87% 員工在用 AI，為什麼公司沒變好？六千人調查揭露「替 AI 善後」的隱藏代價

本文整理自 The Cognitive Revolution 2026 年 6 月播出的單集。

{{< youtube YRCa1etqiFM >}}

{{< spotify "episode/2WyKOCD7QU0hNunYGlPK0o" >}}

{{< apple-podcast "tw/podcast/babysitting-the-machine-gleans-rebecca-hinds-on/id1669813431?i=1000772006093" >}}

---

一組荒謬的數字

87% 的員工已經在用 AI。73% 說自己變得更有生產力。平均每人每週省下 13 個小時，相當於一個工作週的三分之一。聽起來像是企業 AI 轉型的成功故事，但接著看下一個數字：只有 13% 的人認為自己的公司因此表現得明顯更好。個人層面的效率提升，幾乎完全沒有轉化成組織層面的績效改善。

這組數字來自 Glean 旗下 Work AI Institute 剛發布的 Work AI Index 2026 報告，調查了美國、英國、澳洲共六千名知識工作者。報告的主要作者、Work AI Institute 負責人 Rebecca Hinds 是暢銷書《Your Best Meeting Ever》的作者，研究背景橫跨組織心理學和民族誌方法，曾在史丹佛與成長心態理論提出者 Carol Dweck 合作研究。她在 The Cognitive Revolution 節目中拆解這個矛盾。她的結論是：AI 省下的時間，被兩件事吃掉了。第一件叫 botsitting，「替 AI 善後」；第二件叫 botshitting，「交 AI 差了事」。這兩個詞的命名方式很粗暴，但精準地捕捉了問題的本質。

每週 6.4 小時在替 AI 善後

Botsitting 的概念很直觀：就像照顧小孩一樣照顧 AI。只是這裡的「照顧」一點都不光鮮，包括餵它脈絡、盯著它的輸出、幫它除錯、把它搞砸的東西收拾乾淨。報告發現，員工平均每週花 6.4 小時在這些事情上，大約吃掉了 AI 省下時間的一半。再加上 36% 的 AI 對話直接失敗，員工必須從頭來過或做大幅修改，號稱省下的 13 小時到底還剩多少，就很可疑了。

報告特別點出兩個最讓人疲憊的 botsitting 活動。排名最高的是「餵脈絡」：你得反覆告訴 AI 公司裡哪份文件是最新的、哪個決策已經改了、哪個人負責什麼專案。這些事情本來就應該是系統自己知道的，但目前大多數 AI 工具彼此不通，對組織脈絡一無所知，所以人類得當翻譯和搬運工。第二個是「除錯黑箱」：你調整了 prompt，AI 的回答改善了，但你完全不知道到底是哪個改動起了作用。大型語言模型是機率性的，你沒辦法像除錯程式碼一樣逐行檢查。

Hinds 引用了學者 Paul Leonardi 的「數位疲勞」研究：當員工整天都在做這些不被追蹤、不被獎勵、不被認可的勞動時，他們不只是累，更是對公司的 AI 策略失去信心。「如果我每天得花好幾個小時手動餵 AI 它應該已經知道的東西，那顯然公司的 AI 策略有問題。」報告發現，botsitting 做最多的人，同時也是最積極在找下一份工作的人。

不過，Hinds 也做了一個重要的區分：不是所有 botsitting 都是壞事。出於好奇心去嘗試不同工具和 prompt 的探索式互動是有價值的。問題在於，大多數員工已經被日常工作壓得喘不過氣，根本沒有多餘的精力去「好奇」。她說得很直接：「員工現在太累了，沒辦法好奇。他們太忙了，根本沒有那一兩個小時去慢慢試不同工具、比較四個回答然後挑最好的。」

