矽谷工程師的「AI 時代帳本」：效率翻了 10 倍，我卻更累了

工作產出大幅提升，但疲憊感以更快的速度累積。AI 工具將任務執行時間大幅縮短，卻沒有減少人類的決策負擔，後者反而在增加。當技術不斷告訴我們「還可以更快」，也許更需要被聽見的問題是：還可以更慢嗎？本文源自騰訊科技所著文章，由 Foresight News 整理、編譯及撰稿。 （前情提要： 年薪 150 萬的活用 500 美元 AI 搞定，一人 Agent 系統實戰全拆解） （背景補充： 防毒軟體末日？Claude AI 挖出 500 零日漏洞嚇壞華爾街，CrowdStrike 暴跌 18%）   AI 工具越強，人卻為何越累，這或許才是這場效率革命真正值得追問的地方。 2026 年初，軟體工程領域出現了一個耐人尋味的景象。 以 Claude Opus 4.6 為代表的新一代 AI 編程工具，正在將開發者的效率推向前所未有的高度。微軟內部數據顯示，工程師在自主選擇工具後，Claude Code 迅速占據主導地位，這被部分觀察者視為「阻力最小路徑」的自然選擇。 但與此同時，關於「職業倦怠」的討論正在開發者社群密集湧現。曾在 Google、Amazon 任職的工程師史蒂夫·耶格 (Steve Yegge) 在近期的一篇自述文章中描述了一種他稱之為「瞌睡攻擊」的現象：在長時間的氛圍編程後，他會毫無預兆地在白天突然入睡。 擁有 40 年矽谷經驗的軟體工程師耶格發文 如今，越來越多的軟體工程師開始公開談論一種共同體驗：工作產出大幅提升，但疲憊感以更快的速度累積。技術大幅縮短了任務執行時間，卻沒有減少人類的決策負擔，後者反而在增加。 圖片來源於網路 01 AI 不會疲憊，但你會 在耶格看來，此前關於「AI 對實際工作幫助有限」的討論，在 Claude Code 搭配 Opus 4.5 及 4.6 投入使用後，已不具備參考價值。這套組合顯著降低了從問題定義到可運行程式碼之間的轉換成本，使得一名熟練工程師在單位時間內的產出，可以達到傳統工作流的數倍。 耶格指出，當生產力提升超過約 2 倍時，一種被他稱為「吸血鬼效應」的現象便開始顯現，技術不再僅僅是工具，而開始反向塑造使用者的工作節奏和心理狀態。 耶格繪製的「AI 吸血鬼抽取裝置」 西丹特·卡雷 (Siddhant Khare) 是一位在部落格中詳細記錄這一過程的軟體工程師。他在《AI 疲勞是真實存在的》一文中寫道，自己上一個季度的程式碼交付量達到職業生涯峰值，但精神上的疲憊同樣被拉滿。 卡雷描述了一種工作模式的根本性轉變。在使用 AI 之前，他會用「整整一天」深度專注於單一問題，保持連貫的思維路徑。而在引入 AI 之後，他一天需要並行處理五到六個不同的問題域。每個問題在 AI 協助下，單獨耗時大幅縮短至一小時左右。但問題之間的頻繁切換，構成了新的認知負荷。 「AI 不會在問題間隙感到累，」他寫道，「但我會。」 卡雷將自己的新角色形容為「流水線上的質檢員」。拉取請求持續湧入，每一條都需要審查、決策、蓋章。流程從未中斷，但決策權從未移交。他被固定在審判席上，案卷由 AI 遞送，責任由人類承擔。 《哈佛商業評論》近期發表的研究為這一現象提供了實證基礎。 研究者追蹤了一家美國科技公司的 200 名員工，發現 AI 的使用雖然在初期顯著提升了任務完成速度，但也觸發了連鎖反應：速度提升推高了組織對交付週期的預期，更高的預期促使員工更加依賴 AI，更深的依賴擴大了員工試圖處理的任務範圍，而範圍擴張進一步加劇了工作密度和認知負載。 研究者將這一機制描述為「工作量蔓延」現象。它不是由指令驅動的擴張，而是在效率提升與預期調整之間反覆迭代、自我強化的過程。 從事數位產品設計的薩莫·科羅舍茨 (Samo Korošec) 在 LinkedIn 上回覆耶格時，表達了相似的處境。 他指出，社群平台上充斥著「一分鐘生成十個 UI 方案」的示範內容。這些內容被反覆推送給從業者和他們的管理者，形成一種隱含的標準。 既然工具可以如此快速地輸出方案，那麼方案的產出就應當如此快速。然而，這些示範極少展示後續的篩選、落地、跨職能協調成本，後者依然完全由人類承擔。 技術壓縮了生產環節的時間，但沒有壓縮決策環節的時間。而後者正在成為新的瓶頸，即人的注意力與意志力。 02 AI 改變了工作量級，但沒有改變分配 耶格提出了一個簡化的分析框架。 假設一名工程師在掌握 AI 工具後，單位時間產出提升至原來的 10 倍。那麼，這 9 倍的差額價值將由誰獲得，取決於使用者如何配置自己的勞動供給。 比如在情景 A 中，工程師保持原有工作時長，將全部增量產出交付給雇主。此時，雇主以不變的人力成本獲得了近 10 倍的產出。工程師的收入未發生同比例變化，但其勞動強度和精神消耗顯著上升。耶格稱之為「被榨乾」。 在情景 B 中，工程師大幅縮減工作時長，僅以原有 10% 的勞動時間完成與過去相當的產出。此時，增量價值全部由個人獲得，獲得了更多的閒暇時間。但這一狀態在競爭環境下難以持久。若組織內部成員普遍採取此策略，組織整體產出將落後於競爭對手，長期將面臨生存風險。 耶格指出，理想狀態應位於這兩種極端假設之間。但在現行組織架構中，刻度盤的調節權並不對稱。組織天然傾向於將指針推向 A 端，而個體需要主動施加反作用力。 這一框架將技術效率問題轉化為分配問題。AI 並未改變「價值由勞動創造」的基本事實，但它改變了同樣單位勞動所能創造的價值量級。當這一量級發生躍遷時，原有的分配均衡必然受到衝擊。 耶格回憶了 2001 年在 Amazon 工作的經歷。當時他所在的團隊承受著高強度的交付壓力，而回報高度不確定。他在一次討論中向同事寫下公式：$ / 小時。他解釋道，分子 (年度固定薪酬) 在短期內難以改變，但分母 (實際工時) 具有相當大的彈性空間。 他主張將注意力從「如何賺得更多」轉向「如何工作時長更少」。這一視角轉換在當時令部分同事感到陌生，但在數週後，他多次路過會議室時看到白板上依然保留著這組符號。 二十五年後，耶格認為這一公式同樣適用於 AI ...