效率提升但没空休息

发现撰写文档时间从两天被内部 AI 工具缩短到半天的亚马逊商业智能工程师, 将省下的时间立刻安排去做数据清理任务。谷歌安全工程师也表明 , 以前整理半年会议摘要需要一整天, 现在AI 几分钟就能完成, 不过紧接着就要着手处理下一项工作。

这些案例表明, 人工智能并未致使员工提早下班, 而是给予公司能够分配更多任务的契机。员工看似提高了效率, 然而实际工作时长没有缩减, 反倒因任务密度加大更加疲惫不堪。

自动化搭建隐藏成本

许多人于引入AI工具之际, 需耗用大量时间去研习操作流程以及调试相关参数。一位产品经理给出反馈, 构建一个自动化文档生成流程, 前前后后花费了三天时间, 这相较于手动撰写初稿而言更为费劲。

进行AI输出结果的验证, 这同样是个耗费时间的阶段。安全工程师得再三去核验, 由AI生成的摘要里头, 是不是有遗漏关键信息的情况, 而这样的验证举动, 通常又得再耗费半小时。自动化看起来好像能节省时间, 然而前期的搭建以及后期的验证, 都在让实际工作周期变长。

策略判断仍需人类主导

产品经理察觉到, 设计师也察觉到, AI能够迅速生成需求文档的初步稿件, 然而, 至关重要的产品策略以及功能的取舍抉择必定得由人类来做出决策。举例来说, 某一AI生成了十个方案, 可是, 究竟哪一个契合用户的真实需求, 哪一个在技术层面是可行的, 依旧得依靠团队展开研讨并进行筛选。

员工因这种高强度参与而感到心累, 一位设计师举例而言, AI三分钟画出了二十个界面草图, 然而他却需用两小时去分析每个方案的优缺点之处，最终决策环节相较于以往反倒更加紧张了。

代码开发节奏被拉快

于代码开发范畴之内, AI所带来的加速生效状况是极为突出明显的, 以往那种所需耗费一周时间方可造就完成的编写任务, 如今在诸如Code这类工具进而形成辅助的情形之下, 一天便能够达成予以完成, 团队彼此之间的代码审核环节以及反馈周期也同样由以往的历时数天蜕变缩短至仅仅所需数小时。

工程师们因这种变化而不得不随时保持在线状态。一位后端工程师称, 以往写代码时能够迟缓地思索, 如今AI生成后需即刻展开审核以及测试, 整个协作的节奏被毫无限制地加快, 稍微迟缓一些便会使团队进度受到拖累。

工作粒度从小时变分钟

根据一线员工给出的真实反馈显示, AI正使得科技职场里的工作粒度, 从以小时作为计量级别, 转变为以分钟作为计量级别。往昔之时, 一个任务很有可能会花费历时半天的时间, 然而如今被进一步拆解划分成多个以分钟作为计量级别的微小任务, 在完成之后紧接着就承接下一个任务。

这一变化所带来的是持续不断的高强度工作态势。有一位数据分析师讲, 以往一天能够完成三个报告, 而如今在AI辅助的状况下可以完成十个, 只是每个报告都得要仔细地去核查数据, 故而因精神高度集中致使下班后更加疲惫不堪。

总量未减速度加快

从亚马逊直至谷歌, 从身为工程师转变为作为产品经理, 多数人觉得AI并未使得工作总量有所减少。相反的是: 它致使员工靠着更快的速度奔赴至下一个任务, 整体效率获得提升然而却带来了工作密度的增长。

技术变革其原本的意图是减轻负担, 然而在实际的运用当中, 企业反而更偏向于利用效率去换取更多的产出。员工于享受 AI 所带来便利的同时, 也承受着被加快速度的压力。

读完这篇文章之后, 你有没有类似的经历? 对于你而言, AI到底是帮到了你, 还是让你变得更加忙碌了? 欢迎在评论区域分享你真实的体验感受, 点赞并且转发, 从而让更多的人能够看到技术职场的新变化。