为什么人工智能的生产力提升伴随着返工

这两个数字是一起出现的，应该一起解读。Workday的研究在2026年10月2日报告发现，阿联酋的员工使用人工智能每周平均节省3.6小时，并花费3.4小时来修正、澄清或重写工具生成的内容。几乎所有的时间都回归了。我们的观点是，这不是技术问题，也不是浪费。这是从未分配给任何人的工作，直到它被命名和计价，组织无法区分节省和延误。检查工作落在那些最难以承受的人身上：经理和董事负责大部分验证。IBM发现了雇主方面的同样差距，而新加坡的官方调查显示出相同的趋势——在使用人工智能的地方，收益是真实的，但很少有公司围绕它重新设计流程。

Workday在2026年10月2日报告了这些发现，当时该公司在迪拜开设了办公室。时间的计算接近于平衡：每周节省3.6小时，花费3.4小时进行修复。报告没有将有用的返工与浪费分开，而这是我们希望强调的部分。改善草稿的修正与不应需要的重写并不相同，而标题数字将它们视为相同。调查在其他地方更为鼓舞人心，我们更愿意明确表示：这些效率并不主要被视为成本削减，而是用于处理更多工作、培训和再技能提升，以及工作负载和福祉。报告无法告诉你这种交易是否值得，因为它将两方面视为同一件事。

在同一天，2026年10月2日，IBM商业价值研究所发布了一项关于首席人力资源官和员工的研究，其加拿大结果显示出明显的不匹配。68%的加拿大首席人力资源官表示，监督、验证和覆盖人工智能输出的能力是劳动力最重要的技能；只有29%的加拿大员工认为判断力重要。我们希望保留的发现是，明确界定哪些工作流程是由人主导、人工智能辅助或人工智能执行的组织报告了更低的风险和更好的质量。这是Workday从另一侧桌子上提出的观点，也是我们希望采取的观点：返工不是工具问题；它是一项未分配的工作。

新加坡没有与节省时间相匹配的调查，值得指出的是，而不是借用阿联酋的数字。它所拥有的是公司层面的图景，指向同样的方向。人力部的人工智能调查发现，大多数公司尚未开始采用人工智能，而在那些已经采用的公司中，只有一小部分将其整合到核心业务流程中——其余的仍在规划或试点阶段。在实际使用人工智能的公司中，大约七成报告了员工生产力的提升。Workday自己早前在新加坡的研究发现受访者中也有相同的趋势。模式保持不变：收益首先显现，返工随后出现，而重设计大多数尚未发生。

新加坡政府已为返工的一个原因命名。在2026年10月2日，GovTech描述了一个上下文层，它正在构建，以便查询公共数据的人工智能工具在回答之前接收官方定义、机构规则和预先测试的查询，这些定义以版本控制的代码存储，而不是某人手动更新的文档。它自己的工作示例是我们见过的最清晰的返工说明：一个查询计算了每个标记为已解决的记录，返回的案例远远超过政策正确答案，因为其中一部分在没有经过验证的解决方案的情况下自动关闭。这解决了数据中的模糊性，但并没有说明其他返工的原因。但这为任何团队提供了一个有用的模板：在模型回答之前，决定词语的含义，并将该决定保留在某个可见的地方。

我们会将3.6与3.4视为诊断，而不是裁决。这对数字表明时间是存在的；它并没有说工作是毫无价值的。一个捕捉错误数字或虚构引用的修正是系统正常运作的表现，而一个未经检查的人工智能草稿交付的工作室将面临比缓慢输出更严重的问题。我们的抱怨是检查没有预算。它落在经理身上，在我们看到的大多数计划中是不可见的，这也是为什么一个人工智能试点在第一个月看起来像是成功，而在第六个月悄然成本更高的原因。

IBM的发现是我们希望采取的，因为它命名了修复。如果验证人工智能输出是稀缺技能，那么培训它就是可用的最高回报支出——不是提示课程，而是对输出与来源进行对比的平凡实践，并知道何时拒绝它。这也是便宜的，这就是为什么我们对它不断被推迟感到不满。

我们对“节省”这个词持怀疑态度。人工智能所做的往往是将时间从生产转移到检查，而检查是一项不同的工作，具有不同的成本。直到一个组织对返工设定基准并进行审查，节省将继续在进入时被计算，而修正则在退出时被计算，没人能够说这种交易是否值得。