谁为人工智能的返工买单？

这两个数字在同一天出现，并且可以看作一个故事。Workday的研究在2026年10月2日报告称，每周节省3.6小时，而修复则为3.4小时；同一天，IBM商业价值研究所发现68%的加拿大人力资源主管认为监督和覆盖AI输出的能力是最重要的技能，而只有29%的员工认为判断力重要。一个说时间会回来，另一个则表示必须纠正错误的人并不认为这是他们的工作。我们的观点是，重做既不是浪费，也不是技术问题：这是从未分配给任何人的工作，直到它被命名和定价，组织才能区分节省和延误。

生产力问题是通过购买更好的东西来解决的。这个问题在升级后依然存在，因为它与输出的质量无关——而是与谁对其负责有关。检查是AI转移而非移除的工作部分，而捕捉到虚构数据或不存在的文档引用的修正并不是间接成本。这是系统在正常运作。

我们的异议比标题所暗示的更狭窄和更实际。检查是由真实的人在真实的周数中执行的真实工作，而在我们看到的几乎每个计划中，它都是隐形的。它与经理和董事一起，这意味着与最无法承受的人在一起。这不是工具的缺陷，而是计划中的一个缺口。

Workday的这对数字表明时间是存在的。它无法告诉你交易是否值得进行，因为它将两种截然不同的事情相加：一种改善草稿的修正和一种本不该需要的重写。两者都被计为3.4小时，而其中只有一个是问题。

我们实际上会采取行动的发现是桌子两侧之间的差距。雇主已经命名了稀缺的技能——监督、验证和覆盖模型生成的内容。员工在同一研究中对判断力的排名较低。这种不匹配既不是愤世嫉俗，也不是懒惰；而是没有人写出的工作描述。要求人们捕捉机器出错的内容，而不说明这现在是他们工作的一部分，就是如何将良好的意图转变为潜在的怨恨。

三件事，均非技术性。为每个离开团队的输出书面命名检查者——一个名字，而不是角色。将重做纳入基准：上个月检查花费了多长时间，这个数字是否在上升。并且训练判断力而非提示；将输出与其来源进行对比并知道何时拒绝是一种实践，而不是技巧，这是清单上最便宜的东西。

我们看到的潜在缺陷的最佳例证是小而不引人注目。GovTech在2026年10月2日描述了一个层次，为政府AI用户在询问之前提供官方定义，其工作示例是一个查询返回142个已解决的案例，其中37个已自动关闭且没有经过验证的解决方案——因此正确答案是105。那里的重做来自一个没有人定义的词。在模型回答之前决定词的含义是便宜的。事后发现分歧则不是。

新加坡的公司层面调查指向同样的方向，我们宁愿直接引用，而不是装饰它：在少数实际使用AI的公司中，大约七成报告员工生产力提高，而只有少数公司将其整合到核心流程中。收益首先显现。重新设计大多没有发生。

我们对这对数字持怀疑态度。自我报告的小时数是一种软测量，3.6与3.4之间的差异邀请了一种方法无法承载的精确性；我们不会围绕它们之间的差异规划项目。我们也不确定这两个类别在国家和行业之间是否如报告的那样整齐。

我们还会抵制将检查视为需要最小化的税收的框架。部分是速度的代价，而一个发布未经检查输出的工作室将面临比慢工作更严重的问题。诚实的立场是我们不知道正确的比例——而且没有人测量过自己的重做也不知道他们的比例。

我们的立场很简单：工作转移了，而没有人随之而动。将这些数字视为未分配工作的诊断，而不是AI是错误的证据，解决方案变得不那么令人兴奋且便宜——命名检查者、衡量检查、教授判断力，下个月再看看数字。

我们对“节省”这个词并不感冒，因为它通常在进入时被计算，而修正则在退出时被计算，而这两者几乎从未并列。直到一个组织这样做，它就无法衡量生产力；它只是在衡量热情。

我们宁愿看到一个人们可以诚实达到的低标准，而不是一个只有经过良好建议的团队才能证明的高标准。我们宁愿在数字仍然足够小以进行争论时尽早进行这个讨论，而不是在三年后发现检查根本不是任何人的工作。