69% 的人承認交了 AI 差了事

如果 botsitting 是病因，botshitting 就是症狀。

Botshitting 是指把 AI 生成的東西直接交出去，但自己其實沒辦法解釋或捍衛那些內容。報告的數字驚人：69% 的受訪者承認自己做過這件事，其中 40% 到 41% 坦言交出了「如果被問，我沒辦法解釋」的工作成果。Hinds 形容那些成果是「拋光的廢話」：格式完整、用詞專業、看起來很像有人認真做過功課，但深入一問就會發現裡面是空的。

背後的心理機制其實很好理解。當你已經花了大量時間在 botsitting 上，筋疲力盡，然後看到 AI 吐出一個「看起來還行」的結果，疲勞會讓你覺得「差不多就好了」。行為經濟學叫這個 satisficing：不追求最佳，只追求及格。在 AI 的情境裡，及格線特別容易跨過，因為 AI 產出的東西表面品質往往很高，格式、語氣、結構都很專業。你得刻意去質疑才會發現問題，而疲勞的人不會刻意去質疑。

更深層的結構性原因是 AI 工具的孤島化。大多數企業同時部署了好幾套 AI 工具，但工具之間完全不通。結果是人類自己變成了整合層，手動在不同系統之間搬運脈絡、拼湊輸出。當你同時要當翻譯、當整合者、當品質把關者，而且這些角色完全不被計入績效考核，品質滑坡只是時間問題。還有一個更扭曲的推手：有些公司把「AI 使用量」當成生產力的代理指標，獎勵用了多少 token、點了多少次工具，直接鼓勵員工追求數量而非品質。

子彈變報告，報告再變回子彈

Botshitting 不只是個人層面的問題。Hinds 用了一個精準的例子來說明為什麼個人效率不等於組織績效：一個員工用 AI 把一個重點整理成五頁報告，花了十分鐘，看起來很有效率。報告寄給同事，同事覺得太長，用 AI 把五頁壓縮回一個重點，又花了五分鐘，看起來也很有效率。兩個人的 AI 使用量都很高，兩個人都「省下了時間」，但淨產出是零。組織層面，這就是一個 AI 產生的倉鼠滾輪。

研究者稱這種現象為「協調忽略」（coordination neglect）：每個人在自己的範圍內都很合理、都很高效，但沒有人退後一步看整體。這種現象在沒有明確 AI 策略的組織裡特別嚴重。因為當公司沒說清楚「我們為什麼用 AI、要達成什麼目標」，員工的自然反應就是用 AI 讓自己看起來忙，而不是用 AI 做出有意義的貢獻。

更別提那些把省下的時間藏起來的員工。報告發現這種行為「非常普遍」。邏輯很簡單：如果你跟老闆說你每週多了六小時空檔，你會得到六小時的額外工作，而不是加薪。所以理性的選擇是閉嘴。這是另一個在個人層面完全合理、但在組織層面有害的決策。當每個人都在個別最佳化自己的處境，沒有人在最佳化整體，AI 帶來的生產力提升就這樣蒸發了。

你最怕被取代的工作，最可能被你自己用 AI 取代

報告裡有一個特別值得深思的發現：最怕被 AI 取代的員工，反而是最積極把工作交給 AI 的人。而且他們自動化的，往往是自己最擅長、最有成就感的那部分工作。

這個矛盾有一個心理學解釋。害怕被取代的員工想要在公司裡展現自己是「AI 原生」的，不會被淘汰。而最快讓 AI 接管的工作，就是你最熟悉的工作，因為你知道怎麼寫 prompt、怎麼驗收。但那些工作恰好也是給你最多意義感的工作。Hinds 引用了一項史丹佛研究：41% 的 Y Combinator AI 新創公司正在自動化人們其實不想放手的工作。

客服人員是一個特別鮮明的例子。很多資深客服的工作滿足感來自跟客戶建立長期關係，來自解決棘手問題時的成就感。現在他們被要求改成監督 AI Agent，整天盯著螢幕看機器人代替自己回答客戶。本來最有人味的工作，變成了最沒有人味的工作。

