AI 幫你省的 11 小時去哪了？6,000 人調查揭露的殘酷真相

本文整理自 Work AI Institute 於 2026 年 6 月發布的《Work AI Index: Global》報告。

---

每週省 11 小時，但公司沒有變好

先看一組矛盾到令人困惑的數字。87% 的數位工作者已經在用 AI，75% 說自己因此更有生產力，AI 自動化平均每週幫每個人省下 11 小時。但只有 13% 的人認為自己的公司因為 AI 而表現明顯變好。省下的時間去哪了？生產力的紅利被誰吃掉了？

Work AI Institute 在 2026 年 6 月發布的《Work AI Index: Global》試圖回答這個問題。這份報告由企業 AI 搜尋平台 Glean 旗下的研究機構主導，聯合史丹佛、柏克萊、聖塔芭芭拉、艾默里等大學的研究團隊，在 2025 年底到 2026 年初調查了美國、英國、澳洲共 6,000 名全職數位工作者。他們的發現令人不安：AI 省下的時間，正在被一種全新的、幾乎沒有人在追蹤的隱形勞動吞掉。他們給這種勞動取了名字。

Botsitting：你每週花 6.4 小時在幫 AI 善後

Botsitting，字面意思是「幫機器人當保姆」。就像帶小孩一樣，AI 還不能真的放著不管，你得餵它脈絡、盯著它的輸出、幫它除錯、收拾它搞砸的東西。工作者花在 AI 相關事務的時間裡，37% 用在 botsitting，36% 是真正用 AI 完成工作，剩下 27% 花在學習工具和建 AI agent。換算成時數，每週 6.4 小時在幫 AI 善後，幾乎等於一整個工作天。

這 6.4 小時的拆解很說明問題。花最多時間的是「餵脈絡」，每週 2.3 小時。AI 應該知道但不知道的東西太多了：哪個檔案才是最終版、Q3 到底指哪一年的第三季、財務部門兩週前有一筆重算你還沒更新到系統裡。研究團隊提到一個叫「脈絡腐爛」的現象：你塞愈多資訊給 AI，它的輸出品質反而愈差。其次是「監督輸出」，每週 2.2 小時，盯著 AI 產出的東西，試圖在一堆看起來光鮮亮麗但可能錯得離譜的內容裡抓問題。最折磨人的是「除錯」，每週 1.7 小時，而且每多花 10% 的時間除錯，工作者感到精疲力竭的機率就增加 40%。

工具愈多，問題愈大。77% 的 AI 使用者每週在多個工具之間跳來跳去，33% 用四個以上。報告稱這為「AI 切換稅」：每次換工具，脈絡就斷一次，你變成不同 AI 系統之間的人肉橋樑。60% 的人承認會把同一個 prompt 丟到好幾個工具裡跑，只因為第一個工具的輸出不夠好。長期承受這種隱形勞動的代價很具體：經常 botsitting 的人，正在積極找新工作的機率比其他人高 73%。

Botshitting：69% 的人在交差了事

當 botsitting 的負荷累積到臨界點，人就開始偷工減料。報告用了一個更直白的詞：botshitting，意思是把沒有好好檢查、自己也不完全理解、被問到也講不清楚的 AI 生成內容直接交出去。69% 的 AI 使用者承認自己做過這種事。

Botshitting 有三種形態，每一種都指向人對工作掌控感的流失。第一種是放棄理解：41% 的人承認交出過自己無法解釋的 AI 生成成果。第二種是推卸責任：28% 的人把自己造成的錯誤怪到 AI 頭上。重度使用者這麼做的機率是輕度使用者的 3.4 倍。第三種是放棄判斷：38% 使用未經公司批准的工具，12% 明知 AI 輸出有問題還是照交。研究團隊引用了一個學術概念叫「道德脫鉤」：AI 做得好，功勞是我的；AI 搞砸了，那是工具的問題。

而且 AI 愈強，人愈馬虎。報告比較了 ChatGPT、Claude、Gemini、Copilot 四個工具，發現生產力增益最高的工具（ChatGPT 67%、Claude 59%），使用者的 botshitting 比例也最高（ChatGPT 71%、Claude 92%）。三種認知陷阱讓人放下戒心：工具表現好，人就不盯了（自動化自滿）；工具順著你的意思說，你就覺得它是對的（諂媚偏誤）；你對工具說「請」和「謝謝」，就更容易相信它（擬人化信任）。

