企业AI的隐性成本：每周6.4小时花在"带娃式看护机器人"上

AI正加速渗透职场，却带来了新的生产力悖论：技术让工作感觉更快，但实际将更多负担转嫁给了员工——他们需要不断为AI提供上下文、执行质量检查，并在众多割裂的工具间反复切换重复劳动。

Glean旗下Work AI Institute联合埃默里大学、斯坦福大学、UC伯克利、UC圣巴巴拉、伦敦大学学院等多所高校对6000名全职数字化员工进行调研，揭示出两种新行为模式：

"Botsitting"（机器人保姆）：为使AI真正可用而付出的大量未被认可的隐性劳动

"Botshitting"（机器人甩锅）：交付未经核实、理解不深甚至不可信的AI生成成果

Work AI Institute负责人Rebecca Hinds指出："这在许多方面是一个自我喂养的恶性循环。企业需要开始理解并正视其核心所需的巨大的人力劳动。"

用得更多，挫败感更强

调查显示87%的数字化员工正在使用AI，AI已自动化超过四分之一的工作，每周节省约11小时。然而，仅13%的人认为AI显著改善了公司绩效——节省下来的时间正被同一技术吞噬：员工每周平均花费6.4小时在"botsitting"上，包括为AI提供上下文、监督输出、调试错误、清理AI生成内容和在多个工具之间切换。

Hinds表示，大模型虽训练于互联网海量数据，但缺乏企业特定数据，员工不得不反复补充公司产品、客户、服务等细节。而且由于使用多个工具，同一个提示词常常需要重复输入多次——"这不仅让员工疲惫，而且这些劳动往往不被认可、不被奖励、不被看见。"

"Botshitting"：放弃人类判断的代价

69%的用户承认曾交付未经核实的AI生成成果，41%表示有时交付了自己都无法解释的工作，另有28%将自己的错误归咎于AI。Hinds解释："Botshitting就是将你关键的思维、判断和理解外包出去——这本是绝对应该保留在人类手中的工作。"

使用多个AI代理的员工更有可能如此，因为代理规模化后若缺少适当的管控和权限设计，就可能失控，导致压力过大的用户放弃验证。Hinds警告，负面影响往往在三四步之后才显现，"到那时就需要大量的清理和侦探工作，去追踪代理在哪里出了错。"

隐藏AI使用的尴尬平衡

调查发现超过半数员工从AI获取的日常帮助多于从管理者处获得的，并认为与AI协作比与人协作更轻松。但54%的高AI成就者在使用未经批准的工具或以不合规方式使用已批准工具，36%的人有意隐瞒AI对自己的帮助程度。

领先公司的做法

调研报告指出，真正领先的公司并非花更多时间使用AI，而是在围绕AI的工作上投入更多：设置上下文、定义"好"的标准、建立判断力、决定什么不该交给模型处理。他们积极提供培训支持、将AI视为重塑工作的机遇、正式奖励AI技能，并明确AI战略背后的"为什么"。

Hinds强调，最难培养的技能是知道何时不用AI。成功企业正使用锚定现有KPI的指标衡量质量、效率和员工参与度，将数据交到员工手中以便自我评估，这"更多是关于我们如何集体工作的反馈，而非监控"。