這裡涉及一個被稱為「IKEA 效應」的研究發現：自己動手做一件困難的事，會產生歸屬感、判斷力、自豪感和使命感。Hinds 強調，這些是實打實影響工作表現的硬指標，不是什麼「感覺良好就好」的軟性議題。當你用 AI 把這些摩擦移除了，你同時移除的是員工最深層的工作動力。自動化不該是把所有事情都交給機器，而是要分清楚哪些摩擦是無意義的負擔、哪些摩擦是有價值的投入。

解方不在工具，在系統和使命

Hinds 認為，botsitting 的根本原因是 AI 工具缺乏組織脈絡。如果每個工具都不知道公司在做什麼、誰負責什麼、最新的決策是什麼，人類就永遠得當搬運工。她推銷的解方是 Glean 的產品概念：企業知識圖譜（Enterprise Graph），把公司的使命、目標、專案、任務、人員、文件串連起來，讓 AI 自己具備組織脈絡。產品置入的成分很明顯，但問題診斷是真實的：沒有脈絡的 AI，就是一個需要全天候保姆的嬰兒。

撇開產品不談，Hinds 提出的組織層面建議更值得注意。她觀察到那些表現最好的 13% 組織有幾個共同特徵。第一，他們衡量的不只是生產力，而是更全面的指標，而且會把數據分享給員工，而不是留在管理層的儀表板上。第二，他們獎勵集體而非個人。她舉了黑客松的例子：最有效的黑客松不只頒「最大商業影響」獎，還頒「最佳 prompt 前後對比」和「最佳跨部門協作」，讓 AI 的應用從個人炫技變成集體學習。

她和史丹佛教授 Bob Sutton 合作撰寫的一篇《哈佛商業評論》文章，則提出了一個更根本的論點：在 AI 驅動的組織扁平化中，使命比層級重要。當你裁掉中階主管、拉平組織架構，員工失去的不只是主管，還失去了「不確定時該怎麼做」的指引。如果沒有清晰的公司使命來填補這個空缺，扁平化只會帶來混亂和更多 botshitting。

她用黃仁勳（Jensen Huang）做例子：黃仁勳以不跟直屬主管做一對一會議聞名，但這行得通只是因為 NVIDIA 的每一個員工都對公司使命有異常清晰的理解和認同。Hinds 話鋒一轉，立刻補了一句：「黃仁勳和 NVIDIA 的做法，對 99.9% 的其他組織是行不通的。」照搬名人 CEO 的管理風格，不去理解背後的文化基礎，幾乎注定失敗。

我的觀察：你的組織在量什麼？

這份報告最有價值的地方，其實不在 botsitting 和 botshitting 這兩個容易記住的新詞，而在於它把一個很多人隱約感覺到但說不清楚的問題量化了：AI 確實讓個人更快，但那些加速不知道去了哪裡。

子彈變報告再變回子彈的荒謬循環，在任何導入 AI 的組織裡都可能正在發生。想像一個場景：行銷部門用 AI 生成一份十頁的市場分析簡報，寄給業務部門。業務部門用 AI 摘要成三個重點轉給老闆。老闆看了覺得「太簡略」，要求「再詳細一點」，行銷部門又用 AI 展開另一份報告。每個環節的人都覺得自己很有效率，但整個循環沒有產出任何新的洞察。

報告裡有一個數字特別值得管理者注意：botsitting 最嚴重的員工，同時是最積極在找工作的人。不只是因為「累了想走」，更可能是因為他們在大量使用 AI 的過程中，累積了市場上很值錢的技能，然後發現自己在外面的身價比現在的薪水高得多。你組織裡最會用 AI 的人，可能就是你最快流失的人。

Hinds 在整場對話中反覆強調一件事：AI 採用本質上是變革管理問題，不是技術問題。技術可以省下時間，但只有組織設計才能決定省下的時間去哪裡。在你追問員工「為什麼不用 AI」之前，更值得問的可能是：你的組織知不知道用 AI 是為了什麼？