讓惡性循環停不下來的三個悖論

報告歸納出三個悖論，解釋為什麼 botsitting 和 botshitting 的惡性循環這麼難打破。

第一是生產力悖論。AI 讓個人更有生產力，但增益沒有轉化為組織表現。原因是研究者所說的「協調忽視」：人系統性地低估了把個人產出整合進團隊工作流程所需的額外協調。AI 讓這個問題更嚴重，因為它產出的東西看起來像完成品，讓所有人以為不用再檢查。2025 年一起訴訟案件中，律師引用了八個 AI 捏造的判例，團隊裡每個人都以為別人已經核實過了，結果沒有人做。77% 的工作者在過去一個月修正或重做過 AI 輔助的產出。

第二是判斷悖論。AI 讓品質把關變得前所未有地重要，卻同時拿掉了過去觸發人類警覺的線索。過去一份粗糙的草稿會讓審閱者自動放慢速度，研究者稱這為「不流暢線索」。但 AI 的輸出永遠光鮮亮麗，外觀與實質脫鉤了。重度使用者中有 54% 承認交出過自己無法解釋的成果，輕度使用者只有 24%。

第三是擁有感悖論。最怕被 AI 取代的人，反而用 AI 用得最兇。重度使用者中 51% 擔心 AI 會取消自己的職位，但同時希望 AI 自動化更多自己的工作。這不是因為 AI 真的讓工作更好，而是因為當老闆把 AI 使用量當績效指標，展示 AI 熟練度就成了一種職涯保險。33% 的人淡化 AI 對自己的幫助，33% 誇大自己的 AI 技能，32% 隱藏自己的 AI 使用。外表看起來像在擁抱 AI，內心是在管理恐懼。

跑在前面的 13%：他們做對了什麼？

那 13% 表現明顯改善的組織，做法和其他公司截然不同。他們的員工花在 AI 工具「裡面」的時間比例反而更低（27% vs. 49%），更多時間花在工具「周圍」的工作：設定脈絡、定義品質標準、判斷什麼不該交給 AI。

在個人層面，報告把同時覺得 AI 提高了生產力和工作品質的人稱為「AI 高成就者」。他們花在核心任務上的 AI 時間比例低於其他人（38% vs. 48%），因為他們清楚知道哪些事不該交給機器。他們花更多時間在有生產性的 botsitting 上（40% vs. 33%），也就是提示語優化、脈絡補充、品質把關。最大的差距出現在一個看似簡單的能力上：89% 的 AI 高成就者有信心知道什麼時候不該用 AI，低成就者只有 68%。

在組織層面，轉型組織做對了幾件事。第一，衡量品質而非只衡量速度。只追蹤生產力的組織有 74% 的員工承認 botshitting，同時追蹤品質的降到 64%。第二，讓治理成為活的制度而非備查文件，93% 的轉型組織定期檢視 AI 政策，其他組織只有 55%。第三，從工作本身出發選工具，而非讓既有廠商合約決定 AI 策略。第四，讓 AI 能取用企業脈絡而非只是企業資料。在「脈絡豐富」的 AI 環境中，員工精疲力竭的機率低 64%，botshitting 的機率低 31%。

我的觀察

這份報告最重要的洞見不是任何一個百分比，而是一個邏輯翻轉：AI 的時間紅利不是免費的，它有一個很少被計算的成本。

每當有人說「AI 幫我省了多少時間」，很少有人接著問：省下的時間裡，有多少又被花在檢查 AI、修正 AI、跟 AI 來回溝通上？報告的答案是：幾乎一樣多。用 AI 生產更快，不代表你的組織運作更好。中間那一段「把個人產出變成團隊可用成果」的路，還是得靠人走，而且因為 AI 介入，這條路變得更難走。你現在還得處理那些「看起來完美但不知道對不對」的產出。

對臺灣來說，報告的警訊很直接。很多企業正在大量導入 AI 工具，KPI 是「導入數量」和「使用率」。但報告揭露了一個荒謬的案例：Meta 內部曾有員工在 token 使用量排行榜上競爭，冠軍月均消耗 2,810 億個 token，運算成本高達數十萬美元，至於這些 token 有沒有產出任何有用的東西，沒人追蹤。這就是報告所說的「AI 加法病」，遇到問題就買更多工具、發更多授權、要求員工用更多 AI。結果不是生產力提升，而是 botsitting 和 botshitting 的螺旋上升。真正拉開差距的是「AI 的人類基礎建設」，不是買更多 GPU 或訂更多 SaaS，而是清楚的品質標準、定期檢視的治理制度、以及讓員工能坦率說「這個任務不該用 AI」的文化。不建這些，AI 省下的每一分鐘，都會以另一種形式找上門來。