文章核心观点 - 生成式AI工具在提升员工效率与能力范围的同时，并未减轻工作负担，反而导致工作强度、范围和认知负荷的持续增加，形成自我强化的循环，最终可能损害员工福祉与组织长期生产力 [1][3][11] - 企业需要主动建立明确的“AI实践”规范与行动框架，以管理AI使用边界、调节工作节奏并保护人际连接，从而在享受效率提升的同时，实现可持续的工作模式 [4][12][15] 生成式AI加剧工作强度的具体表现 - **任务扩张**：AI填补知识空白，使员工（如产品经理、设计师）越来越多地承担原本属于他人的职责（如编码、工程任务），无形中承接了可能需要增配人力才能完成的工作量，同时增加了其他同事（如工程师）非正式的审查与指导负担 [6] - **工作与非工作界限模糊**：AI降低了开始任务的阻力，使员工将少量工作（如在休息时间向AI发出指令）渗入非工作间隙，导致自然停顿减少、工作持续参与度更高，削弱了休息的恢复感 [7][8] - **更多多任务处理**：AI使员工能同时管理多个活跃工作线程（如并行运行多个智能体），导致注意力持续切换、认知负荷增加以及对速度的期望提高，员工感到压力更大而非减轻 [9] AI对组织与员工的潜在影响 - 形成自我强化循环：AI加速任务提高速度期望，更高的速度使员工更依赖AI，依赖增加又进一步扩大工作范围与密度，员工虽感效率提升但并未更轻松，甚至更忙 [11] - 短期生产力提升可能掩盖静默增加的工作负荷与认知压力，长期可能导致判断力受损、错误率增加、疲劳与职业倦怠，并使组织难以区分真正的生产力提升与不可持续的强度 [11] 组织应建立的“AI实践”框架 - **有意的暂停**：建立短暂、结构化的节奏调节时刻（如决策暂停），用于评估一致性、重新考虑假设，防止加速不受控制时累积超负荷，支持更好决策与更健康的界限 [13] - **有序推进**：建立工作节奏调控机制，如批量处理通知、设立受保护深度工作时段，倡导按连贯阶段节奏展开工作而非对每个AI产出即时反应，以减少任务碎片化与上下文切换 [14] - **守护人际连接**：主动制度化用于倾听与人际连接的时间和空间（如简短交流、结构化对话），以中断与AI的持续独处，重获整体视野并激发创造力，缓冲AI带来的消耗感与个体化效应 [15]