " 工作垃圾 " 平均要花费 1 小时 56 分钟。根据参与者对所花时间的估计以及他们自报的薪资，我们发现这些 " 工作垃圾 " 事件每月会产生 186 美元的隐形成本。对于一个拥有 10000 名员工的组织而言，按照 " 工作垃圾 " 的估计发生率（41%）计算，每年会造成超 900 万美元的生产力损失。
受访者还提到了 " 工作垃圾 " 带来的社交与情感代价，包括如何委婉回应收到 " 工作垃圾 " 的难题，尤其是在等级分明的关系中。当我们询问研究参与者收到 " 工作垃圾 " 时的感受，53% 的人表示恼怒，38% 的人感到困惑，22% 的人觉得被冒犯。
最令人担忧的代价或许体现在人际关系方面。低质量、无用的 AI 生成工作成果正对工作中的协作产生重大影响。在我们调查的人中，约有一半认为发送 " 工作垃圾 " 的同事在创造力、能力和可靠性方面不如收到成果之前。42% 的人觉得他们不值得信任，37% 的人认为这些同事不够聪明。这很可能呼应了关于在工作中使用 AI 导致能力评价降低的研究，据称使用 AI 编写代码片段的工程师被认为比不使用的工程师能力更差（而且女性工程师受到的负面影响尤为严重）。
此外，34% 收到 " 工作垃圾 " 的人会将这些情况告知团队成员或经理，这可能会破坏发送者与接收者之间的信任。三分之一（32%）收到过 " 工作垃圾 " 的人表示，他们未来不太愿意再与发送者合作。
长此以往，这种人际关系上的代价有可能侵蚀协作的关键要素，而这些要素对于在工作场所采用 AI 及进行变革管理至关重要。
领导者能做什么
从某些方面来看，这并非新鲜事。工作中一直都存在敷衍了事的情况。我们容易拖延，喜欢走捷径，疲惫时倾向于忙于琐事而非认真思考。生成式 AI 为我们提供了一种新技术，让我们得以延续这些老毛病 —— 但现在还额外增加了为同事制造更多工作、大规模破坏协作的代价。
那么，企业该如何避免这种结果呢？如何让员工对 AI 的使用达到最优，从而从对这项变革性技术的重大投资中获得可衡量的回报呢？基于我们的原创研究以及帮助财富 500 强公司在员工中成功应用 AI 的经验，我们在此提出一些关键原则：
- 不加区分的要求导致不加区分的使用：当企业领导者一味倡导在所有场合使用 AI 时，他们就表现出在应用这项技术时缺乏判断力。很容易理解这会如何导致员工不假思索地将 AI 的回复复制粘贴到文档中，即便 AI 并不适合手头的工作。生成式 AI 并非适用于所有任务，它也无法读懂人心。诚然，AI 可以积极改变工作的某些方面，但要在复杂或模糊的工作中产生有用的成果，仍需要员工进行深思熟虑的指导与反馈。
此外，不加区分的指令会引发推诿责任的行为。尽管员工在运用 AI 时理应享有自主权，但企业自身也需制定关于最佳实践方法、工具选用以及行为规范的政策与建议。如果使用 AI 是每个人的职责，那么首先，企业领导者有责任为员工制定指导方针，帮助他们以最符合企业战略、价值观和愿景的方式使用这项新技术。
- 心态很重要：自 2023 年起，我们的实验室一直在追踪预测员工采用生成式 AI 的因素，我们发现，兼具高主动性和高乐观度的员工比低主动性和低乐观度的员工更有可能采用生成式 AI。我们将这些员工称为 " 领航员 "，而非 " 乘客 "。" 领航员 " 在工作中使用生成式 AI 的频率比 " 乘客 " 高出 75%，在工作之外高出 95%。
或许更为关键的是，鉴于有关 " 工作垃圾 " 的这些研究发现，" 领航员 " 对生成式 AI 的运用方式值得关注。例如，" 领航员 " 比 " 乘客 " 更有可能利用 AI 来提升自己的创造力。相反，" 乘客 " 比 " 领航员 " 更有可能为了逃避工作而使用 AI。" 领航员 " 有目的地使用 AI 来实现自己的目标。
- 重新致力于协作：与 AI 协同工作所需的许多任务 —— 给出提示、提供反馈、描述背景 —— 都具有协作性。如今的工作需要越来越多的协作，不仅是人与人之间的协作，现在还包括与 AI 的协作。协作的复杂性只会不断加深。" 工作垃圾 " 就是 AI 带来的新协作动态的一个典型例子，它会消耗生产力，而非提高生产力。我们与 AI 的互动会对同事产生影响，领导者需要推动有利于协作的人机互动。
2025 年无缝协作必须包括我们将 AI 工作成果融入共同工作流程的方式，以实现共享目标，而不是将其作为暗中逃避责任的手段。这是组织行为的一个全新关键领域，将区分出那些能最大化 AI 价值的公司和那些盲目跟风 AI 活动却毫无成效的公司。
" 工作垃圾 " 生成起来或许不费吹灰之力，但却会给企业带来损失。发送者眼中的捷径，对接收者来说却是需要费力填补的漏洞。领导者最好以身作则，谨慎地使用 AI，使其具有明确的目的和意图。为团队设定关于规范和可接受使用方式的明确界限。将 AI 定位为协作工具，而非捷径。秉持 " 领航员 " 的心态，保持高主动性和乐观度，有针对性地使用 AI 来加速实现特定成果。对于人机协作完成的工作，要坚持与人类独立完成的工作相同的卓越标准。
