硅谷科技圈正经历一场由AI引发的职场变革，裁员潮与技术焦虑交织蔓延。今年以来，亚马逊、金融科技公司Block、meta等企业相继宣布大规模裁员，与此同时，“AI将取代白领”的讨论在职场中持续发酵。然而，科技公司Ona软件工程师西达特·卡雷（Siddhant Khare）在《AI疲劳真实存在，却无人谈及》一文中指出，AI的实际应用与预期存在巨大落差，职场人正陷入“效率悖论”——技术越先进，工作负担反而越重。
卡雷在接受专访时将“AI疲劳”归因于结构性矛盾：AI虽提升了内容生成效率，但审核环节仍依赖人工，导致从业者工作量激增。他以工厂流水线为例：若冲压机速度提升十倍，但质检员数量不变，次品率未降，最终崩溃的必然是承担全部压力的个体。这一比喻在知识型工作中同样适用——管理者仅关注代码提交量、文档产出数等表面数据，却忽视了员工身心俱疲的现实。
AI对工作强度的重塑远超预期。卡雷透露，作为开源项目维护者，他每周需处理的代码拉取请求（PR）从AI普及前的20-25个暴涨至上百个，其中绝大部分由AI生成，但每个请求仍需人工仔细审查。“企业将AI带来的生产力提升转化为更高的工作标准，却未调整审核资源分配。”他指出，某工程效率平台调研显示，93%的开发者使用AI编程工具后，实际效率仅提升10%，且后续增长停滞；更有机构对照试验表明，部分开发者效率反而下降19%，仅主观感觉速度提升24%。
职场人担忧的“被AI取代”更多是误解。卡雷澄清，普通员工使用ChatGPT等工具时，输入内容通常不会成为下一代模型训练数据，企业协议也禁止此类行为。AI的真正影响在于重构岗位定义：标准化、重复性高的任务（如初稿撰写、基础数据录入）易被替代，而需要全局理解力、审美判断力的岗位（如系统架构设计、创意策划）则难以被取代。他强调：“多数人处于中间地带，工作不会消失，但必须转型。”
员工核心价值正在从“产出数量”转向“判断质量”。卡雷认为，未来最稀缺的工程师不是代码写得最快的，而是能评估AI方案是否适配系统、逻辑是否合理的人。“这种判断力依赖行业经验和系统认知，无法通过优化提示词获得。”他指出，当前企业绩效考核体系尚未跟上这一转变，导致职场人陷入“生成-审核”循环，精神内耗加剧。
AI的不确定性是疲劳根源。与传统自动化工具不同，AI对相同提示词可能生成不同内容，且错误表述隐蔽性强。卡雷举例：“代码能运行、文案通顺，但可能暗藏事实错误或逻辑漏洞。”这种“安静的错误”要求审核者保持高度专注，认知成本与自主创作无异。为弥补信任缺口，少数企业已建立“反压机制”，通过自动化反馈提前拦截明显错误，减少人工审核压力，但多数公司仍依赖“人工审核为唯一防线”的粗放模式。
面对AI重压，卡雷建议职场人采取三策略：其一，在“思考即价值”的任务（如战略制定）中避免使用AI，防止削弱工作意义；其二，为审核时间设定明确边界，若每日超过2小时，需反思工作流程或企业机制问题；其三，保护深度工作时间，刻意留出不使用AI的时段，避免注意力被“生成-审核”循环打断。对于已形成AI依赖的人群，他强调需逆转使用顺序：“先独立思考，明确目标，再判断是否需要AI辅助。一张白纸和二十分钟深度思考，往往比即时求助AI更有效。”
卡雷认为，职场人对AI的焦虑本质是“失控感”：当技术持续输出建议，个体易沦为被动执行者。而重新掌握“是否用、何时用AI”的决定权，能逐步恢复掌控感，跳出疲劳困境。“最重要的工作从来不需要依赖提示词。”他总结道，“AI应是工具，而非主宰。”
