AI 越用越累：BCG 调查 1488 名员工发现，工具超过 3 个生产力反降，34%「脑炸」员工想辞职
作者：夏洛，深潮 TechFlow
波士顿咨询（BCG）联合《哈佛商业评论》发布的最新研究显示，14%的美国大公司员工正经历一种名为「AI 脑炸」（AI brain fry）的认知过载症状，表现为脑雾、头痛和决策迟缓。研究发现，使用 1 至 3 款 AI 工具时生产力显著提升，但超过 4 款后反而骤降。34%报告「脑炸」的员工正在积极考虑离职。BCG 研究主管 Julie Bedard 在播客 Hard Fork 上坦言，她对人类短期内克服这一问题「相当悲观」。
AI 本应让人更轻松，但越来越多的重度使用者发现，自己正被这些「提效工具」拖入一种前所未有的精神疲惫。
BCG 今年 3 月在《哈佛商业评论》发表的研究将这种现象命名为「AI 脑炸」，定义为因过度使用或监督 AI 工具而产生的认知耗竭。受访的 1488 名美国全职员工中，许多人描述了一种在长时间使用 AI 后挥之不去的「嗡鸣感」或脑雾，迫使他们不得不离开屏幕休息，有些人甚至把这种感觉带回了家。
用 3 款工具提效，用 4 款工具崩溃
BCG 研究团队调查了来自多个行业的 1488 名美国大型企业全职员工，发现了一条清晰的临界线：使用 1 至 2 款 AI 工具时，生产力有明显跃升；添加第 3 款时增幅收窄；到第 4 款以上，自评生产力开始下滑。不是工具本身失灵了，而是管理这些工具的认知负荷吞噬了它们带来的价值。
14%的受访者报告了「AI 脑炸」症状，包括脑雾、头痛和决策速度变慢。营销、人力资源、运营和软件工程领域的发生率高于法务和合规等部门。
数据揭示的下游效应同样值得警惕：当 AI 相关工作需要高强度监督（比如逐行审读大模型生成的文本）时，员工投入的脑力多出 14%，精神疲劳感高出 12%，信息过载感高出 19%。在报告「脑炸」的员工中，34%表现出明确的离职意向，而未报告此症状的员工中，这一比例为 25%。BCG 援引 Gartner 的一项估算指出，一家 50 亿美元营收的企业因决策质量下降每年可损失约 1.5 亿美元。
BCG 研究主管 Julie Bedard 对《财富》杂志表示，人们确实在用 AI 完成更多工作，但同时也觉得自己的脑力到了极限，要做的决定太多，信息处理速度跟不上工具运转的速度。她此后在科技播客 Hard Fork 上更直白地表示，她对人类短期内克服「脑炸」问题「相当悲观」。
程序员首当其冲，「AI 吸血鬼」成热门概念
目前受冲击最严重的是软件开发者。AI 编程智能体的能力进步最快，写代码的速度远超人类，但审核 AI 写的代码比审核人类写的代码更累。软件工程师 Siddhant Khare 在博客中写道，AI 生成的代码反而需要更仔细的审查。加拿大程序员 Adam Mackintosh 则表示，要对着数百行 AI 写的代码签字确认，想到可能存在安全漏洞或根本无法理解整个代码库，他觉得「非常可怕」。
资深程序员 Steve Yegge 在今年 1 月推出了 Gas Town（一个多智能体协调系统，允许开发者同时调度 20 至 30 个 AI 编程智能体），但随后他在 2 月的 Medium 文章中提出了一个相反的警告：「AI 吸血鬼」。他将 AI 对人类精力的消耗比作美剧《吸血鬼生活》中的「能量吸血鬼」Colin Robinson，产出飙升的同时，人的能量被持续抽干。
Yegge 在文中描述了一种普遍现象：智能体编程具有成瘾性，每一次提示词就像拉一次老虎机，随机掉落奖励和「大彩」。人们在社交平台上炫耀自己与 Claude Code 连续奋战 40 小时的成果，而旁观者听到后纷纷效仿，创业者们以史无前例的速度消耗自己和团队，追逐一批高度同质化的想法。他写道，这是一场所有人都在跑到力竭、却没有人真正赢得比赛的淘金热。
LoveMind AI 联合创始人 Ben Wigler 将此称为「全新类型的认知负荷」，直言使用者必须「像保姆一样盯着这些模型」。AI 整合咨询机构 nouvreLabs 创始人 Tim Norton 在 X 平台上指出，真正导致倦怠的不是随便试试 AI 的人，而是那些创建了大量智能体、需要持续管理的重度用户。
Cua AI 创始人 Francesco Bonacci 则在 X 帖子中描述了一种他称为「氛围编程瘫痪」的悖论：AI 能力越强，你越觉得必须使用它；用得越多，注意力越碎片化；注意力越碎片化，你真正交付的东西越少。结果不是一个被赋能的高产员工，而是一座半成品项目的大山和一个不知所措的人类。
AI 到底有没有提升生产力？数据打架
围绕 AI 的生产力承诺，市场正在出现截然相反的信号。
正面证据：美国圣路易斯联储今年 2 月的一项估算认为，生成式 AI 为整体生产力贡献了约 1.1%的增长，换算下来，员工在使用 AI 的每个小时内生产力提高了约 33%。Meta 前高级工程负责人 Erik Meijer 曾感叹，Anthropic 的 Claude Code 在数月内「将软件工程的技术前沿推进到了超过 75 年学术研究的水平」。
反面证据：高盛 3 月的分析报告指出，在经济整体层面找不到「AI 采用与生产力之间有意义的关联」，AI 仅在两个具体场景中确有成效，即客户服务和软件开发任务。一项覆盖 6000 名 C 级高管的调查更为冷峻：90%的受访者表示过去三年中未发现 AI 对其企业的生产力或就业产生实质影响，他们预测 AI 在未来三年内仅能提升 1.4%的生产力。
加州大学伯克利分校研究团队对一家 200 人美国科技公司进行了为期 8 个月的跟踪研究，结论是：AI 确实增加了员工的工作量，但随之而来的是更多倦怠，长期来看反而拖累了工作效率。研究者的判断是，AI 并没有减轻工作，而是加剧了工作强度，员工需要处理的信息更多，工作与非工作的边界更模糊。
BCG 开出的「药方」：不是戒掉 AI，而是重新设计工作
BCG 的研究也发现了一个积极信号：当 AI 仅替代重复性任务时，员工的传统倦怠感反而下降了。Bedard 强调，「脑炸」与传统职业倦怠是不同的东西，前者是急性认知过载，后者是慢性情绪耗竭，两者通过不同的神经机制运作。
BCG 的建议是：问题不在于是否使用 AI，而在于如何部署。太多公司只是把 AI 堆在员工现有的工作职责上，而没有重新设计岗位。当管理层提供 AI 使用培训和支持时，「脑炸」症状明显减轻。伯克利的研究团队则建议，将需要 AI 工具的任务集中到工作日的特定时段批量处理，并在高难度决策前刻意安排脱离屏幕的休息时间。
但 LoveMind AI 的 Wigler 对此并不乐观。他指出，自我照顾从来不是美国职场的核心价值，他对这个问题能否被健康或高质量地解决持怀疑态度。
